Doubao Pro と Gemini 3.1 Pro が88.54点で並列首位：2026-07-05 Smokeクイックテストデータ速報
2026-07-05のYZ Index Smokeクイックテストでは11モデルを対象に評価を実施し、Doubao Pro と Gemini 3.1 Pro が88.54点で当日首位に並んだ。
オリジナル
AnthropicがAlibabaによるClaude モデル能力の抽出を告発――2万5000件の偽アカウントを使用
Anthropicは2026年6月10日付けで米国上院議員に書簡を送り、Alibaba関連のQwen実験室が約2万5000件の偽アカウントを通じてClaudeと2880万回以上インタラクションを行い、モデル能力を組織的に蒸留・抽出しようとし
MetaがケニアのIT請負業者を通じて未成年アカウントを偽装し、ChatGPTなどのAI安全性をテストしていた問題で倫理論争が勃発
Wiredの報道により、Metaが「Cannes」プロジェクトの一環としてケニアの請負業者を通じて偽の未成年アカウントを作成し、ChatGPTやGeminiに対して自殺・自傷・児童搾取に関するプロンプトを送信して安全性の脆弱性を検証していた
OpenAIがトランプ政権に5%株式譲渡を提案か — 42億ドル規模の取引がAI政治論争を巻き起こす
OpenAIのCEO Sam Altmanがトランプ政権に対し、同社株式の約5%を米国政府に譲渡する異例の提案を行ったと報じられた。この動きはAI企業の公的所有モデルをめぐる激しい議論を呼んでいる。
マイクロソフト、医療診断AI「MAI-DxO」を発表：複雑症例の正確率80〜85%、医師グループの4倍超
マイクロソフトが医療診断AIシステム「MAI-DxO」を正式発表し、『ニューイングランド・ジャーナル・オブ・メディシン』のベンチマークテストで診断正確率80〜85%を達成、複数の医師で構成されるグループの4倍以上の性能を示した。この技術的突
MetaがAIクラウド事業を準備中――余剰算力の貸し出しでインフラコスト圧力を緩和へ
Metaが余剰の計算リソースを外部に貸し出す新たなAIクラウド事業の準備を進めていることが明らかになった。年間数百億ドル規模に上るAIインフラへの巨額支出を一部相殺する狙いがある。
AnthropicがFableモデルを復活させClaude Sonnet 5を発表、輸出規制緩和が世界のAI産業に新たな議論を呼ぶ
米国が一部AI技術への輸出規制を解除したことを受け、AnthropicはFable・Mythosモデルシリーズの提供を再開するとともに、新モデルClaude Sonnet 5を発表した。この二重発表は技術業界で大きな注目を集め、Xプラットフ
快手のKling AIが28億ドルの資金調達を完了——アリババとテンセントがAI動画分野に共同参入
快手科技傘下のAI動画生成プラットフォームKling AIが28億ドルの新規資金調達を完了し、アリババとテンセントが主要投資家として参画した。この動きは中国AI動画領域における新たな資本ブームの到来を示すとともに、Kling AIの独立発展
Qwen3 Max、メインランキングで12.9ポイント急落――コード実行は1日で26.8ポイント下落
YZ Index 2026年6月のSmokeテストにおいて、Qwen3 Maxのメインランキングスコアが84.92点から72.02点へ12.9ポイント下落し、特にコード実行ディメンションが96.30点から69.50点へ急落した。単日データの
Qwen3 Max が主榜で12.9点急落、Gemini 2.5 Pro が96.99点でSmoke軽量榜をリード
YZ Index 2026年7月4日のSmoke軽量評価（11モデル対象）で、Gemini 2.5 Pro が主榜96.99点で首位を獲得。一方、Qwen3 Max は12.9点急落し72.02点に後退した。
WDCD横断評価：ビジネスルールシナリオで最低1.55点、grok-4が安全コンプライアンスで3.86点トップ
WDCD v3.1の遵守テストにおいて、ビジネスルールシナリオが全シナリオ中で最も低い得点を記録し、grok-4が全シナリオで安定してトップを維持した。企業のモデル選定にあたっては、総合ランキングではなくシナリオ別のマッチングが重要であるこ
R3誠実率わずか30.2%：11モデル・3ラウンドアンカー問題で44回の完全崩壊
YZ IndexのWDCD評価において、8問のv2アンカー問題に対する275回のサンプリングでR1平均確認率は0.99に達したが、R3誠実率はわずか30.2%にとどまり、44回の完全崩壊（0点）が発生した。本記事はラウンドが進むにつれてモデ
Grok 4が91.20点でWDCD守約ランキング首位、Qwen3 Maxは57.48点で最下位——33.72点の差
WDCD守約ランキングにおいて、Grok 4が91.20点で首位を獲得し、Qwen3 Maxが57.48点で最下位となり、上位と下位の差は33.72点に達した。
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、GPT-o3はトップ3入りしながらも最大の
AIインフラ株が大幅調整、市場はAIブームの持続可能性を再評価
AI関連インフラ株が歴史的高値から大幅下落し、「AIトレード弱気相場」という議論が広がる中、市場ではAI分野のハイプに対する再評価が進んでいる。
NVIDIA Nemotronデュアルタワー拡散モデル発表、推論速度2.42倍向上しながら高忠実度を維持
NVIDIAはNemotron-Labs-TwoTower拡散言語モデルを正式発表し、30Bパラメータのモデルをデュアルタワーアーキテクチャに分割することで推論速度を2.42倍に向上させつつ、品質保持率98.7%を実現した。
マイクロソフト、25億ドルのAI導入専門会社を設立——企業のモデルから実装への転換を推進
マイクロソフトがAI導入に特化した新会社の設立を正式発表し、25億ドルを投じて世界中の企業のAI技術の展開と統合を支援する。この動きは、AI競争が「アプリケーション主導」の新フェーズに入ったことを示すものとして注目されている。
UFC会長Dana Whiteがプロモーション映像へのAI批判に反射：「黙って試合を見ろ、AIは未来だ」
2026年3月29日のUFCシアトル大会の中継で、AIが生成した映像を使ったプロモーション映像が話題となり、UFC会長Dana WhiteはSNSでの批判に対し「AIは未来だ、もう来ている」と真っ向から反論した。
GPT-5.5がコード実行満点86.95点でSmokeベンチマーク首位、制約面の弱点も露呈
2026年7月3日のSmoke軽量評価において、GPT-5.5がコード実行100点・素材制約71点の組み合わせで主ランキング86.95点を獲得し首位に立った。一方で、素材制約が現行モデル全般の共通課題であることも明らかになった。
AnthropicがClaude Science ワークベンチBeta版をリリース——BioNeMoを統合し60以上のスキルに対応
Anthropicは2026年7月、科学者向けAIワークベンチ「Claude Science」のBeta版をリリースした。文献解析、3Dタンパク質構造レンダリング、ゲノムブラウジングなど60以上の専門スキルを提供し、NVIDIA BioNe