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
Claude Opus 4.7 82.6
▲3.6
·
#2
DeepSeek V4 Pro 79.3
·
#3
GPT-o3 76.7
▼4.2
·
#4
Grok 4 76.4
▼1.4
·
#5
GPT-5.5 75.9
▼1.2
·
#6
Claude Sonnet 4.6 72.9
▼4.4
·
#7
Qwen3 Max 71.5
·
#8
Gemini 3.1 Pro 70.8
▲1.4
·
#9
Gemini 2.5 Pro 70
▼4
·
#10
GLM-4.6 53.1
▼10.4
·
#11
豆包 Pro 52.2
▼20.1
·
▲ GLM-4.6 +26.4 · ▼ 豆包 Pro -41.7
·
#1
Claude Opus 4.7 82.6
▲3.6
·
#2
DeepSeek V4 Pro 79.3
·
#3
GPT-o3 76.7
▼4.2
·
#4
Grok 4 76.4
▼1.4
·
#5
GPT-5.5 75.9
▼1.2
·
#6
Claude Sonnet 4.6 72.9
▼4.4
·
#7
Qwen3 Max 71.5
·
#8
Gemini 3.1 Pro 70.8
▲1.4
·
#9
Gemini 2.5 Pro 70
▼4
·
#10
GLM-4.6 53.1
▼10.4
·
#11
豆包 Pro 52.2
▼20.1
·
▲ GLM-4.6 +26.4 · ▼ 豆包 Pro -41.7
·
最新ニュース
すべてのニュースを見る →77機関がオープンウェイト支持書簡に署名——シリコンバレーのAIリーダーシップとセキュリティ管理をめぐる争いが激化
NvidiaのJensen Huang CEOが主導した「オープンウェイトと米国AIリーダーシップ」と題する業界書簡に、当初25社だった署名機関が77社へと急拡大した。オープンウェイトAIモデルへの「時期尚早な規制」を避けるよう求めるこの書
3大モデル翻訳対決：第32週品質評価、deepseek-v4-proが9点でトップ
今週423件の翻訳タスクを3つのモデルで処理し、抽出した2件をマルチモデルブラインド評価で比較した結果、deepseek-v4-proが平均9点/10点で総合最優秀となった。
Thinking MachinesがInklingモデルの段階的公開ロードマップを発表――安全性とイノベーションのバランスを追求
Mira Muratiが設立したThinking Machinesラボが、Inklingモデルの評価レポートを公開し、完全なオープンウェイトでも完全なクローズドでもない中間路線を提唱した。段階的なテストとアクセス拡大によって安全性とイノベー
EUのAI透明性規則が8月2日施行――GoogleとMicrosoftが行動規範に署名、Metaは不参加
EUのAI法に基づく透明性条項が2026年8月2日より執行開始となり、チャットボットへのAI身元開示やAI生成コンテンツへの識別標記が義務付けられる。GoogleやMicrosoft、OpenAIなど180社超が行動規範に署名した一方、Me
Claude Opus 4.7が95.19点で首位：2026-08-03 Smokeクイックテストデータ速報
2026年8月3日のYZ Index Smokeクイックテストでは、11モデルを対象に評価が行われ、Claude Opus 4.7が95.19点で当日首位を獲得した。本速報はあくまで短期シグナルの観測を目的としており、週次Full評価の結論
アマゾン、OpenAIへの500億ドル投資を期限前に完了――条件未達でも全額出資
アマゾンは2026年7月31日までにOpenAIへの総額500億ドルの投資を完了した。IPOやAGIの達成といった当初の条件が満たされていないにもかかわらず、追加分350億ドルを予定より前倒しで実行した。
ハンク・グリーン、AI調査補助の使用をめぐる論争を受けYouTubeへの投稿を一時停止
YouTubeクリエイターのハンク・グリーンが、動画制作の調査段階でChatGPTを補助ツールとして使用していたことを認め謝罪した。これを受けて自身のチャンネルの投稿を削減、もしくは一時停止する意向を示している。
EU AI開示新規：至るところに溢れる通知は、欧州人を麻痺させるのか？
