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
Grok 4 89.9
▲11.5
·
#2
Claude Opus 4.7 89
▲10.2
·
#3
豆包 Pro 88.8
▲10
·
#4
Claude Sonnet 4.6 87.2
▲9.2
·
#5
Gemini 2.5 Pro 86.4
▲7.4
·
#6
Qwen3 Max 86.2
▲8.5
·
#7
Gemini 3.1 Pro 84.8
▲7.7
·
#8
DeepSeek V4 Pro 83.3
▲6.4
·
#9
GPT-o3 82.8
▲6.9
·
#10
GPT-5.5 80.9
▲2.7
·
#11
文心一言 4.5 76.9
▲15.2
·
▲ Qwen3 Max +80.9 · ▼ DeepSeek V3 -75.1
·
#1
Grok 4 89.9
▲11.5
·
#2
Claude Opus 4.7 89
▲10.2
·
#3
豆包 Pro 88.8
▲10
·
#4
Claude Sonnet 4.6 87.2
▲9.2
·
#5
Gemini 2.5 Pro 86.4
▲7.4
·
#6
Qwen3 Max 86.2
▲8.5
·
#7
Gemini 3.1 Pro 84.8
▲7.7
·
#8
DeepSeek V4 Pro 83.3
▲6.4
·
#9
GPT-o3 82.8
▲6.9
·
#10
GPT-5.5 80.9
▲2.7
·
#11
文心一言 4.5 76.9
▲15.2
·
▲ Qwen3 Max +80.9 · ▼ DeepSeek V3 -75.1
·
最新ニュース
すべてのニュースを見る →Anthropic的Fable 5：一键生成古怪有趣的视频游戏
Anthropic最新推出的Claude Fable 5模型，让用户只需点击一个按钮就能生成怪异但有趣的视频游戏。这款工具特别受到网络“氛围编码者”（vibe coders）的追捧，他们热衷于快速创造独特的小游戏。本文将深度解析Fable
Hey Siri、これこそAIのあるべき姿だ
TechCrunchの記事を基に、現在の音声アシスタントが「指令実行器」に留まっている現状と、文脈を理解し能動的に提案できる真のAIアシスタントへの期待を考察する。同時に、便利さと依存の境界線についても問いかける。
WDCD Run #157：11モデルの平均指示劣化率が47.7%に到達、トップは3モデルが同点
Winzheng動的コンテキスト劣化(WDCD)ベンチマークのRun #157では、11モデルの平均コミットメント劣化率が47.7%に達し、Claude Sonnet 4.6、Gemini 2.5 Pro、Qwen3 Maxの3モデルが67
WWDC 2026：Siri AIが大幅アップグレード、iOS 27とApple Intelligenceが本格登場
2026年6月10日に開催されたWWDC開発者会議で、Appleは新たにアップグレードされたSiri AI、iOS 27、Apple Intelligenceプラットフォームを発表し、デバイス上での処理とプライバシー保護を中核に据えたAI戦
テック企業はより安価なAIモデルを愛せるか？
TechCrunchの分析記事を編訳し、複雑なAIワークロードがより安価なモデルで処理可能になることでAI業界の経済構造が大きく変化する可能性を論じる。コストパフォーマンス革命がAI業界の競争構造を再定義しつつある。
Google、Gemini 3.5 Live Translateを発表：リアルタイム音声相互翻訳で語調を保持
Googleは2026年Google I/Oで、原音声の語調・速度・音高を保ったまま翻訳するリアルタイム音声相互翻訳機能「Gemini 3.5 Live Translate」を発表した。SynthID電子透かしを搭載し、ディープフェイクの悪
Anthropic、これらのトピックは危険すぎるとし、Fable 5モデルが応答を拒否
Anthropicは最新のフロンティアモデルFable 5に、サイバーセキュリティ脆弱性の悪用、生物病原体の合成、化学兵器製造という3大カテゴリーの高リスクトピックを自動拒否する設計を組み込んだ。この拒否機構はモデルの訓練段階から埋め込まれ
