Gemini 2.5 Proが100点で首位：2026年9月15日 YZ Index Smoke速報データブリーフィング

2026年9月15日のYZ Index Smoke速測は10モデルを対象とし、Gemini 2.5 Proが100点で当日首位を獲得した。Smokeは毎日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ウィーク総合ランキングの結論と同等ではない。

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。一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としてではなく、監視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

主な変動

• Gemini 2.5 Pro：メインランキング+29.8点、コード実行+25点、資料制約+35.7点
• DeepSeek V4 Pro：メインランキング-29.8点、コード実行-50点、資料制約-5.2点
• GPT-o3：メインランキング+18.6点、コード実行+25点、資料制約+10.7点
• Gemini 3.1 Pro：メインランキング-16.8点、コード実行-25点、資料制約-6.8点
• Claude Opus 4.7：メインランキング-7.2点、資料制約-15.9点

注目すべきシグナル

• Claude Opus 4.7：資料制約が急落 -15.9点
• Doubao Pro：資料制約が急落 -15.9点
• GPT-5.5：資料制約が急落 -15.9点
• Qwen3 Max：資料制約が急落 -40.9点
• Gemini 3.1 Pro：メインランキングが急落 -16.8点
• DeepSeek V4 Pro：メインランキングが急落 -29.8点
• GLM-4.6：データ不完全（複数評価次元でAPIエラー／タイムアウトが発生）のため自動再実行に入っており、今回のランキングには参加しない

このようなSmoke速報を読む際は、二点に着目すべきである。第一に、あるモデルが複数日にわたって同種の弱点を露呈し続けているかどうか。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、問題のサンプリングに起因する場合もあれば、実際の性能劣化の初期シグナルである可能性もあり、後続の実行による検証が必要である。

データ出典：YZ Index | Run #324 | 元データを見る