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 83
▼5.2
·
#2
Grok 4 82.2
▲1.8
·
#3
DeepSeek V4 Pro 80.6
▼1.1
·
#4
GPT-5.5 78.8
·
#5
豆包 Pro 78.2
▲3.9
·
#6
GPT-o3 77.1
▼1.8
·
#7
Claude Sonnet 4.6 74.5
▼5
·
#8
Gemini 3.1 Pro 74.1
▲4.8
·
#9
Gemini 2.5 Pro 72.8
▼3
·
#10
Qwen3 Max 69
▼3.1
·
#11
GLM-4.6 59.8
▼3.6
·
▲ 豆包 Pro +12.4 · ▼ GLM-4.6 -23.8
·
#1
Claude Opus 4.7 83
▼5.2
·
#2
Grok 4 82.2
▲1.8
·
#3
DeepSeek V4 Pro 80.6
▼1.1
·
#4
GPT-5.5 78.8
·
#5
豆包 Pro 78.2
▲3.9
·
#6
GPT-o3 77.1
▼1.8
·
#7
Claude Sonnet 4.6 74.5
▼5
·
#8
Gemini 3.1 Pro 74.1
▲4.8
·
#9
Gemini 2.5 Pro 72.8
▼3
·
#10
Qwen3 Max 69
▼3.1
·
#11
GLM-4.6 59.8
▼3.6
·
▲ 豆包 Pro +12.4 · ▼ GLM-4.6 -23.8
·
最新ニュース
すべてのニュースを見る →アップル、OpenAIを営業秘密窃取で提訴――かつてのパートナーがハードウェア競争へ
アップルは米国カリフォルニア北部地区連邦裁判所にOpenAIを提訴し、元従業員を通じて未発表技術の営業秘密を組織的に取得し、コンシューマー向けハードウェア製品の開発に利用したと主張している。両社はかつてChatGPTをiOSに統合するパート
MetaのMuse Image AI機能、3日で撤回――デフォルトのプライバシー設定が世界的論争を引き起こす
Metaが2026年7月7日に公開したInstagram写真を利用するAI画像生成機能「Muse Image」が、デフォルトのオプトイン設定と同意プロセスの欠如をめぐり各方面から批判を受け、わずか3日後に撤回された。
SKハイニックス、ナスダック上場で265億ドル調達――AIメモリ増産に集中投資
SKハイニックスがナスダック上場を通じて265億ドルを調達し、米国資本市場における外国企業最大規模のIPOを達成した。調達資金はAIサーバー向け高帯域幅メモリ（HBM）の生産ライン拡張に充てられる。
Meta AIの画像生成ツール「Muse」、プライバシーのデフォルト設定をめぐり論争
MetaがAI画像生成ツール「Muse」を発表したが、ユーザーの公開Instagramの写真をデフォルトでAI学習に使用する仕組みが物議を醸している。オプトアウト方式のデータ収集設計がGDPRの同意原則に抵触する可能性があるとして、規制当局
DeepSeek V4 Pro、Smoke評価のメインランキングで16.9点急落――コード実行が1日で28点下落
DeepSeek V4 ProがSmoke評価のメインランキングで96.99点から80.10点へと16.9点下落した。主な要因はコード実行次元の28点急落であり、サンプル数が少ないことによる問題抽選の変動が主因とみられる。
Claude Opus 4.7、主要ランキングで14点下落――コード実行スコアが100から69へ
Claude Opus 4.7はSmoke評価の主要ランキングにおいて96.99点から82.95点へと下落し、コード実行ディメンションが100.00点から69.00点へ31点落ち込んだ。ただし、モデル全体の能力低下ではなく、当日の出題サンプ
Gemini 2.5 Proが100点で首位：2026-07-13 YZ Index Smoke快速テスト データ速報
2026年7月13日のYZ Index Smoke快速テストでは10モデルを対象に評価が行われ、Gemini 2.5 Proがコード実行・資料制約ともに満点の100点を獲得し当日首位となった。一方、Qwen3 MaxやClaude Sonn
MetaがMuse Spark 1.1をリリース、API価格は100万トークンあたり1.25ドル、開発者に20ドルのクレジットを提供
