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
Grok 4 86.4
▲6
·
#2
GPT-6 Luna 83.9
▲4.5
·
#3
GPT-6.1 Sol 83.3
▲4.7
·
#4
Claude Sonnet 4.6 82.7
▲2.6
·
#5
豆包 Pro 82
▲5.3
·
#6
GPT-6 Sol 81.5
▼0.7
·
#7
Claude Opus 4.7 81.3
·
#8
GPT-6 Astra 80.6
·
#9
GPT-5.5 80.2
·
#10
GPT-o3 77.6
▼3
·
#11
DeepSeek V4 Pro 77.1
▲0.7
·
#12
Gemini 3.1 Pro 74
·
#13
Gemini 2.5 Pro 69.8
▼2.4
·
#14
GLM-4.6 39.3
▼19.5
·
▲ GLM-4.6 +45.8 · ▼ Qwen3 Max -77.4
·
#1
Grok 4 86.4
▲6
·
#2
GPT-6 Luna 83.9
▲4.5
·
#3
GPT-6.1 Sol 83.3
▲4.7
·
#4
Claude Sonnet 4.6 82.7
▲2.6
·
#5
豆包 Pro 82
▲5.3
·
#6
GPT-6 Sol 81.5
▼0.7
·
#7
Claude Opus 4.7 81.3
·
#8
GPT-6 Astra 80.6
·
#9
GPT-5.5 80.2
·
#10
GPT-o3 77.6
▼3
·
#11
DeepSeek V4 Pro 77.1
▲0.7
·
#12
Gemini 3.1 Pro 74
·
#13
Gemini 2.5 Pro 69.8
▼2.4
·
#14
GLM-4.6 39.3
▼19.5
·
▲ GLM-4.6 +45.8 · ▼ Qwen3 Max -77.4
·
最新ニュース
すべてのニュースを見る →インフルエンサー「小部隊」で急成長、Cal AIが2年間で3000万ドル超の収益を達成
10代の若者2人が創業したカロリー追跡アプリ「Cal AI」が、大規模インフルエンサーマーケティング戦略により2年間で3000万ドル超の収益を上げ、今年3月にフィットネスアプリ企業MyFitnessに買収された。
AIによる攻撃が残した混乱、AI企業は責任を負わず、被害者は逆にAI活用を勧められる
AIモデルを悪用したサイバー攻撃が急増する中、法的責任の空白によりAI企業は損害を負担せず、被害者は同じAIツールで自衛するよう促されているという問題を取り上げる。
Meta Museの意外な機能が発覚、AppleのHomeViewは混乱を招く
WIREDのテクノロジーポッドキャスト『Uncanny Valley』が、Meta AIアシスタント「Muse」の予想外の機能、AppleのHomeViewをめぐる謎、そしてAIと政治献金・ジェンダー認識に関するデータを取り上げた。
OpenAI、GPT-Live-1.1をリリース：13種類の新音声が6言語をカバー、APIは近日公開予定
OpenAIは2026年10月15日、ChatGPT・Codex・dotsの3製品に向けてGPT-Live-1.1を全ユーザーに展開した。13種類の新音声と6言語サポートが追加されたが、API対応は「近日公開予定」とされており、具体的な日程
Microsoft MAI-Base-2：2.8兆パラメータMoEモデルの事前学習完了、効率性はDeepSeekの4〜12倍と主張
Microsoftは2026年10月15日、総パラメータ数2.8兆の混合専門家（MoE）アーキテクチャ基盤モデル「MAI-Base-2」の事前学習完了を発表した。同社はDeepSeek-V4-Pro-Baseと比較して4.2〜12.3倍の学
BlueskyがAIアプリ「Attie」を一般公開——誰でもサイト構築やゲーム制作が可能に
分散型ソーシャルネットワークのBlueskyが、実験的AIツール「Attie」を一般ユーザーに公開した。自然言語だけでインタラクティブなWebページやミニゲームを作成し、そのままBlueskyのソーシャルネットワーク上で公開・共有できる「ソ
AnthropicがMETRに拒否権を放棄、従業員レベルのアクセス権を付与
AnthropicはAI安全評価機関METRに対し、従業員と同等の内部アクセス権を付与するとともに、評価報告書の公表を阻止する権利を自ら放棄した。これはAI安全ガバナンスにおける前例のない透明性への取り組みとして注目されている。
