赢政 AI 評測 — AI モデル評価・ニュース・研究
総合トップ5
完全ランキング →
#1
GPT-6 Astra 80.3
·
#2
GPT-6 Sol 79.7
▲4.1
·
#3
Claude Opus 4.7 79.5
·
#4
GPT-6.1 Sol 78.1
▼4.7
·
#5
GPT-5.5 77.2
▲3.9
·
#6
GPT-6 Luna 76
▼0.9
·
#7
Claude Sonnet 4.6 75.6
▲4.3
·
#8
Grok 4 73.2
▲2.3
·
#9
豆包 Pro 72.5
▼8
·
#10
GPT-o3 70.4
▼1.8
·
#11
DeepSeek V4 Pro 68.5
▲1.6
·
#12
GLM-4.6 59.8
·
#13
Gemini 3.1 Pro 57.5
▼5.4
·
#14
Gemini 2.5 Pro 56.9
▼2.1
·
▲ GLM-4.6 +75.1 · ▼ 豆包 Pro -12.7
·
#1
GPT-6 Astra 80.3
·
#2
GPT-6 Sol 79.7
▲4.1
·
#3
Claude Opus 4.7 79.5
·
#4
GPT-6.1 Sol 78.1
▼4.7
·
#5
GPT-5.5 77.2
▲3.9
·
#6
GPT-6 Luna 76
▼0.9
·
#7
Claude Sonnet 4.6 75.6
▲4.3
·
#8
Grok 4 73.2
▲2.3
·
#9
豆包 Pro 72.5
▼8
·
#10
GPT-o3 70.4
▼1.8
·
#11
DeepSeek V4 Pro 68.5
▲1.6
·
#12
GLM-4.6 59.8
·
#13
Gemini 3.1 Pro 57.5
▼5.4
·
#14
Gemini 2.5 Pro 56.9
▼2.1
·
▲ GLM-4.6 +75.1 · ▼ 豆包 Pro -12.7
·
最新ニュース
すべてのニュースを見る →4大モデル翻訳対決:第48週品質評価、passthroughが8点でトップ
今週431件の翻訳タスクを4つのモデルが処理し、抽出した3記事でマルチモデルブラインド評価を実施。総合最優秀はpassthrough(平均スコア8/10)。
OpenAIチーフサイエンティスト:AIにスピード制限を設けるには、まず「速度の測り方」を定義せよ
OpenAIのチーフサイエンティストが「AIの発展にスピード制限を設けるには、まず速度の測定方法について合意形成が必要だ」と主張した。AI能力の評価指標が定まらない現状が、AI統治における最大の課題として浮き彫りになっている。
OpenAIチーフサイエンティスト、内部パープレキシティデータを公開——単一指標によるグローバルAI安全速度制限を提案
OpenAIのチーフサイエンティストJakub Pachockiが、GPT-3.5から現行モデルまでの内部対数パープレキシティデータを初公開し、フロンティアAI研究所がこの指標を業界共通の安全基準の基盤とすることを提案した。CEO Sam
Anthropic、2028年の電力の87%が化石燃料由来――AIインフラのエネルギーの実態を暴いた分析報告書
非営利研究機関Better Data Center Projectの報告書によると、2028年にAnthropicが米国で契約しているデータセンターの電力消費のうち約87%が天然ガス、11%が石炭由来となり、再生可能エネルギーの比率はほぼゼ
MLPerf Training v6.1ベンチマーク公開――AIトレーニングシステムの新たな突破を示す
MLCommonsはMLPerf Training v6.1ベンチマークの結果を発表した。新たに追加された2つのベンチマークと提出データは、AIトレーニングシステムのアーキテクチャにおける最新の進展と、トレーニングハードウェアの多様化の趨勢
MLPerf Training v6.1:より大規模なクラスター、より広範なハードウェア、ソフトウェア最適化が性能飛躍を牽引
MLPerf Training v6.1では新たに2つのベンチマークが追加され、最大10,240 GPUの大規模ジョブが登場するなど、AI学習性能がムーアの法則を大幅に上回るペースで向上し続けていることが示された。
実際のシナリオでAIをテスト:MLPerf Endpoints v1.0ベンチマーク公開
MLCommonsが新たにMLPerf Endpoints v1.0を公開。孤立したチップ性能ではなく、本番環境に近い負荷下でリアルタイムAPIエンドポイントの総合的な性能を測定する業界初のベンチマークとして注目される。
