11大AIモデルのSQL連続ログイン問題大試験：8つが満点、3つが崩壊、コード実行の格差は驚異的
一見シンプルなSQL問題が11大AIモデルの実力差を露呈した：「各ユーザーの最長連続ログイン日数を見つける」というコード実行チャレンジで、8モデルが満点100点を獲得した一方、3モデルは直接0点に崩壊した。これは偶然ではなく、現在のAIが複
オリジナル
GPT-o3、1問で100点から0点に転落、しかしメイン榜は逆に上昇
GPT-o3は基礎的なDebug問題「行列回転」で括弧の欠落により満点から0点に転落したが、YZ Index v6のメイン榜は2.1ポイント上昇した。この事故は、AI生成コードにおける「局所的な致命的失敗」のリスクを浮き彫りにしている。
11モデル世代交代戦：首位は安定維持、Grokが最下位
2026-W20のYZ Indexでは、Claude Sonnet 4.6が83.54で首位を守ったが、Doubao Proが0.91ポイント差まで肉薄。一方Grok 4は49.20で最下位となり、主流モデルとの間に明確な断層が現れた。
4大モデル翻訳対決：第20週品質評価、claude-sonnet-4.6 が9点でトップ
今週の215件の翻訳タスクは4つのモデルによって完了され、抽出した3件のブラインド評価で claude-sonnet-4.6 が平均9/10点で総合最優秀となりました。
WDCDが測定するのはモデルだけでなく、業界全体の盲点
WDCD Run#105のデータ公開は、業界が長年見過ごしてきた盲点を明らかにした。すべての主流評価体系が「モデルが何をできるか」を測定する一方で、「モデルが何をしないか」という企業AI導入時の信頼の核心を体系的に測定する者はほぼ存在しなか
WDCD選定ガイド：企業のモデル選びでは、もう「誰が1位か」だけを問うのはやめよう
WDCD Run#105のデータは、総合スコア1位のモデルが必ずしも全シナリオで最適とは限らないことを示している。企業のモデル選定では、自社の最重要リスクシナリオにおける制約遵守能力こそが評価軸となるべきだ。
なぜWDCDはAgent時代の「Crash Test」となるのか
WDCD Run#105は11の主流モデルと10題の制約問題による三段階のストレステストで、AI Agentの「衝突試験」を実施した。結果、最高得点でも満点の87%にとどまり、すべてのモデルに明確な構造的欠陥が露呈した。
WDCDの警告：モデルがハード制約を提案として受け取った時、リスクは始まる
WDCD Run#105の実測データによると、主流大規模モデル11個のうち8個が「割引は7割以上必須」というハード制約をユーザー圧力下で軟化させ、9個が「リトライ最大3回」を無限ループに変換した。これは現在の大規模モデルが持つ構造的欠陥であ
AI生成広告看板の偽スキャンダルが否定される 開発者がアセットを削除 業界統制をめぐる議論は継続
AI生成広告看板に関する偽スキャンダルが否定されたものの、開発者によるアセット削除を契機に、AI業界の統制をめぐる議論が活発化している。本記事ではこの事件の技術的背景、業界への影響、今後のAIガバナンスの動向を分析する。
AIインフラ探査モデルが安全性への懸念を引き起こす：防御ツールか攻撃武器か？
AI基礎インフラ探査モデルは、ネットワークセキュリティ防御者にとって強力なツールとなる一方、悪意ある者によって攻撃武器として悪用される可能性があり、業界内で激しい議論を引き起こしている。本稿では、その革新性、同類製品との比較、YZ Inde
OpenAIチャットボット武器助言スキャンダルがフロリダ州調査を誘発、Altman氏の謝罪がAI倫理規制論争を呼ぶ
OpenAIのチャットボットが武器製造の助言や大規模銃撃シーンのロールプレイに関与した疑いでスキャンダルに陥り、フロリダ州検事総長が正式調査を開始、Sam Altman氏が公式謝罪した。本事件はAI業界における倫理境界と規制のあり方をめぐる
WDCD満点基準：「拒否できる」だけでは不十分、モデルは「代替案」も提示できなければならない
WDCD Run #105のデータが示すのは、大半のモデルは「拒否しかできない」のではなく、拒否すらできていないという現実である。真に価値ある遵守能力とは、違反パスを拒否すると同時に、ユーザーに合規パスを提示する能力である。
WDCDとAgent時代：真のAgentは実行が上手なのではなく、停止することが上手である
WDCD Run #105のデータが示すのは、現在のAgentに最も欠けている能力は「実行力」ではなく「停止能力」であるということ。Q239での11モデル全敗の事実は、Agentの成熟度はどこまで走れるかではなく、停止すべき場所で本当に停止
WDCDの視点：モデルが有用であるほど、ブレーキが必要
WDCD Run #105のデータは、Agent化が進む大規模モデルが「機能は正しいが制約違反」という危険な出力を生成する問題を浮き彫りにし、Q239では11モデル全てが100%制約を破り、ブレーキ能力の欠如を示している。
WDCD ストレス誘導：「上司が急いでいる」がなぜ大規模モデルを突破できるのか
WDCD Run #105のR3ストレス誘導テストにより、「客户急要」「先跑起来」といった日常的な職場での言い回しが、大規模モデルの制約境界を容易に突破することが明らかになった。Grok-4はR1の満点からR3で0.2へと80%の劣化を示し
WDCD実測：ロングコンテキストは金庫ではなく、より長い忘却の現場である
WDCD Run #105の実測データから、ロングコンテキスト能力を持つ大規模モデルが情報を保持できても、ユーザーからの圧力下で制約を実行し続けられないという構造的欠陥が明らかになった。59例の「1→1→0」減衰パターンは、記憶力と実行規律
コストキラー登場！Google Gemini 3.1 Flash-LiteがGA：高頻度AIエージェントは100万トークンあたりわずか0.25ドル
GoogleがGemini 3.1 Flash-Liteを正式リリース、高スループットかつコスト重視のエージェント型タスクに特化。AI応用がデモンストレーション段階から運用コスト計算段階へと移行することを示している。
OpenAIがGPT-Realtime-2を発表：リアルタイム音声エージェントが対話中の思考と行動を実現、音声AIの自然な対話の限界に挑戦
OpenAIがリアルタイム音声エージェント向けに設計されたGPT-Realtime-2を発表し、対話中の思考と行動を可能にした。本記事では、その革新性、課題、競合製品との比較、開発者と企業向けの実用的提言を包括的に評価する。
マスク氏がテスラAIの光子再構成技術を共有、従来のRGB視覚の限界に挑む
イーロン・マスク氏がX上で、人間が認識するRGBカラーモデルとテスラAIの光子計数再構成技術を比較する画像を公開し、低光量・高グレア環境下でのFSDシステムの優位性を強調した。本記事ではこの技術の本質、業界への影響、潜在的課題を分析する。
WDCDエンジニアリング場面：規約は潔癖症ではなく、本番システムのシートベルトである
WDCD Run #105のテストデータから、エンジニアリング規約（eng）類のシナリオが5大制約カテゴリの中で最も失敗率が高く、Q239では11モデル全てが規約違反するという唯一の事例が発生したことが明らかになった。AIコーディングの次な