Claude Sonnet 4.6が87.41点で首位：2026年10月8日 YZ Index Smoke クイックテスト速報

2026年10月8日実施のYZ Index Smokeクイックテストは15モデルを対象とし、Claude Sonnet 4.6が87.41点で当日首位を獲得した。Smokeは1日10問のクイックテストであり、短期シグナルの観測に適しているが、フル週次ランキングの結論とは同一視できない。

今回のSmoke評価はコード実行とマテリアル制約の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算式は0.55 × コード実行 + 0.45 × マテリアル制約である。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

データ解釈

スコア構造を見ると、Claude Sonnet 4.6はコード実行98.7・マテリアル制約73.6の組み合わせにより総合87.41を獲得しており、コード実行における優位性が際立っている。一方、GPT-6 Lunaはコード実行75・マテリアル制約93.2で総合83.19を記録し、マテリアル制約スコアが相対的に高く、両者は異なる強弱の組み合わせを示している。Claude Opus 4.7はコード実行75・マテリアル制約84.1で総合79.1となり、同様にマテリアル制約が比較的均衡している特徴を示す。上位モデルではこのような組み合わせの差異が明確であり、GPT-6 AstraとGPT-6.1 Solはいずれもコード実行50・マテリアル制約75で、総合スコアも同じく61.25となっている。

顕著な変化としては、Qwen3 Maxの総合スコアが32.8点下落（コード実行-26.5点、マテリアル制約-40.4点）、GPT-6.1 Solの総合が30.1点下落（コード実行-50点）、GLM-4.6の総合が29.7点下落（マテリアル制約-65.9点）、Claude Opus 4.7の総合が18.4点下落（コード実行-25点）、Gemini 3.1 Proの総合が18.2点下落（コード実行-28.6点）が挙げられる。これらの変動は問題サンプリングのばらつきに起因する可能性もあれば、モデルの実際のパフォーマンス低下を反映している可能性もあり、後続ランでの再確認が必要である。

Smokeクイックテストは小サンプルの単日シグナルであり、上記の分析は本日のデータのみに基づくものである。表現は慎重に保ち、長期的な判断は行わない。

主な変化

• Qwen3 Max：総合-32.8点、コード実行-26.5点、マテリアル制約-40.4点
• GPT-6.1 Sol：総合-30.1点、コード実行-50点、マテリアル制約-5.7点
• GLM-4.6：総合-29.7点、マテリアル制約-65.9点、誠実性 warn→pass
• Claude Opus 4.7：総合-18.4点、コード実行-25点、マテリアル制約-10.3点
• Gemini 3.1 Pro：総合-18.2点、コード実行-28.6点、マテリアル制約-5.4点

注目すべきシグナル

• 今回は公表すべき異常シグナルは検出されなかった。

このようなSmoke速報を読む際は、二つの点に注目すべきである。第一に、特定の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ないか。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。単日のコード実行またはマテリアル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、実際のパフォーマンス低下の初期シグナルである場合もあり、後続ランでの再確認が必要である。

データ出典：YZ Index | Run #366 | 元データを見る