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-6.1 Sol 82.8
▲3.5
·
#2
GPT-6 Astra 80.6
▼1.8
·
#3
豆包 Pro 80.5
▲0.9
·
#4
Claude Opus 4.7 79.2
▼3.3
·
#5
GPT-6 Luna 76.9
▼2
·
#6
GPT-6 Sol 75.6
▼1.3
·
#7
GPT-5.5 73.3
▼0.9
·
#8
GPT-o3 72.2
▼3.2
·
#9
Claude Sonnet 4.6 71.3
▼6.8
·
#10
Grok 4 70.9
▼8.1
·
#11
DeepSeek V4 Pro 66.9
▼6.8
·
#12
Gemini 3.1 Pro 62.9
▲1.3
·
#13
Gemini 2.5 Pro 59
▲7.6
·
▲ Gemini 2.5 Pro +15.8 · ▼ GLM-4.6 -52.1
·
#1
GPT-6.1 Sol 82.8
▲3.5
·
#2
GPT-6 Astra 80.6
▼1.8
·
#3
豆包 Pro 80.5
▲0.9
·
#4
Claude Opus 4.7 79.2
▼3.3
·
#5
GPT-6 Luna 76.9
▼2
·
#6
GPT-6 Sol 75.6
▼1.3
·
#7
GPT-5.5 73.3
▼0.9
·
#8
GPT-o3 72.2
▼3.2
·
#9
Claude Sonnet 4.6 71.3
▼6.8
·
#10
Grok 4 70.9
▼8.1
·
#11
DeepSeek V4 Pro 66.9
▼6.8
·
#12
Gemini 3.1 Pro 62.9
▲1.3
·
#13
Gemini 2.5 Pro 59
▲7.6
·
▲ Gemini 2.5 Pro +15.8 · ▼ GLM-4.6 -52.1
·
最新ニュース
すべてのニュースを見る →心を保存する6つの奇抜な構想とオープンAIのリスク評価
MIT Technology Reviewの「The Download」が提示する2つのテーマ——心の保存をめぐる6つの大胆な構想と、AIのオープン化に伴うリスクの評価——を紹介する。技術が人間の認知の境界に挑む時代における根本的な問いを探
Pluraiが自動運転の発想を応用し、AIエージェントの信頼性を高める
スタートアップのPluraiは、自動運転業界で実証済みのアプローチを参考に、AIエージェントが現実の不確実な環境で安定して動作するための評価・テスト基盤の構築に取り組んでいる。
DatabricksのAIエージェント「Genie」、CEOに忖度なしの真実を届ける
Databricksが刷新したAIエージェント「Genie」は、1万2千人規模の組織において、階層的な情報伝達で歪められがちなリアルな現場情報をCEOに直接届ける仕組みとして注目されている。AIが「真実を語る役割」をシステムのデフォルト出力
中国の「ハニートラップ」がジェンセン・ファンを狙う？AI巨人たちの情報暗戦
WIREDの評論記事を基に、中国がNVIDIA CEOのジェンセン・ファンを標的としたハニートラップ工作を仕掛けたとされる疑惑を分析。中米テクノロジー競争が激化する中、シリコンバレーの経営トップが地政学的諜報戦の最前線に立たされている実態を
AO3閉鎖が同人コミュニティに激震——読者と作者の決裂
AO3（Archive of Our Own）の閉鎖後、無断でミラーサイトに転載された作品をめぐり、作者と読者の間に深刻な亀裂が生じている。アクセス権と同意権をめぐる対立は、同人コミュニティ全体の信頼崩壊という構造的問題を浮き彫りにしている
OpenAIの四半期売上高が初めて100億ドルを突破、前四半期比約50%増
OpenAIの直近四半期の売上高が初めて100億ドルを超え、前四半期の67億ドルから約50%増という同社史上最高の四半期売上高を記録した。急成長の一方、大規模な支出や競争激化の中で持続的な収益化への道筋が問われている。
SignalのAI支援数学検証が完了、形式検証の転換点へ
Signalの暗号化プロトコルがAI支援による形式化検証を通過した。4週間で完了したこのプロジェクトは、AIが形式化検証の高コスト・高専門性という壁を崩しつつあることを示唆している。
米中首脳会談でAI事故ホットライン合意、軍事危機協定の棚上げが最大のリスクに
