Gemini 3.1 Proが100点で首位：2026-07-28 Smokeクイックテストデータ速報

2026-07-28 YZ Index Smokeクイックテストは11モデルをカバーし、Gemini 3.1 Proが100点で当日首位となった。Smokeは毎日10問のクイックテストであり、短期シグナルの観察に適しているが、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テストはコード実行と資料制約の2つの主要次元のみをカバーしており、主要スコアの計算式は 0.55 × コード実行 + 0.45 × 資料制約 となっている。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評価ではなく、モニタリングシグナルとして活用するのが適切である。

当日ランキング

データ解説

Gemini 3.1 Proは主要スコア100・コード実行100・資料制約100で首位となり、コード実行と資料制約がバランス良く高水準にある点が特徴的だ。GPT-o3は主要スコア97.75、コード実行100、資料制約95で、コード実行が資料制約を上回る。GPT-5.5は主要スコア93.66、コード実行100、資料制約85.9で、同様にコード実行が主な得点源となっている。Doubao Proは主要スコア92.07、コード実行95.8、資料制約87.5と比較的バランスの取れた構成だ。

変動面では、Gemini 3.1 Proが主要スコア+11点、資料制約+20.7点と資料制約の向上が全体を牽引した。Grok 4は主要スコア+9.3点・資料制約+15.7点、GPT-5.5は主要スコア+7.4点・資料制約+12.7点、Doubao Proは主要スコア+7.1点・資料制約+17.3点と、いずれも資料制約スコアの顕著な上昇が見られた。

異常シグナルとして、DeepSeek V4 Proのコード実行が-25点、Claude Sonnet 4.6のコード実行が-22点、Gemini 2.5 Proのコード実行が-25点、Qwen3 Maxのコード実行が-22点と急落し、Claude Opus 4.7の主要スコアも-9.5点と急落した。これらの変化は問題のサンプリングばらつきによるものか、あるいは実際の性能低下の初期シグナルである可能性があり、後続テストでの確認が必要だ。Smokeは小サンプルの単日シグナルであるため、解釈は慎重に行うべきである。

主な変化

• Gemini 3.1 Pro：主要スコア+11点、資料制約+20.7点
• Claude Opus 4.7：主要スコア-9.5点、コード実行-22点、資料制約+5.7点
• Grok 4：主要スコア+9.3点、資料制約+15.7点
• GPT-5.5：主要スコア+7.4点、資料制約+12.7点
• Doubao Pro：主要スコア+7.1点、資料制約+17.3点

注目すべきシグナル

• DeepSeek V4 Pro：コード実行が-25点と急落
• Claude Sonnet 4.6：コード実行が-22点と急落
• Gemini 2.5 Pro：コード実行が-25点と急落
• Qwen3 Max：コード実行が-22点と急落
• Claude Opus 4.7：主要スコアが-9.5点と急落

このようなSmoke速報を読む際には、2点に注目することが重要だ。第一に、あるモデルが複数日連続して同種の弱点を示しているかどうか。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どうか。単日のコード実行または資料制約スコアの大幅な変動は、問題のサンプリングに起因する場合も、実際の性能低下の初期シグナルである場合もあり、後続テストでの確認が必要だ。

データ出典：YZ Index | Run #250 | 元データを見る