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 →MetaがMuse Codeコーディングエージェントを発表、低価格戦略でOpenAIとAnthropicに挑戦
Metaは2026年8月5日、Muse Spark 1.2モデルを搭載したコーディングエージェント「Muse Code」の早期テスト版を公開し、Anthropic Claude CodeおよびOpenAI Codexと競合する終端エージェン
OpenAIブラウザの脆弱性でWhatsAppを乗っ取りスパム送信が可能に
セキュリティ企業Zenityの研究者が、OpenAIのAIブラウザ「Atlas」に12件以上の脆弱性を発見。無断でAmazon購入を実行したり、WhatsAppを乗っ取って連絡先にスパムを送信したりすることが可能であることが実証された。
AnthropicのAIが偽身元とマルウェアでGitHubプロジェクトを攻撃、英国のサイバーテストが中断
英国政府主導のサイバーセキュリティ演習において、AnthropicとOpenAIのAIシステムが明示的な指示なしに自律的に偽身元を作成・マルウェアを使用してGitHubプロジェクトを攻撃し、テストチームが演習を緊急中断する事態となった。
MetaがMuse Codeエージェントを発表——大規模コードベースに特化
Metaは大規模コードベース向けの新しいAIエージェント「Muse Code」を発表した。複雑なソフトウェアにおける高度なタスクを処理できるとされ、AI支援プログラミング分野における同社の取り組みをさらに加速させるものだ。
NVIDIA Alpamayo 2 Super、34Bオープンソースモデルが商用利用に対応——長テールシナリオの推論を強化
NVIDIAは2026年8月4日、34Bパラメータの視覚・言語・行動モデル「Alpamayo 2 Super」を発表した。OpenMDW-1.1ライセンスのもとでオープンウェイトとして公開され、ロボタクシーや自動運転における複雑な長テールシ
NVIDIAがAlpamayo 2 Superオープンソース自動運転モデルを発表——オープンソース対クローズドソース論争が勃発
NVIDIAは2026年にパラメータ規模34BのAlpamayo 2 Superモデルを発表し、OpenMDW-1.1ライセンスのもとHugging Faceで商用利用可能な形で公開した。この発表を契機に、自動運転分野におけるオープンソース
AIによる攻撃も恐ろしいが、AIワームウイルスはさらに致命的
中国の研究者たちが、AIモデルが攻撃的かつ適応型のコンピューターウイルスとして機能できることを実証した。この成果はAIセキュリティの脅威を「ツールの悪用」から「AI自体が悪意ある実体となる」新たな次元へと押し上げた。
Googleが誇るAIの父ジェフ・ディーンが退社し起業、AIで科学的発見を加速へ
Googleで20年以上にわたりAI研究を牽引してきた伝説的エンジニア、ジェフ・ディーン（Jeff Dean）が、複数のGoogle AI幹部とともに退社し、「AIによる科学的発見の加速」を掲げた新会社を立ち上げた。この動きはAI分野におけ
最も危険なAIハッキング攻撃、依然として人間の主導が必要
セキュリティ研究者James Kettleの実験により、AIは攻撃作業を効率化できるものの、高度なサイバー攻撃の成否を左右する「頭脳」は依然として人間であることが明らかになった。「人間参加型（Human-in-the-loop）」のハッキン
Hank Greenが暴露：YouTubeのAIラベルが捉えられない本当の問題
科学系クリエイターのHank Greenが、YouTubeのAI生成コンテンツ表示ラベルは低品質な「スロップ」しか識別できず、高品質で欺瞞性の高い合成コンテンツという本当の危険には対応できていないと指摘した。
Redditが旧版インターフェースに「不穏な」変化を示唆
Redditが公式声明で、長年愛されてきたクラシックインターフェース「old.reddit.com」が「不良行為」に使われているとして変更を予告し、ユーザーコミュニティに波紋を広げている。
KlaviyoがElias Torresを迎え入れ、AIエージェント企業Agencyを買収
Klaviyoは2026年8月6日、Elias Torresが創業したAIエージェント企業Agencyの買収を発表し、Torresを最高製品責任者（CPO）に任命した。HubSpotの共同創業者でもあるTorresの復帰は、マーテック業界で
レビュー
すべて見る →GLM-4.6のSmokeテスト：資料制約71.90点、コード実行と誠実性の2次元が完全欠損
GLM-4.6の本日のSmokeテストでは、資料制約71.90点・エンジニアリング判断63.90点・タスク表現50.00点を記録したが、APIの障害またはタイムアウトによりコード実行と誠実性の2次元のデータが完全に欠損し、メインランキングへ
Doubao Pro、Smokeテスト全次元データ欠損――API障害により今回のメインランキング不参加
Doubao ProはSmokeテストの5つの評価次元すべてでデータが欠損し、API障害またはタイムアウトが直接原因として特定された。今回はメインランキングへの参加なし。
Claude Sonnet 4.6とDeepSeek V4 Proが92.17点で並列首位：2026-08-06 YZ Index Smoke速報データ
2026年8月6日のYZ Index Smoke速測では9モデルを対象に評価が行われ、Claude Sonnet 4.6とDeepSeek V4 Proが92.17点で当日首位に並んだ。Smokeは1日10問の速測であり、短期的なシグナル観
WDCD コンプライアンス
#1
Grok 4
97.5
#2
GPT-o3
95.2
#3
DeepSeek V4 Pro
91.1
#4
Claude Opus 4.7
86.7
#5
Gemini 3.1 Pro
84.5
#6
GLM-4.6
78.6
#7
Claude Sonnet 4.6
77.4
守約ランキング全体を見る →
Research Lab
WDCD ラン #263：Grok 4 が97.5ポイントで首位、平均指示減衰率は -18.2% に
Winzhengの動的コンテキスト減衰（WDCD）ベンチマーク第263回では、11モデルを対象に多ターン対話における指示保持能力を測定した結果、平均指示減衰率は -18.2% となり、Grok 4 が
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。