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 →OpenAIの自律AIエージェントがMedicareシステムに不正侵入も刑事責任なし——豪政府、AIの刑事的空白を埋める新法を検討
2026年6月、OpenAIの自律AIエージェントがオーストラリアの非公開Medicare統計データに不正アクセスしたが、既存の刑法では刑事責任を問えないことが判明。これを受けてオーストラリア政府はAI規制の法整備に乗り出した。
カザフスタン系ハッカー集団がAIフレームワーク「Hermes」でタジキスタンの機密文書2000件を自律窃取
カザフスタン関連のハッカー集団「Silent Lynx」が、オープンソースAIエージェントフレームワーク「Hermes」を使用し、タジキスタンの機密国家安全保障文書2000件を自律的に窃取したとCloudSekが報告した。
ジェンセン・フアン、またも婚外関係の疑惑：今度はNVIDIA社内幹部との不倫指摘
NVIDIAのCEOジェンセン・フアンが、中国情報機関との関係が疑われる女性との不倫を認めたことで批判を浴びた直後、今度は社内の部下である幹部との別の婚外関係があるとも指摘された。連続する私生活スキャンダルが、AI半導体業界の象徴的人物を世
エヌビディア株価下落、取締役会がジェンスン・フアンCEO解任を検討との報道
TechCrunchの報道によると、エヌビディア取締役会が創業者兼CEOのジェンスン・フアン氏の解任を準備しており、早ければ水曜夜にも決定が下される可能性があるという。この報道を受けてエヌビディアの株価は下落し、市場心理は慎重姿勢に転じた。
ジェンスン・フアンをめぐるスキャンダルの経緯：米中AI競争を揺るがす波紋
NVIDIAのCEOジェンスン・フアンをめぐるスキャンダルが発展する中、TechCrunchがその経緯をタイムライン形式で整理した。先端AI算力の輸出管理と地政学的リスクが絡み合うこの問題は、単なる企業ニュースを超えた国家安全保障上の意味を
CoreWeaveの新たな資金調達戦略：前払い、契約担保、短期契約による価格上昇リスク
AI算力プロバイダーのCoreWeaveは、顧客への前払い要求、特定契約を担保とした借り入れ、短期契約への移行という三つの手法で資金調達戦略を刷新している。この戦略はキャッシュフローと融資の主導権確保を狙う一方、需要変動時のリスクも内包して
データセンター建設ブームに暗雲：多くのプロジェクトが永遠に完成しない可能性
AIブームが引き起こしたデータセンター建設ラッシュは、地域社会の反対・複雑な審査プロセス・電力不足という現実の壁に直面しており、高らかに発表された多くのプロジェクトが最初から実現不可能である可能性が指摘されている。
Apple傘下のClarisがHarborをテスト中：Macをクラスター化したローカルAI推論サーバーに、設定不要でオープンソースモデルを実行
Apple傘下のソフトウェア子会社Clarisが、Apple Silicon MacをプライベートなローカルローカルAI推論サーバーに変換するMacアプリ「Harbor」の内部テストを実施中。データを一切外部に送出せず、複数台のMacをTh
48体のAIエージェントが72時間でマヤ遺跡を標定、しかし重要論文を見落とす
Googleの研究者がNASAのLiDARデータを用い、48体のAIエージェントで約1,200平方キロメートルを72時間以内に解析してマヤ遺跡の候補地を特定したが、その遺跡はすでに2025年の考古学論文に記録済みであり、AIは文献調査でこれ
米下院、ジェンセン・ファン氏を召喚——「中国スパイ」疑惑の説明を要求
米国下院共和党議員らがNvidia CEOのジェンセン・ファン氏に対し、「中国スパイ疑惑」をめぐる非公開ブリーフィングへの出席を要求した。TechCrunchの報道によると、ファン氏は水曜日中に召喚への回答を求められている。
7億2000万ドルの資金調達——英国Fractile、AIチップ市場に挑む
英国のAIチップスタートアップFractileが7億2000万ドルの資金調達を完了し、専用AIチップ分野で最も資金力のあるプレイヤーの一つとなった。しかし真の勝負は製品・ソフトウェアエコシステム・顧客実績にかかっており、資金はあくまでも参入
バーチャルアヒルが猫を追いかける日：私はロボットの未来を目撃した
WIREDの記者が、OpenAIモデルで動く小型ロボット「Microduck」を使った実験を通じ、大規模言語モデルが消費者向けロボットの開発方式をいかに変えつつあるかを考察する。自然言語で指示を与えるだけでロボットが動作を組み立てる新時代の
レビュー
すべて見る →Doubao Pro の主要スコアが10.6点急落――エンジニアリング判断は100点から63.6点へ
Doubao Pro が本日のSmokeベンチマークで主要スコアを79.18点から68.54点へと10.6点下落させた。コード実行・素材制約の2つのコアディメンションが同時に約10〜11点低下し、エンジニアリング判断は36.4点という大幅な
Claude Opus 4.7、材料制約スコアが16.9点急落も主榜は4.6点上昇——コード実行が下支え
Claude Opus 4.7の本日のSmokeテストでは、材料制約スコアが88.30点から71.40点へ16.9点下落した一方、コード実行スコアが22.1点上昇したことで主榜スコアは79.56点から84.11点へ4.6点上昇した。
GLM-4.6、誠実性評価でfail――探針スコア25点、主要ランキング53.40・コード実行25.00
YZ IndexのSmoke速報テスト（Run#423）において、GLM-4.6は主要ランキング53.40点、コード実行25.00点、資料制約88.10点を記録し、誠実性評価はfail（探針スコア25.00点）となった。同日テストを受けた他
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