Claude Sonnet 4.6とGrok 4が86.25点で同率首位：2026-09-08 YZ Index Smoke速報データブリーフィング

2026-09-08のYZ Index Smoke速測では11モデルを対象に評価が実施され、Claude Sonnet 4.6とGrok 4が86.25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いるが、Full週次ランキングの結論と同等のものではない。

今回のSmoke評価は、コード実行と資料制約という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算出式は 0.55 × コード実行 + 0.45 × 資料制約 である。日次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 Sonnet 4.6とGrok 4はメインランキングで86.25点に並び、両者ともコード実行が75点、資料制約が100点となっており、資料制約次元で満点を獲得しつつコード実行が中程度の水準を維持するという組み合わせを示している。Doubao Proはメインランキング74.34点で、コード実行73.8点・資料制約75点と比較的バランスの取れた構成となっている。DeepSeek V4 Proはメインランキング72.5点で、コード実行50点・資料制約100点と、資料制約が強い一方でコード実行が比較的弱いという特徴を示している。

前回同条件のrunと比較すると、Gemini 3.1 Proはメインランキングが24.4点下降、コード実行が45.2点下降；GLM-4.6はメインランキングが22.2点下降、コード実行が50点下降した一方で資料制約は11.7点上昇；Claude Sonnet 4.6はメインランキングが21点上昇、資料制約が46.7点上昇した。これらの変動は問題のサンプリングによる揺らぎに起因する可能性もあれば、特定次元におけるモデルの実際のパフォーマンス差を反映している可能性もあり、後続のrunでの確認が必要である。

GPT-o3はメインランキングが16.3点下降、コード実行が50点下降、資料制約が25点上昇；GPT-5.5はメインランキングが15.6点下降、コード実行が25点下降した。Smokeは小サンプルの単日シグナルであるため、以上の変化について長期的な結論は下さない。

主な変化

• Gemini 3.1 Pro：メインランキング-24.4点、コード実行-45.2点
• GLM-4.6：メインランキング-22.2点、コード実行-50点、資料制約+11.7点
• Claude Sonnet 4.6：メインランキング+21点、資料制約+46.7点
• GPT-o3：メインランキング-16.3点、コード実行-50点、資料制約+25点
• GPT-5.5：メインランキング-15.6点、コード実行-25点

注目すべきシグナル

• 今回、公開すべき異常シグナルは確認されなかった。

このようなSmoke速報を読む際には、2つの点に注目すべきである。第一に、特定のモデルが同一の弱点を複数日にわたって継続的に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に変化しているかどうか。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、問題のサンプリングに起因する場合もあれば、真の性能劣化の初期シグナルである場合もあり、後続のrunによる確認が必要である。

データ出典：YZ Index | Run #314 | 元データを見る