Meta Platformsは2026年7月9日にMuse Spark 1.1モデルを正式リリースし、米国の開発者向けにパブリックプレビューを開放した。登録ユーザーには20ドルの無料クレジットが付与され、以降は従量課金制で入力100万トーク
MetaがMuse Image機能を撤回——プライバシー論争がAIツールをオフラインへ
MetaがInstagramで公開アカウントのコンテンツを引用して画像を生成できる「Muse Image」機能を2026年7月上旬に公開したところ、大規模な反発を受け数日以内に撤回した。デフォルトのオプトイン方式が俳優組合SAG-AFTRA
科学者の副業：AIと量子コンピューティングで新規ペプチドを生成
科学者たちが業余時間と自己資金を活用し、AIと量子コンピューティングを組み合わせて新規ペプチド分子を低コストで設計する研究が注目を集めている。希少疾患など「市場の空白」領域への治療法開発に新たな光をもたらす可能性として、WIREDが取り上げ
OpenAIとGoogleが米国防総省のブラックリスト掲載中国企業にAIモデルを提供
OpenAIとGoogleが、米国防総省のSection 1260Hブラックリストに掲載された中国企業の子会社にAIモデルへのアクセスを提供していたことが判明した。この事態は、商業的拡大と国家安全保障上の立場との間の緊張を浮き彫りにしている
アップルがOpenAIを提訴——ハードウェア営業秘密の窃取を主張、2024年の協力関係が破綻
アップルは2026年7月10日、元アップル従業員の採用を通じてハードウェア開発に関する営業秘密を不正取得したとしてOpenAIを提訴した。両社は2024年に協力関係を築いたが、OpenAIのハードウェア事業への野心が対立の引き金となった。
レビュー
すべて見る →DeepSeek V4 Pro、Smoke評価のメインランキングで16.9点急落――コード実行が1日で28点下落
DeepSeek V4 ProがSmoke評価のメインランキングで96.99点から80.10点へと16.9点下落した。主な要因はコード実行次元の28点急落であり、サンプル数が少ないことによる問題抽選の変動が主因とみられる。
Claude Opus 4.7、主要ランキングで14点下落――コード実行スコアが100から69へ
Claude Opus 4.7はSmoke評価の主要ランキングにおいて96.99点から82.95点へと下落し、コード実行ディメンションが100.00点から69.00点へ31点落ち込んだ。ただし、モデル全体の能力低下ではなく、当日の出題サンプ
Gemini 2.5 Proが100点で首位：2026-07-13 YZ Index Smoke快速テスト データ速報
2026年7月13日のYZ Index Smoke快速テストでは10モデルを対象に評価が行われ、Gemini 2.5 Proがコード実行・資料制約ともに満点の100点を獲得し当日首位となった。一方、Qwen3 MaxやClaude Sonn
WDCD コンプライアンス
#1
Grok 4
91.4
#2
DeepSeek V4 Pro
91.4
#3
Claude Opus 4.7
89.4
#4
Gemini 3.1 Pro
88.9
#5
GLM-4.6
81.9
#6
GPT-o3
81.5
#7
Claude Sonnet 4.6
78.8
守約ランキング全体を見る →
Research Lab
3大モデル翻訳対決：第29週品質評価、gpt-o3が9点でトップ
今週361件の翻訳タスクを3モデルが担当。3件をサンプリングしてマルチモデルブラインド評価を実施した結果、総合最優秀はgpt-o3（平均9/10点）。
WDCD Run #227：Grok 4とDeepSeek V4 Proが91.4点で同率首位、11モデル平均の指示遵守減衰率は-2.8%
WinzhengのWDCDベンチマークRun #227において、11の最先端モデルを対象に測定した結果、Grok 4とDeepSeek V4 Proが91.4点で同率首位を獲得した。全モデルの平均指示
WDCD Run #221：平均命令遵守崩壊率が-36.4%に達し、Grok 4が11モデル中首位に
Winzheng Dynamic Contextual Decay（WDCD）ベンチマークのRun #221において、11モデルの平均命令遵守崩壊率が-36.4%に達した。Grok 4が95点でトップ