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 81.8
▲3.6
·
#2
Claude Opus 4.7 79.8
▲0.6
·
#3
豆包 Pro 76.5
▲3.1
·
#4
GPT-6 Luna 76.3
▼0.7
·
#5
GPT-6 Astra 75.2
▼1.7
·
#6
GPT-6 Sol 74.2
▼6.2
·
#7
Claude Sonnet 4.6 72.2
▼5.2
·
#8
GPT-5.5 71.3
▼5.9
·
#9
GPT-o3 68.1
▼10.3
·
#10
Grok 4 65.8
▼13.7
·
#11
DeepSeek V4 Pro 65
▼9.6
·
#12
Gemini 3.1 Pro 60.1
▼11.7
·
#13
Gemini 2.5 Pro 57.1
▼10.1
·
#14
GLM-4.6 48.7
▲10.6
·
▲ Claude Opus 4.7 +6.3 · ▼ GLM-4.6 -35.8
·
#1
GPT-6.1 Sol 81.8
▲3.6
·
#2
Claude Opus 4.7 79.8
▲0.6
·
#3
豆包 Pro 76.5
▲3.1
·
#4
GPT-6 Luna 76.3
▼0.7
·
#5
GPT-6 Astra 75.2
▼1.7
·
#6
GPT-6 Sol 74.2
▼6.2
·
#7
Claude Sonnet 4.6 72.2
▼5.2
·
#8
GPT-5.5 71.3
▼5.9
·
#9
GPT-o3 68.1
▼10.3
·
#10
Grok 4 65.8
▼13.7
·
#11
DeepSeek V4 Pro 65
▼9.6
·
#12
Gemini 3.1 Pro 60.1
▼11.7
·
#13
Gemini 2.5 Pro 57.1
▼10.1
·
#14
GLM-4.6 48.7
▲10.6
·
▲ Claude Opus 4.7 +6.3 · ▼ GLM-4.6 -35.8
·
最新ニュース
すべてのニュースを見る →OpenAI、ProおよびBusinessユーザーに月最大500ドルのAPIクレジットを提供——アカウント連携による有効化が必要
OpenAIは、対象となるChatGPT ProおよびBusiness加入者に対し、月最大500ドルのAPIクレジットを提供すると発表した。クレジットはサブスクリプションとAPI組織を連携することで有効化され、具体的な金額はプランの tie
個人用AIエージェントが五角大楼のネットワークに2ヶ月間侵入、発見されず
米国防請負業者アクセンチュアの従業員が個人使用のClaude AIエージェントを米国防総省のネットワークに接続し、約2ヶ月間にわたってセキュリティ上重要なシステム上で稼働し続けた後、ようやく発見されたことが明らかになった。この事件は、AIエ
トランプ大統領、ロボット輸入を安全保障上の脅威と認定——追加関税も示唆
トランプ米大統領は、外国製の工場用ロボットを国家安全保障上の脅威と認定し、関連輸入品をめぐる交渉を指示するとともに、追加関税を課す可能性を示唆した。この動きは、製造業の国内回帰とグローバルサプライチェーンの再編を推進する最新の施策として注目
MetaがAIファッションアプリ「Style Sketch」をひっそりリリース
Metaがほぼ公式アナウンスなしにAIファッションアプリ「Style Sketch」をリリースした。Instagramと連携してユーザーの仮想クローゼットを構築し、コーディネート提案などのスマートサービスを提供する。
OpenAI系資本が153億ドルでADTを買収、AIが家庭向けセキュリティを再定義
OpenAIが出資する持株会社Thrive Holdingsが米国の警備大手ADTを153億ドルで買収し、AIを家庭向けセキュリティ事業に全面導入する計画を発表した。この取引は、AI資本が「物理世界への入口」に対して行った過去最大規模の投資
RivianとフォルクスワーゲンがAIアシスタント搭載へ向け合弁事業を拡大
米国の電気自動車メーカーRivianとドイツの自動車大手フォルクスワーゲングループは、既存の合弁事業の対象範囲を拡大し、AIアシスタントを新たに組み込むと発表した。両社のソフトウェア定義自動車分野における協力がさらに深化する。
Redditがログイン体験へ転換——検索流量枯渇の中でオープンウェブが後退
Redditは製品体験をログイン状態に重点移行すると発表した。AIが情報流通の入口を塗り替え、検索トラフィックが継続的に減少する中、プラットフォームはオープンな匿名アクセスモデルからアカウントベースの第一者データモデルへの転換を余儀なくされ
