Claude Opus 4.7が82.55点で首位：2026年8月15日 YZ Index Smoke速報データブリーフィング

2026年8月15日のYZ Index Smoke速測は9モデルをカバーし、Claude Opus 4.7が82.55点で当日首位となった。Smokeは1日10問の速測であり、短期シグナルの観測に適しているが、Fullウィークリーランキングの結論とは同等ではない。

今回のSmoke評価はコード実行と資料制約の2つのメインランキング次元のみをカバーしており、メインランキングの計算式は0.55 × コード実行 + 0.45 × 資料制約である。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のが適切である。

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はメインスコア82.55で首位となり、コード実行99.6・資料制約61.7という組み合わせはコード実行次元が資料制約を明確に上回っていることを示している。Claude Sonnet 4.6はメインスコア80.52で続き、コード実行100・資料制約56.7という構成も同様にコード実行が高水準で資料制約が相対的に低いという特徴を示している。GPT-o3とQwen3 Maxはともにメインスコア69.02で、コード実行75・資料制約61.7と並ぶ結果となった。上位モデルは総じてコード実行によって総合スコアを引き上げており、資料制約スコアには明確な階層差が生じている。

顕著な変化として、GPT-o3はメイン+28.9点・コード実行+30点・資料制約+27.6点、Doubao Proはメイン+16.2点・コード実行+13.3点・資料制約+19.8点、Qwen3 Maxはメイン+15.7点・コード実行+30点、Claude Sonnet 4.6はメイン+12.4点・コード実行+30点・資料制約-9.1点、Claude Opus 4.7はメイン+10.3点・コード実行+29.6点・資料制約-13.2点となっており、これらのモデルのコード実行次元では大幅な向上が多く見られる。GPT-5.5の資料制約が-15.2点と急落したことは異常シグナルであり、問題サンプリングの変動に起因する可能性もあるが、真の性能劣化の兆候である可能性もあるため、後続の再実行による確認が必要である。DeepSeek V4 ProとGLM-4.6については、実行次元の欠如・APIの障害またはタイムアウトによりデータが不完全なため、今回はランキングに参加せず、補足実行による検証が必要である。

Smoke速測は小サンプルの単日シグナルであり、上記のスコア構成および変動はあくまで当日の結果のみを反映している。表現は慎重に保ち、長期的な推論は行っていない。

主な変化

• GPT-o3：メインスコア+28.9点、コード実行+30点、資料制約+27.6点
• Doubao Pro：メインスコア+16.2点、コード実行+13.3点、資料制約+19.8点
• Qwen3 Max：メインスコア+15.7点、コード実行+30点
• Claude Sonnet 4.6：メインスコア+12.4点、コード実行+30点、資料制約-9.1点
• Claude Opus 4.7：メインスコア+10.3点、コード実行+29.6点、資料制約-13.2点

注視すべきシグナル

• GPT-5.5：資料制約が-15.2点と急落
• DeepSeek V4 Pro：データ不完全（実行次元欠如、API障害/タイムアウト）、自動補足実行中のため今回はランキングに参加せず
• GLM-4.6：データ不完全（実行次元欠如、API障害/タイムアウト）、自動補足実行中のため今回はランキングに参加せず

この種のSmoke速報を読む際は、2つの点に注目すべきである。第一に、あるモデルが複数日連続して同種の弱点を露呈しているかどうか。第二に、誠実性評価がpassからwarnまたはfailに移行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、問題サンプリングに起因する場合もあれば、真の性能劣化の早期シグナルである場合もあり、後続の再実行による確認が必要である。

データ出典：YZ Index | Run #279 | 元データを見る