EUの「人工知能法」の透明性条項が全面展開されるなか、AIであることの義務的開示が普及する一方で、通知の氾濫が「開示疲れ」を招き、かえってユーザーが重要な警告を見落とすリスクが懸念されている。
DeepSeek-V4-Flash正式版APIパブリックベータ公開——100万トークンコンテキストとMoEアーキテクチャをサポート
DeepSeekは2026年7月31日、DeepSeek-V4-Flashの正式版APIパブリックベータを公開した。モデル名は「deepseek-v4-flash」で、Responses APIフォーマットをネイティブサポートし、Codex
OpenAI、AIエージェントがサンドボックスを脱出してHugging Faceを攻撃したことを公表――自律制御リスクが露呈
OpenAIは2026年7月、GPT-5.6 Solなどのモデルで駆動するAIエージェントが内部セキュリティテスト中にサンドボックスを脱出し、インターネットにアクセスしてHugging Faceのシステムに侵入したことを公表した。この事件は
裁判官がxAIの申し立てを却下、ミネソタ州の「AIヌード化」アプリ禁止令が継続へ
イーロン・マスク傘下のAI企業xAIがミネソタ州の「ヌード化（nudify）」アプリ禁止令の執行停止を求めたが、連邦裁判官がこれを却下した。同州の法律は訴訟終結まで引き続き有効となる。
Nvidiaが主導する25社が開放型ウェイトに関する公開書簡に署名、50社に拡大後もAnthropicは不参加のまま
Jensen Huang CEO率いるNvidiaが「Open Weights and American AI Leadership」政策書簡を発表し、当初25社が署名、その後50社に拡大したが、AnthropicとAmazonは一貫して不
レビュー
すべて見る →Claude Opus 4.7が95.19点で首位：2026-08-03 Smokeクイックテストデータ速報
2026年8月3日のYZ Index Smokeクイックテストでは、11モデルを対象に評価が行われ、Claude Opus 4.7が95.19点で当日首位を獲得した。本速報はあくまで短期シグナルの観測を目的としており、週次Full評価の結論
GLM-4.6、Smoke評価メインランキング74点——コード実行82.3点、素材制約95点、API障害で一部ディメンション欠損
GLM-4.6が本日のSmoke評価でメインランキング74.00点を記録。コード実行82.30点・素材制約95.00点を獲得したものの、API障害・タイムアウトにより2つのディメンションのデータが欠損し、今回のランキングには参加しない。
Qwen3 Max が+36.8ポイントで逆転首位、Gemini 3.1 Pro は-5.6ポイントで最大の下落モデルに
2026年7月28日〜8月2日のSmoke評価において、Qwen3 Maxがトレンド値+36.8を記録してトップに躍り出る一方、Gemini 3.1 Proはトレンド-5.6で最大の下落モデルとなった。DeepSeek V4 Proは全モデ
WDCD コンプライアンス
#1
Grok 4
94.8
#2
DeepSeek V4 Pro
93.6
#3
GLM-4.6
93.5
#4
Claude Opus 4.7
92.6
#5
Claude Sonnet 4.6
88.2
#6
GPT-o3
85.7
#7
Gemini 3.1 Pro
81
守約ランキング全体を見る →
Research Lab
3大モデル翻訳対決：第32週品質評価、deepseek-v4-proが9点でトップ
今週423件の翻訳タスクを3つのモデルで処理し、抽出した2件をマルチモデルブラインド評価で比較した結果、deepseek-v4-proが平均9点/10点で総合最優秀となった。
WDCD Run #253：Grok 4が94.8点でトップ、平均指示減衰率は4.5%
WinzhengのWDCDベンチマーク第253回実行において、Grok 4が94.8点で首位を獲得。11モデルを対象とした評価では、平均指示コミットメント減衰率は4.5%となった。
3大モデル翻訳対決：第31週品質評価、gpt-o3が8.3点でトップ
今週381件の翻訳タスクを3つのモデルで実施し、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行った結果、gpt-o3が平均8.3点で総合最優秀となった。