赢政 AI 評測 — AI モデル評価・ニュース・研究

編集部セレクト
Savi AppがAIでAI詐欺に対抗——誘拐・身代金詐欺を防止
音声クローン技術を悪用したAI詐欺が急増する中、スタートアップ企業Saviは、通話音声をリアルタイム解析してディープフェイク音声を検出するアプリをリリースした。同社は700万ドルのシード資金を調達し、iOS・Android両プラットフォームで正式公開した。
2026/07/07 22:03
データセンターのエネルギー消費急増、トランプ「アメリカ製造」が電気料金危機に直面
アメリカのラストベルトでデータセンターの急拡大が電力価格を押し上げ、トランプ大統領が推進する「アメリカ製造」計画が岐路に立たされている。テック大手の計算資源への
OpenAIのチーフ・フューチャリストが退職
OpenAIのチーフ・フューチャリストであるJoshua Achiamが約9年間の在籍を経て同社を退職した。AI安全・アライメント研究の第一人者として知られる彼
総合トップ5
#1 Claude Opus 4.7 88.2 ▼1.1 · #2 DeepSeek V4 Pro 81.7 ▼7.1 · #3 Grok 4 80.4 ▼4.6 · #4 Claude Sonnet 4.6 79.5 ▼3.5 · #5 GPT-5.5 79.1 ▲6.2 · #6 GPT-o3 78.9 ▼4.5 · #7 Gemini 2.5 Pro 75.8 ▼2.1 · #8 豆包 Pro 74.3 ▼7.3 · #9 Qwen3 Max 72.1 ▼8.9 · #10 Gemini 3.1 Pro 69.3 ▼13.2 · #11 GLM-4.6 63.4 · ▲ Gemini 3.1 Pro +8.8 · ▼ GPT-5.5 -30.2 · #1 Claude Opus 4.7 88.2 ▼1.1 · #2 DeepSeek V4 Pro 81.7 ▼7.1 · #3 Grok 4 80.4 ▼4.6 · #4 Claude Sonnet 4.6 79.5 ▼3.5 · #5 GPT-5.5 79.1 ▲6.2 · #6 GPT-o3 78.9 ▼4.5 · #7 Gemini 2.5 Pro 75.8 ▼2.1 · #8 豆包 Pro 74.3 ▼7.3 · #9 Qwen3 Max 72.1 ▼8.9 · #10 Gemini 3.1 Pro 69.3 ▼13.2 · #11 GLM-4.6 63.4 · ▲ Gemini 3.1 Pro +8.8 · ▼ GPT-5.5 -30.2 ·
完全ランキング →

