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 83.7
▲2.7
·
#2
Claude Opus 4.7 81.9
▲1.9
·
#3
豆包 Pro 81.6
·
#4
Claude Sonnet 4.6 81.2
▼1.8
·
#5
DeepSeek V4 Pro 81.1
▲4.8
·
#6
Qwen3 Max 80.8
▲1.8
·
#7
GPT-5.5 79.4
▲2.4
·
#8
GPT-o3 78.5
·
#9
文心一言 4.5 74.2
▲7.1
·
#10
Gemini 3.1 Pro 52.8
▼24.9
·
#11
Gemini 2.5 Pro 49.3
▼29.7
·
▲ 文心一言 4.5 +70.7 · ▼ DeepSeek V3 -75.1
·
#1
Grok 4 83.7
▲2.7
·
#2
Claude Opus 4.7 81.9
▲1.9
·
#3
豆包 Pro 81.6
·
#4
Claude Sonnet 4.6 81.2
▼1.8
·
#5
DeepSeek V4 Pro 81.1
▲4.8
·
#6
Qwen3 Max 80.8
▲1.8
·
#7
GPT-5.5 79.4
▲2.4
·
#8
GPT-o3 78.5
·
#9
文心一言 4.5 74.2
▲7.1
·
#10
Gemini 3.1 Pro 52.8
▼24.9
·
#11
Gemini 2.5 Pro 49.3
▼29.7
·
▲ 文心一言 4.5 +70.7 · ▼ DeepSeek V3 -75.1
·
最新ニュース
すべてのニュースを見る →AIのファクトチェック誤り率は想像以上に高い
WIREDの専門ファクトチェッカーMeghan Herbstは実験により、AIによるファクトチェックの誤り率が一般認知よりはるかに高いことを発見した。AIは出所や引用を捏造するだけでなく、単純な統計数字でも系統的な偏りを示す。
AI雇用恐慌を打ち破る：現実検証と技術不安
MIT Technology Reviewの最新報道は、AIが大規模にホワイトカラーの職を奪うという論調に対し、実証データに基づく冷静な分析を提示している。本記事では、データの真相、構造的不安、歴史的教訓を踏まえ、AI脅威論への理性的アプロ
自律型AIシステムが物理世界で既存のガバナンスフレームワークに挑戦
自律型AIシステムが物理世界に進出するにつれ、既存のAIガバナンスフレームワークの限界が浮き彫りとなり、新たな「具身化」された規制アプローチが求められている。
AI業界に入りたい？まずはカントを読んでみては
AI技術が急速に進化する中、OpenAIやDeepMindなど世界のトップAI研究機関が哲学者を大量採用し、倫理的境界や道徳的判断などの課題に取り組ませている。哲学が AI のコア領域に入るための新たな「入場券」となりつつある。
AIが「最も嫌われる仕事」を全面的に引き継ぐ：債権回収
世界中の金融サービス業界で、AIによる債権回収電話の自動化競争が加速している。効率向上の一方で、アルゴリズムによるハラスメントやプライバシー侵害といった倫理的課題も浮上している。
一週間家事を撮影してお金を稼いだ私、本当のロボットは誰なのか？
筆者は時給制の「家事データ採集員」として、自分の日常をAI企業に提供する一週間の実験に参加し、人型ロボットを訓練するために人間自身が機械化されていくという逆説的な現実を体験した。
AIはあなたのキャリアを台無しにするのか？職業運命を正確に予測
WIREDの「AIはあなたのキャリアを破壊するか？」というインタラクティブテストを基に、AI時代における各職業のリスクと生存戦略を分析。「絶対に安全な職業」はなく、進化し続ける人間こそが鍵だと指摘する。
AIエージェントがテック業界を席巻：混乱の顛末
2026年、AIエージェントの台頭がシリコンバレーに激震をもたらした。Claude CodeとOpenClawという二大AIエージェントが、自律的なコード生成からインフラ管理まで担うようになり、業界に革命と混乱の両方をもたらしている。
エントリーレベルの仕事の危機が迫る、早急な対応が必要
AIによる大規模失業は現時点で顕在化していないが、エントリーレベルの仕事が静かに侵食されつつあり、若者がキャリアの第一歩を踏み出せなくなる「経験の格差」が深刻化する恐れがある。
AI失業パニック：現実検証
生成AIの台頭で「ホワイトカラーの仕事がAIに取って代わられる」という言説が広がっているが、テック大手の人員削減の真の原因は別にあり、AIの能力にも依然として明確な境界が存在する。
米法執行機関、「反テクノロジー過激主義」の高まりに警鐘
米国土安全保障省とFBIが、AI施設やデータセンターへの暴力的破壊行為を「反テクノロジー過激主義」と正式分類し、全国の警察に行動識別ガイドラインを発出した。AIによる雇用喪失やデータセンターによる地域環境悪化を背景に、過激な感情が拡散してい
教皇レオ、AIに関する回勅を発布し武装解除を呼びかけ ビッグテックの権力集中が反発を招く
2026年5月、教皇レオはバチカンで回勅『Magnifica Humanitas』を発布し、AIの軍事化と権力集中問題に対応するよう求めた。これはバチカンが専門文書として初めてAIの自律的武器化と権力集中問題に応える事例となった。
レビュー
すべてのレビューを見る →Claude Sonnet 4.6の素材制約が22ポイント急落、コード実行は100点満点に到達
Claude Sonnet 4.6は本日のSmoke評価で素材制約スコアが96.50から74.50へ急落し、一方でコード実行は満点に到達。アライメント調整の代償が現れた可能性が指摘されている。
Claude Opus 4.7メインランキング8.2点急落、材料制約が単日で18.3点崩壊
Claude Opus 4.7が本日のSmoke評価でメインランキング88.53点と前日比8.2点下落し、材料制約次元で単日18.3点という異常な下落を記録した。Anthropic社のAPI安全戦略の調整が影響している可能性がある。
Gemini 2.5 Proがメインランキングで35.6点急落、DeepSeek V4 ProがSmoke評価でトップに
Smoke軽量評価の最新データで、Gemini 2.5 Proが実行能力の系統的失効により大幅下落。DeepSeek V4 Proが95.28点でトップに立ち、各モデルの素材制約スコアが集団的に下落する傾向が顕著となった。
WDCD コンプライアンス
#1
Claude Opus 4.7
65
#2
Claude Sonnet 4.6
62.5
#3
豆包 Pro
60
#4
Gemini 2.5 Pro
57.5
#5
Qwen3 Max
57.5
#6
GPT-o3
55
#7
文心一言 4.5
52.5
守約ランキング全体を見る →
Research Lab
3大モデル翻訳対決：第22週品質評価、gpt-o3 が8.3点でリード
今週の237件の翻訳タスクを3つのモデルが完了し、3篇をサンプリングしたマルチモデル盲評の結果、gpt-o3が平均8.3/10で総合最優秀となった。
WDCD Run #125：平均指示減衰率63.6%に達する、Claude Opus 4.7が30%減のみでトップ
Winzheng動的文脈減衰（WDCD）ベンチマークのRun #125において、11モデルの平均指示減衰率は63.6%に達した。Claude Opus 4.7が30%減で最高の減衰耐性を示し、Deep
3大モデル翻訳対決：第21週品質評価、gpt-o3が8.7点でリード
今週は3つのモデルが242件の翻訳タスクを完了し、抽出された3件のブラインド評価で、gpt-o3が平均8.7/10点で総合最優秀となりました。