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
Gemini 2.5 Pro 79
▲29.7
·
#2
Claude Opus 4.7 78.8
▼3.1
·
#3
豆包 Pro 78.8
▼2.8
·
#4
Grok 4 78.4
▼5.3
·
#5
GPT-5.5 78.2
▼1.2
·
#6
Claude Sonnet 4.6 78
▼3.2
·
#7
Qwen3 Max 77.7
▼3.1
·
#8
Gemini 3.1 Pro 77.1
▲24.3
·
#9
DeepSeek V4 Pro 76.9
▼4.2
·
#10
GPT-o3 75.9
▼2.6
·
#11
文心一言 4.5 61.7
▼12.5
·
▲ Qwen3 Max +66.5 · ▼ DeepSeek V3 -75.1
·
#1
Gemini 2.5 Pro 79
▲29.7
·
#2
Claude Opus 4.7 78.8
▼3.1
·
#3
豆包 Pro 78.8
▼2.8
·
#4
Grok 4 78.4
▼5.3
·
#5
GPT-5.5 78.2
▼1.2
·
#6
Claude Sonnet 4.6 78
▼3.2
·
#7
Qwen3 Max 77.7
▼3.1
·
#8
Gemini 3.1 Pro 77.1
▲24.3
·
#9
DeepSeek V4 Pro 76.9
▼4.2
·
#10
GPT-o3 75.9
▼2.6
·
#11
文心一言 4.5 61.7
▼12.5
·
▲ Qwen3 Max +66.5 · ▼ DeepSeek V3 -75.1
·
最新ニュース
すべてのニュースを見る →ロシア式プロパガンダへの抵抗：エストニアが選ぶ「洗脳耐性」最強の大規模言語モデル
エストニア政府は、大規模言語モデル（LLM）がロシアの「戦略的ナラティブ」に対してどの程度抵抗できるかを評価する独自のベンチマークテストを発表した。テスト結果は、商業モデルと一部のオープンソースモデルとの間で顕著な性能差を浮き彫りにし、AI
国防テクノロジー、AIと資金調達：StrictlyVCロサンゼルスサミット6月18日開催
TechCrunch主催のStrictlyVCロサンゼルスサミットが6月18日にThe Aerospace Corporation Campusで開催され、国防テクノロジー、AI、先端製造業の投資動向に焦点を当てる。ベンチャーキャピタル、国
AI IPOブーム、DOGE内部告発者がマスク氏を提訴、Instagramがハッキング被害
今週のテックニュースは、AI企業のIPO熱狂、マスク氏率いるDOGEに対する内部告発訴訟、Instagramのハッキング被害という3つの大きな出来事で占められた。これらの事件は、現在のテック業界における資本追求、権力闘争、セキュリティ懸念と
AppleがPokeをMessages for Business初のAIエージェントとして承認
2026年6月5日、スタートアップ企業のPokeがAppleのMessages for Businessプラットフォームへの参入を許可された初のAIエージェントとなった。これにより、企業はApple公式の商業メッセージチャネルを通じて、ユー
Meta、テスラに倣いテント内にデータセンターを構築
データセンターのコストが高騰し続ける中、Metaがテスラの戦術手帳から一手を盗み、屋外テント内にサーバーを設置することで巨額のデータセンター費用を削減しようとしていると報じられた。
マスク氏が再びFTC監査からの逃避を画策、Xのデータプライバシーに懸念
イーロン・マスク氏が米連邦取引委員会（FTC）に対し、X（旧Twitter）のデータ処理行為に対する独立監査の終了を再度求めたが、プライバシー擁護団体や消費者権益団体からは強い反対の声が上がっている。
WWDC 2026プレビュー：Siriの革命的再構築とApple Intelligenceのアップグレード
2026年6月8日に開幕予定のApple WWDCでは、Siriの全面的な再構築とApple Intelligenceの大幅アップグレードが主役となる見込みだ。本記事ではTechCrunchの最新報道をもとに、Siriの大規模言語モデル化、
MetaがAIアシスタントを発表、Facebookクリエイターがデータを即座に理解