DeepSeek-V4.1-Flash の H20-3e 上における PD 分離サービス最適化
Ant International AI Infraチームが H20-3e 上で DeepSeek-V4.1-Flash の分離式サービスを最適化し、TP4 比で平均エンドツーエンドレイテンシを 65.5% 削減、出力スループットを 2.9
Grok 4、メインランキングが1日で17.2点急落――素材制約スコアは24.8点崩壊
Grok 4は本日のSmoke評価においてメインランキングスコアが83.51点から66.35点へと17.2点下落した。素材制約ディメンションの単日24.8点下落が主な要因とみられ、誠実性評価もpassからwarnへ転じた。
Claude Sonnet 4.6、材料制約スコアが24.8点急落——コード実行は50点急騰
本日のSmoke評価において、Claude Sonnet 4.6の材料制約スコアが77.40点から52.60点へと24.8点急落した一方、コード実行スコアは48.60点から98.60点へと50点急騰し、メインボードの総合スコアは61.56点
Claude Opus 4.7が78.72点で首位:2026-11-23 YZ Index Smoke速報データブリーフィング
2026年11月23日のYZ Index Smoke速測では14モデルを対象に評価が行われ、Claude Opus 4.7が78.72点で当日首位を獲得した。Smokeは毎日10問の速測であり、短期的なシグナルの観察に適している。
データセンターはなぜ巨大テック企業への反発の嵐の目となったのか
生成AIの爆発的普及により、データセンターの物理的・社会的影響が可視化され、電気料金・水資源・税制優遇をめぐる地域住民との対立が激化している。ジャーナリストのParis Marxは新著『Hyperscale』で、データセンターの拡大は技術問
レビュー
すべて見る →MLPerf Training v6.1ベンチマーク公開――AIトレーニングシステムの新たな突破を示す
MLCommonsはMLPerf Training v6.1ベンチマークの結果を発表した。新たに追加された2つのベンチマークと提出データは、AIトレーニングシステムのアーキテクチャにおける最新の進展と、トレーニングハードウェアの多様化の趨勢
MLPerf Training v6.1:より大規模なクラスター、より広範なハードウェア、ソフトウェア最適化が性能飛躍を牽引
MLPerf Training v6.1では新たに2つのベンチマークが追加され、最大10,240 GPUの大規模ジョブが登場するなど、AI学習性能がムーアの法則を大幅に上回るペースで向上し続けていることが示された。
実際のシナリオでAIをテスト:MLPerf Endpoints v1.0ベンチマーク公開
MLCommonsが新たにMLPerf Endpoints v1.0を公開。孤立したチップ性能ではなく、本番環境に近い負荷下でリアルタイムAPIエンドポイントの総合的な性能を測定する業界初のベンチマークとして注目される。
WDCD コンプライアンス
#1
GLM-4.6
88.6
#2
Gemini 3.1 Pro
87.5
#3
Claude Sonnet 4.6
86.9
#4
GPT-5.5
86.4
#5
GPT-6 Sol
84.7
#6
Grok 4
84.2
#7
GPT-6 Astra
82.8
守約ランキング全体を見る →
Research Lab
4大モデル翻訳対決:第48週品質評価、passthroughが8点でトップ
今週431件の翻訳タスクを4つのモデルが処理し、抽出した3記事でマルチモデルブラインド評価を実施。総合最優秀はpassthrough(平均スコア8/10)。
WDCD Run #434:GLM-4.6が88.6ポイントで首位、平均指示減衰率は-26.7%
Winzhengの動的コンテキスト減衰(WDCD)ベンチマーク第434回において、15モデルを対象とした評価でGLM-4.6が88.6ポイントで首位を獲得。コホート全体の平均指示減衰率は-26.7%に
4大モデル翻訳対決:第47週品質評価、claude-sonnet-4.6が9点でトップ
今週442件の翻訳タスクを4モデルで処理し、抽出した3記事をマルチモデルブラインド評価した結果、claude-sonnet-4.6が平均9/10点で総合最優秀となった。