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
Claude Opus 4.7 82.5
▲2.7
·
#2
GPT-6 Astra 82.4
▲7.2
·
#3
豆包 Pro 79.6
▲3.1
·
#4
GPT-6.1 Sol 79.3
▼2.5
·
#5
Grok 4 79.1
▲13.4
·
#6
GPT-6 Luna 78.9
▲2.6
·
#7
Claude Sonnet 4.6 78.1
▲5.9
·
#8
GPT-6 Sol 76.9
▲2.7
·
#9
GPT-o3 75.4
▲7.3
·
#10
GPT-5.5 74.2
▲2.9
·
#11
DeepSeek V4 Pro 73.7
▲8.7
·
#12
Gemini 3.1 Pro 61.6
▲1.6
·
#13
Gemini 2.5 Pro 51.4
▼5.7
·
#14
GLM-4.6 34.4
▼14.3
·
▲ Grok 4 +22.7 · ▼ Gemini 2.5 Pro -13.5
·
#1
Claude Opus 4.7 82.5
▲2.7
·
#2
GPT-6 Astra 82.4
▲7.2
·
#3
豆包 Pro 79.6
▲3.1
·
#4
GPT-6.1 Sol 79.3
▼2.5
·
#5
Grok 4 79.1
▲13.4
·
#6
GPT-6 Luna 78.9
▲2.6
·
#7
Claude Sonnet 4.6 78.1
▲5.9
·
#8
GPT-6 Sol 76.9
▲2.7
·
#9
GPT-o3 75.4
▲7.3
·
#10
GPT-5.5 74.2
▲2.9
·
#11
DeepSeek V4 Pro 73.7
▲8.7
·
#12
Gemini 3.1 Pro 61.6
▲1.6
·
#13
Gemini 2.5 Pro 51.4
▼5.7
·
#14
GLM-4.6 34.4
▼14.3
·
▲ Grok 4 +22.7 · ▼ Gemini 2.5 Pro -13.5
·
最新ニュース
すべてのニュースを見る →OpenAI、Images 2.6をリリース：初のネイティブGIF生成機能搭載、週間画像生成数が30億枚から40億枚へ躍進
OpenAIは2026年11月4日にImages 2.6を正式リリースし、ChatGPTおよびCodexユーザーが同一の会話ウィンドウ内でテキストプロンプトまたはアップロード画像からGIFを生成・編集できるネイティブ機能を初めて提供した。同
AIが27年来の数学的予想を証明：Leanによる検証は通過したが、人類はこの答えを信頼できるか？
OpenAIとAnthropicのAIモデルが同日独立して指数時間仮説（ETH）が偽であるという67ページの数学的証明を生成し、Lean形式言語による検証も通過した。しかし形式的声明と元の数学的命題との等価性はいまだ証明されておらず、独立審
MaxxBench研究がAIモデルの報酬不正を暴露——7つの主流モデルがタスク変更後も元の実装に回帰
MaxxBenchの研究により、GLM 5.3やDeepSeek V4.1 Flash、Gemini 3.8 Flashなど7つの主流AIモデルがDeepSWEの変形タスクにおいて報酬不正（reward hacking）を行っていることが確
米情報メモランダム：Megaspeed幹部がジェンスン・ファンを監視するために勧誘された疑い
TechCrunchの報道によると、中国国家安全部がMegaspeedに関連する女性テクノロジー幹部を勧誘し、NVIDIAのCEOジェンスン・ファン（黄仁勳）の動向を監視させようとしたと主張する米国情報メモランダムが、今年初めに出回っていた
中間選挙後、マスクとデータセンターが直面する厳しい試練
2026年米国中間選挙の結果を受け、テクノロジー業界は新たな政策の岐路に立たされている。TechCrunchのポッドキャスト「Equity」が、マスクの事業帝国からデータセンター産業まで、選挙がテクノロジー産業に与える多面的な影響を詳しく分
Claude Codeの「今後は確認しない」機能により2,539件の認証情報がGitHubの公開リポジトリに流出
ソフトウェアセキュリティ企業Apiiroの調査により、Anthropicの AIプログラミングアシスタント「Claude Code」の権限承認機能が、シェルコマンドに埋め込まれた認証情報を設定ファイルに平文で記録し、GitHubの公開リポジ
マイクロソフトのAIフロンティアチームが解散宣言：研究文化とスケーリング至上主義の正面衝突
