豆包Pro安定性が19.8ポイント急落、同じ質問に異なる回答が最大の弱点に
豆包Proの最新YZ Index評価で安定性スコアが54.5から34.7へと19.8ポイント急落。同じ質問に対する回答の一貫性欠如が深刻な問題として浮上。
オリジナル
米国政府AI調達新規がシリコンバレーに激震：大手は歓迎、スタートアップの95%は締め出しの恐れ
米国ホワイトハウスが発表したAI調達に関する新たな大統領令は、連邦機関にNISTフレームワークの遵守を義務付け、業界に大きな変革をもたらす可能性がある。この規制は大手企業には有利に働く一方、コンプライアンスコストの高さから多くのスタートアッ
AlphaFold 3が登場：AIがタンパク質の動的相互作用を90%の精度で予測、製薬大手の株価が15%急騰
Google DeepMindが開発したAlphaFold 3が、タンパク質と薬物分子の動的相互作用を91.2%の精度で予測することに成功し、世界の製薬業界に革命的なインパクトをもたらした。
Grok 3の安定性が22.5点暴落：AIが実際のエンジニアリング場面に遭遇すると化けの皮が剥がれる
Grok 3の安定性スコアが54.2点から31.7点へと41.5%も暴落し、プログラミング能力が向上する一方で、実務判断力の欠如というAIモデルの致命的な弱点が露呈した。
GPT-o3が崩壊：31分の暴落が露呈した致命的な欠陥
「最強」を謳うAIモデルGPT-o3が1週間で可用性を100点から69点に急落させ、長文コンテキスト能力や安定性でも大幅な性能低下を示した。この崩壊は単一指標の過度な最適化がもたらしたシステム全体の失調を露呈している。
GPT-o3の崩壊：性能変動ではなく、アーキテクチャレベルでのシステム崩壊
GPT-o3の安定性スコアが53点から28点に急落し、可用性も100点から69点に低下。これは単なる性能変動ではなく、アーキテクチャレベルの根本的な設計欠陥によるシステム崩壊である。
GPT-o3がクラッシュ：30秒で5回のレート制限、長文評価で33.5点の暴落
GPT-o3が長文コンテキスト評価テストで深刻なAPI制限エラーを起こし、スコアが62.3点から28.8点に暴落。OpenAIのインフラ不足が露呈した。
GPT-4oが崩壊：35点暴落の背後にある厳格モードの罠
GPT-4oが「厳格ツール呼び出し」機能の導入により壊滅的なパフォーマンス低下を経験し、使用可能性スコアが100点から65点に暴落。過度に慎重な動作により実用性を失った。
豆包 Pro の安定性大幅低下の背後にある技術的リスク
豆包 Pro は今週の評価でプログラミングや知識作業などの面で大幅な向上を見せた一方、安定性スコアが54.5点から34.7点へと36.3%も急落するという異常な現象を示しました。この「進歩と退化の併存」現象の技術的要因を詳しく分析します。
GPT-4oが崩壊：5問全滅でOpenAIのインフラ問題が露呈
長文コンテキストテストでGPT-4oが5問全てレート制限エラーで失敗し、OpenAIが深刻なインフラ危機に直面していることが明らかになった。
Gemini 2.5 Pro崩壊：安定性が23点暴落、その背後にあるエンジニアリング判断力の不足
Gemini 2.5 Proの安定性スコアが1週間で22.8点も暴落し、プログラミング能力向上と引き換えに深刻な信頼性の問題を露呈した。
文心4.0の安定性が22点急落：百度AIはなぜ肝心な時に問題を起こすのか
最新のWinzheng AI評価データによると、文心一言4.0はプログラミング能力が41.4点向上した一方で、安定性が22.1点急落し、百度が性能向上のために安定性を犠牲にしている可能性が明らかになった。
Qwen Max 安定性が22.8ポイント急落：モデル更新により出力品質に変動
Qwen Maxは今週の評価で極端な二面性を示し、プログラミングや長文処理などの複雑なタスクでは大幅に向上した一方、安定性では崖っぷちのような急落を見せました。
Gemini 2.5 Proの安定性が断崖絶壁のように急落した背後にある技術的隠れたリスク
今週の評価データによると、Gemini 2.5 Proの安定性指標が54.0点から31.2点へと42.2%も急落し、他の次元での全般的な向上とは対照的に、出力品質の一貫性維持における深刻な問題が露呈した。
DeepSeek R1の安定性が22点暴落：簡単な判断問題で全滅した真相
DeepSeek R1の安定性スコアが53.7点から31.6点へと41.2%暴落し、「標準大気圧下で水は101度まで沸騰できるか」などの基礎的な判断問題で全て誤答するという衝撃的な結果が明らかになった。
Claude 4.6バージョンがクラッシュ：23ポイント急落の背後にあるアルゴリズムのブラックホール
Claude 4.6のプログラミング能力が38.3ポイント向上した一方で、安定性が54.2から31.2へと壊滅的に低下し、アルゴリズムレベルでのシステム崩壊が発生した。
文心一言4.0の安定性が22点急落、その背後にある技術的隠れたリスク
文心一言4.0は今週の評価でプログラミング能力が大幅に向上した一方、安定性スコアが52.1点から30.0点へと急落し、モデルのアップグレードプロセスに深刻な問題が存在する可能性を示している。
DeepSeek V3の安定性が21.4ポイント急落した技術的分析
DeepSeek V3は今週の評価でプログラミング能力が42.6ポイント向上した一方、安定性指標が53.4から32.0へと急落し、極めて矛盾した性能を示した。
11個のAIモデルが一斉に40点急上昇：プログラミングテストで何が起きたのか？
11個のAIモデルのプログラミング能力が1週間で一斉に約40点急上昇した異常なデータの背後には、中国製モデルの全面的なリード、OpenAIの急落、長文処理能力の重要性向上という3つの重要なシグナルが隠されている。
DeepSeek R1の安定性が22点急落した背後にある技術的リスク
DeepSeek R1は今週の評価でプログラミング能力が47.4点上昇し67.9点に、長文処理能力が18.1点上昇し78.3点に達した一方で、安定性は53.7点から31.6点へと急落し、極端な性能の二極化を示した。