Claude Opus 4.7・Claude Sonnet 4.6・DeepSeek V4 Pro・Grok 4が96.99点で並列首位：2026-07-12 YZ Index Smoke速報データブリーフ

2026-07-12 YZ Index Smoke速測では11モデルをカバーし、Claude Opus 4.7・Claude Sonnet 4.6・DeepSeek V4 Pro・Grok 4が96.99点で当日首位に並んだ。Smokeは毎日10問の速測であり、短期シグナルの観察に適しており、Fullウィークリーランキングの結論とは同一ではない。

今回のSmoke評価はコード実行と材料制約の2つのメインランキング次元のみを対象としており、メインランキングの計算式は 0.55 × コード実行 + 0.45 × 材料制約 である。1日あたりのサンプル数が少ないため、単日スコアはモデル能力の長期的な結論としてではなく、モニタリングシグナルとして活用することが適切である。

当日ランキング

データ解説

本日のYZ Index Smoke速測において、Claude Opus 4.7、Claude Sonnet 4.6、DeepSeek V4 Pro、Grok 4の4モデルはメインランキングがいずれも96.99点で、コード実行100点・材料制約93.3点と、コード実行と材料制約のバランスが取れた高水準の組み合わせを示した。Gemini 2.5 ProとQwen3 Maxはメインランキングがともに94.24点で、コード実行95点・材料制約93.3点と、強い材料制約のもとでのコード実行性能を維持した。

前回の同条件runと比較すると、Gemini 2.5 Proはメインランキング+33.4点・コード実行+57.5点、DeepSeek V4 Proはメインランキング+29.3点・コード実行+50点、Grok 4はメインランキング+22.4点・コード実行+37.5点、Qwen3 Maxはメインランキング+19.7点・コード実行+32.5点の上昇を記録した。一方、GLM-4.6は材料制約が-25点と急落し、メインランキング52.5点・材料制約25点にとどまった。このような単日の異変は問題のサンプリング変動によるものである可能性もあるが、実際の性能低下を反映している可能性もあり、後続runによる確認が必要である。

Smoke速測は小サンプルの単日シグナルであり、以上のスコア構造と変化は当日の観察参考に過ぎず、長期的な結論を構成するものではない。

主な変化

• Gemini 2.5 Pro：メインランキング+33.4点、コード実行+57.5点
• DeepSeek V4 Pro：メインランキング+29.3点、コード実行+50点
• Grok 4：メインランキング+22.4点、コード実行+37.5点
• Qwen3 Max：メインランキング+19.7点、コード実行+32.5点
• GLM-4.6：メインランキング+16.3点、コード実行+50点、材料制約-25点

注目すべきシグナル

• GLM-4.6：材料制約が急落 -25点

この種のSmoke簡報を読む際は、2つの点に重点を置くべきである。第一に、特定のモデルが同種の弱点を複数日にわたって連続して露呈しているか。第二に、誠実性評価がpassからwarnまたはfailに変化していないか。コード実行または材料制約スコアの単日での大幅な変動は、問題のサンプリングによるものである可能性もあるが、実際の性能低下の早期シグナルである可能性もあり、後続runによる確認が必要である。

データソース：YZ Index | Run #226 | 元データを見る