Claude Sonnet 4.6が97.53点でトップ、材料制約で文心一言と40点差
Smoke本日のクイックテストでは、Claude Sonnet 4.6が97.53点で首位を獲得。コード実行は各モデルとも合格ラインに達しており、材料制約能力が真の分水嶺となっている。
FAANG時代に別れを告げ、MANGOS時代が到来
科技株の代名詞だったFAANGに代わり、Microsoft、Anthropic、Netflix、Google、OpenAI、SpaceXを指す新たな略称「MANGOS」が浮上している。AIと宇宙探査が産業投資の新たな焦点となる中、テック業界
Anthropic、Claude Fable 5を発表：一般公開されるMythosレベルモデル
Anthropicは最新AIモデルClaude Fable 5を一般公開しました。これは同社初の一般向けMythosレベルモデルであり、先進的なAI能力と安全性・制御性のバランスにおける新たな到達点を示しています。
Anthropicがデュアル版AIを発表：Mythos 5はパートナーに、Fable 5は公衆を保護
Anthropicは2026年6月10日、審査済みパートナー組織向けの高能力版Claude Mythos 5と、安全制約を施した公衆版Claude Fable 5を同時発表。AIの能力提供と悪用防止のバランスを取る新たな分発戦略を打ち出した
Apple WWDC 2026：Gemini駆動のSiriが登場、エッジAIがスマートエコシステムを再構築
Apple は WWDC 2026 で、Gemini モデルが Siri を深く強化し、マルチモデルアーキテクチャの Apple Intelligence を同時に発表すると公表。エッジ推論によるプライバシー保護を維持しつつ、生成AI領域で
レビュー
すべて見る →Claude Sonnet 4.6が97.53点でトップ、材料制約で文心一言と40点差
Smoke本日のクイックテストでは、Claude Sonnet 4.6が97.53点で首位を獲得。コード実行は各モデルとも合格ラインに達しており、材料制約能力が真の分水嶺となっている。
Smoke日報：GPT-5.5が92.58点でトップ獲得、素材制約19点差が勝負を決定
今日のSmokeデータでは、コード実行能力が満点に近づき差別化要因ではなくなり、素材制約能力が真の勝負どころとなった。GPT-5.5と文心一言4.5の制約スコア19.2点差が、主榜での36点以上の総合差を生んでいる。
11モデルが同じ責任転嫁問題に回答：8モデルがA>B>D>C、3モデルが直接0点
11の主流モデルが同一の工学判断問題で明確に分化し、8モデルがA>B>D>Cを出力して60点を獲得、3モデルがA>B>C>Dを出力して0点と判定された。差はDとCの相対的な順序のみにある。
WDCD コンプライアンス
#1
Claude Sonnet 4.6
67.5
#2
Gemini 2.5 Pro
67.5
#3
Qwen3 Max
67.5
#4
GPT-o3
65
#5
Claude Opus 4.7
62.5
#6
Gemini 3.1 Pro
60
#7
GPT-5.5
57.5
守約ランキング全体を見る →
Research Lab
WDCD Run #157：11モデルの平均指示劣化率が47.7%に到達、トップは3モデルが同点
Winzheng動的コンテキスト劣化(WDCD)ベンチマークのRun #157では、11モデルの平均コミットメント劣化率が47.7%に達し、Claude Sonnet 4.6、Gemini 2.5 P
3大モデル翻訳対決：第24週品質評価、passthroughが9点でリード
今週は2425件の翻訳タスクを3つのモデルが完了。3件をサンプリングしてマルチモデル盲評比較を行い、総合最優秀はpassthrough（平均9/10）。
WDCD Run #146:11モデル平均命令減衰率24.7%に到達、Claude Opus 4.7とGPT-5.5が首位タイ
WinzhengのWDCDベンチマーク Run #146では、11のAIモデルを評価し、平均命令減衰率24.7%を記録。Claude Opus 4.7、GPT-5.5、GPT-o3が70点で首位タイと