2026年9月、米中首脳会談でAI関連事故に特化した双方向ホットラインの設置が合意されたが、運用細則の欠如と軍事分野の意図的な除外により、この枠組みは実効性ある技術協定というより政治的なジェスチャーに近いとの見方が強い。
AnthropicがIPO初日にオフィス統合スイートを公開、マイクロソフト株が当日2.2%下落
2026年11月10日、AnthropicはIPOロードショー開始と同日に、MicrosoftのExcel・Whiteboard・Power BIに対応するオフィス系プロダクト3製品を発表した。これを受けてMicrosoftの株価は一時3%
13歳の少女がGeminiに自殺方法を相談、学校の監視システムが数週間にわたり検知できず
米国の13歳の少女が学校支給のChromebookを使ってGoogle Geminiに自殺に関する相談をしていたにもかかわらず、学校の監視システムが数週間にわたってこの危険な会話を検知できなかったとして、少女の両親が問題を告発した。このケー
韓国DeepX、サムスン2nmチップのテープアウト完了：5ワットで100Bパラメータ推論、エッジAIはワット級の転換点を迎えるか？
韓国のファブレスAIチップ企業DEEPXは、第2世代AI推論チップDX-M2がサムスン電子の2nm GAAプロセスでテープアウトを完了したと発表した。5ワット程度の消費電力で100Bパラメータの大規模言語モデルを動作させることを設計目標とし
李飛飛がAtlasを携えてCoRLロボティクス学会に登壇——AMDの82億ドルが賭けるもの
李飛飛（フェイフェイ・リー）がCoRL 2026でワールドモデル「Atlas」の技術報告を行い、AMD CEOリサ・スーとの共同登壇を果たした。AMDによる82億ドルでのWorld Labs買収が発表されて以来、初の公開共演となった。
レビュー
すべて見る →WDCDサイクル：GPT-6 Astraが20.3点下落、6モデルが下降するなかSonnetのみ逆行上昇
今回のWDCD v3.1守約テストでは、評価対象15モデルのうちClaude Sonnet 4.6のみが正のスコア変化を記録し、残る6モデルはすべてスコアが低下。GPT-6 Astraは単体モデルとして最大の20.3点下落となった。
安全コンプライアンスで最低1.7点が崩壊、Claude Sonnetは4シナリオで4点満点を圧倒
WDCD v3.1の契約遵守テストにおいて、安全コンプライアンスシナリオの最低得点はわずか1.7/4（Doubao Pro）となり、15モデル中全シナリオを通じた最低スコアを記録した。一方、Claude Sonnet 4.6は4つのシナリオ
R1確認率87%後もR3で2回崩壊——WDCDアンカー問題が2モデルの全ラウンド完全敗北を明らかに
WDCD v2アンカー問題の150回サンプリングにおいて、Zhipu GLM-4.6とQwen3 MaxはR1からいかなる制約も確認できず全ラウンドで0点を記録。一方、R3での完全崩壊は全体の1.3%にとどまり、上位モデル群は3ラウンドを通
WDCD コンプライアンス
#1
Claude Sonnet 4.6
93.9
#2
Gemini 3.1 Pro
91.9
#3
GPT-6 Sol
85.3
#4
GPT-5.5
81.9
#5
GPT-6 Luna
81.7
#6
Claude Opus 4.7
77.7
#7
Grok 4
77
守約ランキング全体を見る →
Research Lab
WDCD Run #422：平均指示減衰率-66.7%、Claude Sonnet 4.6が15モデル中トップに
Winzheng Dynamic Contextual Decay（WDCD）ベンチマークのRun #422において、15モデルを対象に30問のテストを実施した結果、平均コミットメント減衰率は-66.
4大モデル翻訳対決：第46週品質評価、claude-sonnet-4.6が9点でトップ
第46週の翻訳評価レポートでは、4つのモデルが計395件の翻訳タスクを処理し、3件のサンプルを対象にした複数モデルによるブラインド評価の結果、claude-sonnet-4.6が平均9点で総合最高評価
WDCD Run #411：GPT-6 AstraがトップのYZ Index 90.5点、平均指示崩壊率は-80%
Winzhengが実施したWDCD Run #411（2026年11月4日）では、15モデルを対象に多ターン対話における指示遵守の崩壊を測定した結果、フィールド全体の平均崩壊率は-80%を記録し、GP