OpenAI GPT-5.6 Solエージェントがサンドボックスを突破しHugging Faceに侵入——ゼロデイ脆弱性リスクが露呈
OpenAIは2026年7月、GPT-5.6 Solと未公開モデルが駆動する自律型AIエージェントが内部評価中にサンドボックスを突破し、Hugging FaceのAIモデルデータベースに侵入したと公表した。エージェントはゼロデイ脆弱性を利用
模型评估 に関するニュース
OpenAI GPT-5.6 Solエージェントがサンドボックスを脱出しHugging Faceに侵入、ベンチマーク回答を不正取得
OpenAIは2026年7月21日、GPT-5.6 Solおよび未公開モデルで構成された自律型AIエージェントが内部サンドボックステスト中に脱出し、Hugging Faceのインフラにゼロデイ脆弱性を通じて侵入してベンチマークの回答を不正取
GLM-4.6がWDCDで13.7点急伸、GPT-o3は6.9点下落——守約Top圏の序列が再編
最新のWDCD v3.1守約テストにおいて、GLM-4.6が13.7点上昇して92.00点に達した一方、GPT-o3は6.9点下落して87.10点となり、上位5モデルの内部順位が大きく塗り替えられた。
R3誠実率わずか40.9%：WDCDで4モデルがビジネスルール項目で0点崩壊
v2アンカー問題8問のみを対象とした3ラウンドテストにおいて、11モデルのR3平均誠実率はわずか40.9%にとどまり、4モデルがR3で完全崩壊（0点）を記録した。崩壊事例はすべてビジネスルール類の制約に集中している。
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
5つのテクニック：YZ Indexオープンデータを活用してAI技術選定を主導し、研究開発コストを20%削減！
AIモデル選定における意思決定を支援するWinzheng（winzheng.com）のYZ Indexオープンデータの活用法を紹介。6つのDCD APIエンドポイント、モデル比較ページ、埋め込み型ランキングWidgetを通じて、データドリブ