Amazon高幹部が予言：AIデバイスがAppを駆逐し、インタラクションは「存在感なき時代」へ
AmazonのデバイスおよびサービスのトップであるPanos PanayがTechCrunch Disruptで、AIが「アンビエント・インテリジェンス」によってAppを時代遅れにする未来を予言した。インタラクションの重心が「ユーザーが機能
MetaがオープンソースモデルMuse Sparkを発表、Macでのローカル実行が可能に
MetaはオープンウェイトモデルのMuse Spark Openを発表し、Apple siliconを搭載したMacでローカル実行できるようAppleと提携した。クラウドではなくデバイス上でのAI推論という新たな競争の幕開けを告げる動きとし
Claude Opus 4.7、主要ランキングで20.1点急落——コード実行は1日で28.1点下降
Claude Opus 4.7が本日のSmoke評価においてメインスコアが93.54点から73.45点へ急落した。コード実行次元が28.1点と最大の下落幅を記録したが、サブ指標の改善傾向から系統的な能力劣化の可能性は低いと分析される。
DoubaoプロのSmokeテストで材料制約スコアが15.3点急落、総合ランキングも4.3点下降
Doubao ProのSmokeテストにおける本日の評価で、材料制約スコアが87.90点から72.60点へと15.3点下落し、総合ランキングスコアが89.44点から85.09点に低下した。コード実行や課題表現の各スコアは改善が見られたものの
Doubao Pro が85.09点で首位：2026年10月16日 YZ Index Smoke クイックテスト速報
2026年10月16日のYZ Index Smokeクイックテストでは13モデルを対象に評価が行われ、Doubao Proが85.09点で当日首位を獲得した。本テストは1日10問の小規模サンプルによる短期シグナル観測に適したものであり、週次
レビュー
すべて見る →Claude Opus 4.7、主要ランキングで20.1点急落——コード実行は1日で28.1点下降
Claude Opus 4.7が本日のSmoke評価においてメインスコアが93.54点から73.45点へ急落した。コード実行次元が28.1点と最大の下落幅を記録したが、サブ指標の改善傾向から系統的な能力劣化の可能性は低いと分析される。
DoubaoプロのSmokeテストで材料制約スコアが15.3点急落、総合ランキングも4.3点下降
Doubao ProのSmokeテストにおける本日の評価で、材料制約スコアが87.90点から72.60点へと15.3点下落し、総合ランキングスコアが89.44点から85.09点に低下した。コード実行や課題表現の各スコアは改善が見られたものの
Doubao Pro が85.09点で首位：2026年10月16日 YZ Index Smoke クイックテスト速報
2026年10月16日のYZ Index Smokeクイックテストでは13モデルを対象に評価が行われ、Doubao Proが85.09点で当日首位を獲得した。本テストは1日10問の小規模サンプルによる短期シグナル観測に適したものであり、週次
WDCD コンプライアンス
#1
GLM-4.6
100
#2
Grok 4
97.5
#3
Gemini 3.1 Pro
95.2
#4
DeepSeek V4 Pro
94
#5
GPT-5.5
92.6
#6
GPT-o3
92
#7
GPT-6 Sol
91.8
守約ランキング全体を見る →
Research Lab
WDCD ラン #379：GLM-4.6 が満点で首位、コホート平均の指示追従度低下率は -53.3% に
Winzheng Dynamic Contextual Decay（WDCD）ベンチマークのラン #379 では、15 モデルを評価した結果、コホート平均の指示追従度低下率が -53.3% を記録。G
4大モデル翻訳対決：第42週品質評価、gpt-o3が8.7点でトップ
第42週の翻訳評価レポートでは、4つのモデルが計376件の翻訳タスクを処理し、抽出した3記事のブラインド比較評価において、gpt-o3が平均8.7点で最高評価を獲得した。
WDCD ラン #365：平均指示減衰率 -53.3%、GLM-4.6 が15モデル中トップに
WinzhengのWDCDベンチマーク第365回実施結果によると、15モデルの平均指示減衰率は-53.3%に達し、マルチターン対話における指示遵守の崩壊がフロンティアシステムにおいても依然として主要な