MetaはFacebook上で新しいAIクリエイターアシスタントを発表し、自然言語でデータ分析と運用に関する提案を即座に取得できるようにした。これにより、コンテンツクリエイターのデータ活用の敷居が大幅に下がる。
AppleのApp Store取引額が1.4兆ドル突破、9割は手数料無料
Appleが発表した最新報告によると、2025年のApp Storeプラットフォームが促進した総取引額は1.4兆ドルに達し、前年比約7.7%増となった。そのうち90%の取引はAppleに手数料を支払う必要のないものだが、デジタル商品の手数料
データセンターはいかにして水使用問題を解決するか
AIブームとクラウドコンピューティング需要の高まりにより、世界中のデータセンターが急速に拡大する中、その膨大な水資源消費が深刻な環境問題として浮上している。大手運営事業者は循環冷却や空冷技術などで対応を進めるが、規制と商業の駆け引きも続いて
シリコンバレーはロボットの家庭進出に準備ができているのか？Hello Robotが新モデルを発表
カリフォルニア州のスタートアップHello Robotが第4世代の家庭用補助ロボット「Stretch」を発表した。同社は人型ロボットを追求する競合とは一線を画し、高齢者や障害者の自立を支援する信頼性の高い実用的なツールの開発に注力している。
AI生成訴訟の洪水とデータセンター・バーチャルパワープラント
AIによって生成された訴状が米国の裁判所に殺到し、司法システムに前例のない負担をもたらしている。一方、電力業界では、データセンターの増大するエネルギー需要に対応するため、バーチャルパワープラント（VPP）が新たな解決策として注目を集めている
レビュー
すべて見る →Smokeクイックテスト：文心一言4.5とGrok 4が99.24で同率首位、GPT-5.5の実行スコアはわずか50
Smokeの本日のクイックテスト結果では、コード実行次元がほぼ飽和状態に達し、11モデル中10モデルが満点を獲得した。文心一言4.5とGrok 4が99.24点で同率首位となった一方、GPT-5.5は実行スコア50点と異常な低さを示した。
Grok 4が10.8点急騰で圧倒、Qwen3 Maxは10.8点暴落 WDCDサイクルで大規模洗い直し
最新のWDCD評価サイクルでGrok 4が10.8点上昇する一方、Qwen3 Maxは10.8点下落し、各モデルの規則遵守能力に顕著な分化が見られた。prompt感度がコア変数になりつつあり、今後さらなる激しい順位変動が予想される。
WDCD横断比較で判明：リソース制限が11モデル最大の弱点、平均わずか1.7点
WDCD遵守テストにおいて、リソース制限のシナリオが全モデルを苦戦させ、11モデルの平均得点はわずか1.7点と、他4シナリオを大きく下回った。本記事では各モデルの偏向特性と企業選定への具体的提言を分析する。
WDCD コンプライアンス
#1
Claude Opus 4.7
70
#2
GPT-5.5
70
#3
GPT-o3
70
#4
Claude Sonnet 4.6
67.5
#5
Gemini 2.5 Pro
67.5
#6
豆包 Pro
62.5
#7
Gemini 3.1 Pro
62.5
守約ランキング全体を見る →
Research Lab
WDCD Run #146:11モデル平均命令減衰率24.7%に到達、Claude Opus 4.7とGPT-5.5が首位タイ
WinzhengのWDCDベンチマーク Run #146では、11のAIモデルを評価し、平均命令減衰率24.7%を記録。Claude Opus 4.7、GPT-5.5、GPT-o3が70点で首位タイと
3大モデル翻訳対決：第23週品質評価、gpt-o3が9点でトップ
今週の270件の翻訳タスクは3つのモデルによって完了されました。2件をサンプリングし複数モデルのブラインド比較評価を実施した結果、総合最優秀はgpt-o3（平均9/10）でした。
WDCD Run #140: Qwen3 Max が指示減衰17%でトップ、平均は36.5%に到達
Winzheng動的文脈減衰（WDCD）ベンチマークのRun #140では、Qwen3 Maxが70.8点・減衰-17%で首位を獲得し、11モデル平均の指示減衰率は36.5%に達した。マルチターン対話