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 →エージェントオーケストレーション：企業AIデプロイの大問題、大多数はチャットボットの包装に過ぎない
VentureBeatが101社の企業を対象に実施した調査により、「エージェント」と称される企業AIの大多数が実際にはチャットボットの包装に過ぎず、真のエージェントに必要なオーケストレーションアーキテクチャが構築されていないという現実が明ら
SpaceX株価がIPO発行価格135ドルに下落、スターシップ打ち上げが迫る
SpaceX株価が2024年のIPO発行価格である1株135ドルまで下落し、上場初日の高値から40%以上の上昇分を全て吐き出した。注目のStarship軌道試験飛行を目前に控える中、市場はイーロン・マスクCEOの成長シナリオに懐疑的な見方を
AIは赤ちゃんより賢くない？乳児の脳がAIの新たなブレークスルーをもたらす
現在のAIシステムは詩を書き、絵を描き、コードを書けるにもかかわらず、世界の基本的な法則を理解する能力においては乳児にも及ばない。この鮮明な対比が、乳児の認知からAI突破口を探る研究者たちの注目を集めている。
アップルとの法廷闘争の最中、OpenAIが230ドルのプログラミング用キーボードを発表
OpenAIとアップルがハードウェア技術窃取をめぐる訴訟で激しく争う中、OpenAIはコーディングエージェントアプリ「Codex」専用のLED搭載キーボードを229.99ドルで発売すると発表した。この動きはOpenAIのハードウェア市場への
Grok 4が94.15点で首位：2026-07-16 YZ Index Smoke速報データブリーフィング
2026-07-16のYZ Index Smoke速報（9モデル対象）では、Grok 4が94.15点で当日首位を獲得。Smokeは毎日10問の速報テストであり、短期シグナルの観察に適しているが、Fullウィークリーランキングの結論とは同等
マイクロソフト、1か月で570件のセキュリティ脆弱性を修正——AIが重要な推進力に
マイクロソフトは7月16日の「パッチチューズデー」において、過去最多となる570件のセキュリティ脆弱性を一度に修正した。同社はAI技術の活用が大量の脆弱性発見に貢献したと明言している。
WhatnotがShapedを買収、ライブショッピングのリアルタイムレコメンド機能を強化
ライブショッピングプラットフォームのWhatnotが、リアルタイムレコメンドと検索技術に特化したAIスタートアップのShapedを買収した。この買収により、Whatnotのパーソナライズドレコメンドと商品発見機能が大幅に強化される見込みだ。
ハッカー侵入によりAI音楽生成サービスSunoがYouTubeデータを窃取していた事実が露呈
ハッカーがAI音楽生成サービスSunoの内部システムへの侵入に成功し、入手したソースコードの分析からSunoがYouTubeの音声データを大規模に無断収集してモデルを訓練していたことが判明した。この事実はSunoが公式に主張していた「パブリ
OpenAI、AIスーパーハッカー「GPT-Red」を構築——攻撃によって防御を促進しモデルの安全性を向上
OpenAIは自社の他のAIモデルを攻撃するための専用LLM「GPT-Red」を開発し、自動化されたレッドチームテストによってモデルの堅牢性を高める新たなアプローチを実現した。この手法の最新成果として、同社史上最も安全なモデルと称されるGP
Thinking Machines、Inklingモデルを携えて汎用AIに挑戦
元GoogleおよびDeepMindの研究者が設立したスタートアップ「Thinking Machines」が、初のオープンソースモデル「Inkling」を正式リリースした。70億パラメータの軽量・モジュール型設計で、汎用大規模モデル一辺倒の
Thinking Machines Lab、9750億パラメータのオープンソースモデル「Inkling」を初公開
元DeepMindおよびGoogle Brain研究者らが設立したThinking Machines Labが、9750億パラメータのオープンソースマルチモーダルモデル「Inkling」を正式発表した。動画・音声理解能力を備えた同モデルは、
SpaceXの株価がIPO発行価格135ドルを割り込む、スターシップ打ち上げも間近
SpaceXの株価がIPO発行価格である135ドルを下回り、上場初日の高値から下落が続いている。市場ではCEOイーロン・マスクが描いた壮大なビジョンへの見直しが進むなか、スターシップの最新試験打ち上げが迫っている。
レビュー
すべて見る →Grok 4が94.15点で首位：2026-07-16 YZ Index Smoke速報データブリーフィング
2026-07-16のYZ Index Smoke速報（9モデル対象）では、Grok 4が94.15点で当日首位を獲得。Smokeは毎日10問の速報テストであり、短期シグナルの観察に適しているが、Fullウィークリーランキングの結論とは同等
Claude Opus 4.7・Gemini 2.5 Pro・GPT-5.5が同率100点：2026-07-15 YZ Index Smoke速報データブリーフ
2026年7月15日のYZ Index Smokeクイックテストでは、Claude Opus 4.7、Gemini 2.5 Pro、GPT-5.5の3モデルが100点満点で並び当日首位となった。本テストはコード実行と資料制約の2次元のみをカ
DeepSeek V4 Proが91.46点で首位：2026年07月14日 YZ Index Smoke速報データブリーフ
2026年7月14日のYZ Index Smoke速測では11モデルを対象に評価が行われ、DeepSeek V4 Proが91.46点で当日首位を獲得した。Smokeは毎日10問の速測であり、短期シグナルの観察に適しているが、Full週間ラ
WDCD コンプライアンス
#1
GPT-o3
94
#2
Grok 4
87.9
#3
Claude Opus 4.7
87.6
#4
Gemini 3.1 Pro
87.3
#5
DeepSeek V4 Pro
84.3
#6
Claude Sonnet 4.6
79.1
#7
GLM-4.6
78.3
守約ランキング全体を見る →
Research Lab
WDCD Run #233：GPT-o3がゼロ崩壊でトップ、Gemini 3.1 Proは完全崩壊
Winzheng Dynamic Contextual Decay（WDCD）ベンチマークのRun #233において、GPT-o3が94点・崩壊率0%で首位を獲得。一方、Gemini 3.1 Proは
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