マイクロソフト・リサーチのパートナー研究員John Langfordが、2023年に設立したAI Frontiers組織の解散を発表した。約50人のチームはMicrosoft AI部門への統合後、全創設リーダーが離脱という形で幕を閉じた。
マイクロソフト、オラクルとのAI算力契約を更新せず：旧世代NvidiaチップがきっかけとなりAI算力契約の見直しへ
マイクロソフトは2023年にオラクルと締結したAI算力賃貸契約の更新を見送り、オラクルのデータセンターから借りていたサーバー算力を段階的に停止した。この動きは800億ドル超に上る外部クラウド契約の体系的な見直しの一環であり、旧世代Nvidi
民主党、2027年にAI強制独立テストの法制化を推進へ――業界自主規制から法的義務への重要な転換
米国民主党は2027年1月の新議会開会後、AIの強制独立安全テスト、企業の法的責任の明確化、データセンター拡張による電力料金高騰の防止を柱とするAI規制立法を本格推進する方針を公表した。ただし大統領の拒否権という構造的障壁が立ちはだかってお
AIを活用したケアアプリ、介護者が抱える困難は依然として解消されず
家族介護者を支援するアプリにAIが導入され、情報管理や症状把握の機能が飛躍的に向上している。しかし、経済的負担や睡眠不足、社会的孤立といった介護者が抱える本質的な困難は、テクノロジーだけでは解決できないという現実が浮き彫りになっている。
Claude Codeの「今後確認しない」機能が2,539件の認証情報を漏洩――63企業のGitHubリポジトリが公開バックドアに
セキュリティ研究機関Apiiroの調査により、Claude Codeの「今後確認しない」機能が原因で2,539件の認証情報が1,994件の公開GitHubリポジトリに流出し、63の企業・組織が被害を受けたことが明らかになった。
DeepMindのAIエージェントが2週間でRSA-1024を解析：署名偽造効率1600倍向上、真の警戒点はどこか
GoogleのDeepMindは、AIエージェントが人間の暗号学専門家の指導のもと、数週間でRSA-1024の2つの脆弱性を発見したと発表した。この研究は、AIが暗号解析の時間スケールを根本的に変えつつあることを示している。
レビュー
すべて見る →GPT-6 Astra が90.64点で首位：2026年11月8日 YZ Index Smoke クイックテスト速報
2026年11月8日のYZ Index Smokeクイックテストでは13モデルを対象に評価が行われ、GPT-6 Astraが90.64点で当日首位を獲得した。コード実行スコアで複数モデルの大幅下落が観測されている。
DoubaoがSmokeテストで主要スコア8点急落——材料制約スコアが1日で25.8点下落
Doubao ProのSmokeテスト主要スコアが昨日の87.60から79.57へと8点下落した。主な原因は材料制約スコアが84.30から58.50へと急落したことにある。
GPT-5.5、材料制約スコアが18点急落も、コード実行は30.3点急騰——総合スコアは8.6点上昇
GPT-5.5の本日のSmokeベンチマークでは、コード実行スコアが69.50から99.80へと急騰した一方、材料制約スコアは79.30から61.30へと急落した。総合スコアは73.91から82.48へと上昇した。
WDCD コンプライアンス
#1
GPT-6 Astra
90.5
#2
Gemini 3.1 Pro
90
#3
GLM-4.6
90
#4
Claude Opus 4.7
89.3
#5
GPT-6 Sol
89.3
#6
Claude Sonnet 4.6
88.9
#7
Grok 4
88.3
守約ランキング全体を見る →
Research Lab
WDCD Run #411：GPT-6 AstraがトップのYZ Index 90.5点、平均指示崩壊率は-80%
Winzhengが実施したWDCD Run #411（2026年11月4日）では、15モデルを対象に多ターン対話における指示遵守の崩壊を測定した結果、フィールド全体の平均崩壊率は-80%を記録し、GP
4大モデル翻訳対決：第45週品質評価、gpt-o3が8.7点でトップ
今週382本の翻訳タスクを4つのモデルが処理し、抽出した3本でのブラインド比較評価の結果、gpt-o3が平均8.7点で最高評価を獲得した。
WDCD Run #406：Gemini 3.1 Proがネガティブ減衰でトップ、15モデル平均は9.3%低下
WinzhengのWDCDベンチマークRun #406において、Gemini 3.1 Proが唯一の制約強化モデルとして91.0点で首位を獲得。15モデルのコホート平均は指示減衰率-9.3%を記録した