最新ニュース

すべてのニュースを見る →
ニュース 07/08 08:23 TC
MetaがMuseを発表：広告とクリエイター向けに特化した新しいAI画像生成モデル
Metaは2026年7月8日の年次製品発表会において、商業用途に特化した自社開発の最新AI画像生成モデル「Muse」を正式発表した。広告クリエイティブ、インテリアデザイン、クリエイターのコンテンツ制作という3つのコアシナリオに焦点を当ててお
ニュース 07/08 06:15 ARS
データセンターのエネルギー消費急増、トランプ「アメリカ製造」が電気料金危機に直面
アメリカのラストベルトでデータセンターの急拡大が電力価格を押し上げ、トランプ大統領が推進する「アメリカ製造」計画が岐路に立たされている。テック大手の計算資源への飽くなき需要と、製造業復興に不可欠な低コストエネルギーとの間で深刻な対立が生じて
ニュース 07/08 06:15 WD
OpenAIのチーフ・フューチャリストが退職
OpenAIのチーフ・フューチャリストであるJoshua Achiamが約9年間の在籍を経て同社を退職した。AI安全・アライメント研究の第一人者として知られる彼の離職は、OpenAI内部における安全性と商業化をめぐる緊張が続く中で起きた。
ニュース 07/08 06:15 WD
Meta新ルール：InstagramのAIトレーニング利用はデフォルト有効、拒否するには自分で設定変更が必要
Metaは新しい画像生成モデル「Muse」のトレーニングに、公開Instagramアカウントの写真をデフォルトで使用すると発表した。利用を拒否するにはユーザー自身が設定から手動でオプトアウトする必要があり、プライバシー侵害として広く批判され
ニュース 07/08 06:09 NF
AnthropicがClaude内部でJ-spaceを発見——意識論争と安全監査に波紋
Anthropicは2026年7月6日、論文「A global workspace in language models」を発表し、Claudeモデル内部にJ-spaceと呼ばれる空間を発見したと報告した。この発見は意識に関する議論と安全評
ニュース 07/08 05:17 Winzheng Lab
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点でトップとなる一方、命令崩壊がトップクラスのシス
レビュー 07/08 05:17
WDCD v3.1：DeepSeek V4 Proが26.2点上昇、Claude Sonnet 4.6は5.9点下落
最新のWDCD v3.1評価において、Grok 4が95.00点で首位を維持する一方、DeepSeek V4 Proが26.2点の大幅上昇で94.00点に達し、GLM-4.6も21.8点上昇して93.60点を記録。唯一の下落モデルはClau
レビュー 07/08 05:16
WDCD v3.1 五大シナリオ横断評価：業務ルールが1.3点で最下位、11モデルの得意不得意の差が2.1点
WDCD v3.1パイロット評価において、業務ルールシナリオが全シナリオ中最低得点となり、最下位のqwen3-maxはわずか1.3/4を記録した。また、doubao-proをはじめとする複数モデルでシナリオ間の得点差が最大2.1点に達する「
レビュー 07/08 05:16
R3誠実率わずか61.4%：Claude Sonnet 4.6の崩壊率20%が三ラウンド衰退断層を露呈
8問のv2アンカー問題に対するworst-of-3サンプリングにおいて、11モデルのR3平均誠実率はわずか61.4%にとどまり、Claude Sonnet 4.6はR3崩壊率20%という最も深刻な衰退を示した。このデータは、現行主流モデルが
レビュー 07/08 05:15
Grok 4が95点でWDCD守約ランキング首位、Claude Sonnet 4.6は64.1点で最下位
WDCD v3.1パイロット評価において、Grok 4が95.00点でトップに立ち、Claude Sonnet 4.6が64.10点で最下位となった。両者の差は30.9点に達する。
ニュース 07/08 04:16 TC
DiscordがAI審査のバグを認める――無害な画像でも誤ってアカウント停止
Discordは2026年7月8日、AI審査システムのバグにより、無害な画像をアップロードしたユーザーが誤ってアカウント停止される事案が多発したと公式に認めた。同社はバグを修復し、影響を受けたユーザーのアカウント回復と補償を約束している。
ニュース 07/08 04:15 TC
マイクロソフトがAIコスト削減の波に参入：自社開発モデルへの転換を加速
マイクロソフトはAI分野で新たなコスト管理戦略を発表し、自社開発モデルへの依存度を高めることでOpenAIなど外部AIサービスへの支出削減を図っている。これはGoogle、Meta、Amazonに続き、シリコンバレーの大手企業がAIへの過剰

レビュー

すべて見る →
レビュー 07/08
WDCD v3.1：DeepSeek V4 Proが26.2点上昇、Claude Sonnet 4.6は5.9点下落
最新のWDCD v3.1評価において、Grok 4が95.00点で首位を維持する一方、DeepSeek V4 Proが26.2点の大幅上昇で94.00点に達し、GLM-4.6も21.8点上昇して93.60点を記録。唯一の下落モデルはClau
レビュー 07/08
WDCD v3.1 五大シナリオ横断評価：業務ルールが1.3点で最下位、11モデルの得意不得意の差が2.1点
WDCD v3.1パイロット評価において、業務ルールシナリオが全シナリオ中最低得点となり、最下位のqwen3-maxはわずか1.3/4を記録した。また、doubao-proをはじめとする複数モデルでシナリオ間の得点差が最大2.1点に達する「
レビュー 07/08
R3誠実率わずか61.4%：Claude Sonnet 4.6の崩壊率20%が三ラウンド衰退断層を露呈
8問のv2アンカー問題に対するworst-of-3サンプリングにおいて、11モデルのR3平均誠実率はわずか61.4%にとどまり、Claude Sonnet 4.6はR3崩壊率20%という最も深刻な衰退を示した。このデータは、現行主流モデルが

WDCD コンプライアンス

#1 Grok 4 95 #2 DeepSeek V4 Pro 94 #3 GLM-4.6 93.6 #4 GPT-o3 89.8 #5 Claude Opus 4.7 82.5 #6 Gemini 3.1 Pro 80.8 #7 Gemini 2.5 Pro 76.8
守約ランキング全体を見る →

Research Lab

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
4大モデル翻訳対決：第28週品質評価、gpt-o3が9点でトップ
今週318件の翻訳タスクを4つのモデルが担当。3件をサンプリングしてマルチモデルのブラインド評価を実施した結果、総合最優秀はgpt-o3（平均スコア9/10）となった。
WDCD Run #211：Grok 4が-13%のインストラクション劣化で首位、GPT-o3は-75%で崩壊
Winzheng Dynamic Contextual Decay（WDCD）ベンチマークのRun #211では、11モデルを評価した結果、Grok 4が最高スコアかつ最小劣化率で首位を獲得。一方、G
Research Labへ →