GPT-6 Sol が90.51点で首位：2026-10-30 YZ Index Smoke クイックテストデータ速報
2026年10月30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、GPT-6 Solが90.51点で当日首位を獲得した。本テストは毎日10問形式の小規模サンプルであり、短期的なシグナル観測に適している。
元Palantir幹部が創業したDream、建築AI世界モデルに1700万ドルを賭ける
元Palantir幹部らが設立した建築AI特化スタートアップのDreamが、a16z主導で1700万ドルの資金調達を完了した。同社は1億平方フィート超の建築許可データをもとに訓練した世界モデルで、建築業界のAI基盤モデル構築を目指している。
グーグル、AI検索はコスト高と認める――広告増加で補填も株価急落
グーグルは第3四半期の決算において、AI検索による収益が従来の検索を下回ることを認め、広告密度の引き上げで対応する方針を示した。フリーキャッシュフローの赤字拡大を受けて株価は急落し、AI検索のビジネスモデルに対する市場の懐疑的な見方が強まっ
米当局、ジェンスン・フアンを標的とした中国スパイ工作を調査
米当局がNVIDIA最高経営責任者ジェンスン・フアン（Jensen Huang）を標的とした中国スパイ工作の疑いを調査していることが明らかになった。シンガポールのAIクラウドサービス企業の幹部が関与しているとみられ、同社は以前からNVIDI
Mistralが1兆パラメータのオープンウェイトモデルを公開、サイバーセキュリティ分野を狙う
フランスのAI企業Mistralが1兆パラメータモデルの重みを公開し、サイバーセキュリティを主要な応用分野として位置づけた。オープンウェイトにより、組織は閉鎖型モデルでは実現できないレベルの制御性を獲得できるとしている。
レビュー
すべて見る →GPT-6 Sol が90.51点で首位：2026-10-30 YZ Index Smoke クイックテストデータ速報
2026年10月30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、GPT-6 Solが90.51点で当日首位を獲得した。本テストは毎日10問形式の小規模サンプルであり、短期的なシグナル観測に適している。
GPT-6 Luna、Smoke評価メインランキングで19.8点急落——コード実行スコアが100から75へ
GPT-6 LunaのSmoke評価メインランキングスコアが本日86.95点から67.17点へと1日で19.8点下落した。コード実行次元が25点、素材制約次元が13.4点それぞれ低下したことが主な要因となっている。
Grok 4の材料制約スコアが17.4点急落、コード実行は7.9点上昇——Smoke評価メインランキングは3.5点低下
本日のSmoke評価において、Grok 4の材料制約スコアが75.00点から57.60点へと17.4点急落した一方、コード実行スコアは74.40点から82.30点へ上昇し、メインランキングの総合スコアは74.67点から71.19点へと3.5
WDCD コンプライアンス
#1
GLM-4.6
96.2
#2
Gemini 3.1 Pro
94
#3
GPT-o3
92.3
#4
Grok 4
90.3
#5
GPT-6 Sol
86.9
#6
GPT-5.5
86.8
#7
Claude Sonnet 4.6
85.8
守約ランキング全体を見る →
Research Lab
WDCD Run #400：全15モデルで指示忘却ゼロを達成、GLM-4.6が96.2点でトップ
Winzhengが実施したWDCD Run #400では、評価対象の全15モデルが多ターン対話における平均コミットメント劣化率0%を記録した。GLM-4.6が96.2点で首位に立ち、Gemini 3.
5大モデル翻訳対決：第44週品質評価、deepseek-v4-proが8.7点でトップ
今週400件の翻訳タスクを5つのモデルが担当し、抽出した3件についてマルチモデルのブラインド評価を実施。総合最優秀はdeepseek-v4-pro（平均スコア8.7/10）。
WDCD Run #390：15モデルの平均指示劣化率が-60%を記録、GPT-6 Lunaが満点でトップ
Winzhengが実施したWDCD（動的文脈劣化）ベンチマークのRun #390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劣化を測定した結果、ラウンド1からラウンド3にかけて平均-60%の