Claude Opus 4.7とGPT-5.5が同率98.35点で首位：2026-08-19 YZ Index Smoke速報データブリーフィング

2026-08-19のYZ Index Smoke速測では10モデルを対象に評価が行われ、Claude Opus 4.7とGPT-5.5が98.35点で当日首位に並んだ。Smokeは毎日10問の速測であり、短期的なシグナルの観察に適しており、Fullの週間ランキングと同等の結論を意味するものではない。

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対象としており、メインランキングの算式は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、単日のスコアはモデル能力の長期的な判断ではなく、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

本日のメインランキング上位3モデルのうち、Claude Opus 4.7とGPT-5.5はいずれもコード実行97・資料制約100で98.35点を獲得し、Claude Sonnet 4.6はコード実行95.5・資料制約100で97.53点を記録した。資料制約で満点を取ることが全体順位への寄与として際立っている。Qwen3 Maxはコード実行100に対し資料制約が75にとどまり、Doubao Proはコード実行100ながら資料制約50となっており、コード実行が強い一方で資料制約が弱い構成を示している。Gemini 2.5 Proはコード実行73.5・資料制約75でメインランキング74.18点と中位に位置する。

Gemini 3.1 Proはメインランキングで22.8点下落・資料制約で45点下落、DeepSeek V4 Proはメインランキングで11.5点下落・資料制約で20点下落、GPT-o3はメインランキングで9点下落・資料制約で20点下落、Doubao Proは資料制約で40.9点下落した。これらの変動は単日の問題サンプリングの揺らぎに起因する可能性もあれば、モデルが資料制約次元において一時的な不安定さを示しているケースも考えられ、同条件での再実行による確認が必要である。GLM-4.6はAPIの不具合によりデータが不完全なため、今回のランキングには参加していない。

Smoke速測は小サンプルの単日シグナルであり、上記の変化は当日のパフォーマンスのみを反映するものであり、モデル能力の長期的な判断根拠を構成するものではない。

主な変化

• Gemini 3.1 Pro：メインランキング-22.8点、資料制約-45点
• DeepSeek V4 Pro：メインランキング-11.5点、資料制約-20点
• GPT-o3：メインランキング-9点、資料制約-20点
• GPT-5.5：メインランキング+7.8点、資料制約+20.9点
• Claude Sonnet 4.6：メインランキング+5.7点、資料制約+18.2点

注目すべきシグナル

• GPT-o3：メインランキング急落 -9点
• Doubao Pro：資料制約急落 -40.9点
• DeepSeek V4 Pro：メインランキング急落 -11.5点
• Gemini 3.1 Pro：メインランキング急落 -22.8点
• GLM-4.6：データ不完全（一部次元のデータ欠落、API障害/タイムアウト）のため自動再実行中につき、今回はランキング対象外

このようなSmoke速報を読む際は、2つの問いに注目すべきである。第一に、あるモデルが同種の弱点を複数日にわたって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に移行しているかどうかである。単日のコード実行スコアや資料制約スコアの大幅な変動は、問題サンプリングによるものである場合もあれば、真の性能低下の初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 #284 | 元データを見る