2026年10月17日のYZ Index Smoke速測は14モデルをカバーし、GPT-o3が94.51点で当日首位となった。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の週次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、単日のスコアはモデル能力の長期的な判断としてではなく、モニタリングシグナルとして活用することが望ましい。
当日ランキング
| 順位 | モデル | メイン | コード実行 | 資料制約 | 誠実性 |
|---|---|---|---|---|---|
| #1 | GPT-o3 | 94.51 | 100 | 87.8 | pass |
| #2 | Grok 4 | 88.69 | 91.7 | 85 | pass |
| #3 | Gemini 3.1 Pro | 87.76 | 100 | 72.8 | pass |
| #4 | GPT-6 Sol | 87.31 | 100 | 71.8 | pass |
| #5 | DeepSeek V4 Pro | 86.5 | 100 | 70 | pass |
| #6 | Claude Opus 4.7 | 84 | 75 | 95 | pass |
| #7 | GPT-6.1 Sol | 82.63 | 83.3 | 81.8 | pass |
| #8 | GPT-6 Luna | 80.25 | 70.8 | 91.8 | pass |
| #9 | GPT-5.5 | 79.5 | 75 | 85 | pass |
| #10 | GPT-6 Astra | 78.13 | 83.3 | 71.8 | pass |
| #11 | Gemini 2.5 Pro | 76.73 | 94.5 | 55 | pass |
| #12 | Claude Sonnet 4.6 | 75.9 | 75 | 77 | pass |
| #13 | Doubao Pro | 69.04 | 83.3 | 51.6 | pass |
| #14 | GLM-4.6 | 62.45 | 41.7 | 87.8 | warn |
データ解説
本日のYZ Index Smoke速測において、上位モデルのコード実行と資料制約の組み合わせには顕著な分化が見られた。GPT-o3はコード実行100・資料制約87.8によりメインスコア94.51を獲得し、Grok 4はコード実行91.7・資料制約85のバランスの取れた組み合わせでメインスコア88.69を獲得した。Gemini 3.1 ProとGPT-6 Solはいずれもコード実行100だが、資料制約がそれぞれ72.8と71.8にとどまり、3位・4位に位置した。Claude Opus 4.7は逆に資料制約95が際立つ一方、コード実行は75にとどまり、メインスコアは84となった。DeepSeek V4 Proもコード実行100・資料制約70でメインスコア86.5であった。これらの結果は、コード実行の高いモデルであっても資料制約が不十分な場合、0.45の重みによりメインランキングの順位が抑制されることを示している。
顕著な変化のあったモデルでは、GLM-4.6のメインスコアが35.7点上昇し、コード実行が16.7点・資料制約が58.9点上昇した一方、誠実性評価がpassからwarnに転落した。GPT-6 Solはメインスコアが34.3点上昇しコード実行が55.2点上昇、GPT-o3はメインスコアが33.8点上昇しコード実行が61.7点上昇、Gemini 3.1 Proはメインスコアが18.1点上昇しコード実行が45.5点上昇したが資料制約は15.3点下落した。異常シグナルとしては、Gemini 3.1 Proの資料制約が15.3点急落、DeepSeek V4 Proが18.1点急落、GPT-6 Astraが16.3点急落、Gemini 2.5 Proが22.6点急落、およびDoubao Proのメインスコアが16.1点急落しており、いずれも単日の小サンプル抽出による変動または一時的なパフォーマンス低下に起因する可能性があり、同条件での追加実行による確認が必要である。
全体として、Smoke速測は小サンプルの単日シグナルであり、当日14モデルのコード実行と資料制約2項目における即時的な組み合わせを反映するにとどまり、長期的な安定性の判断は提供しない。Qwen3 MaxはAPIの障害によりデータが不完全であったため、今回のランキングには参加していない。
主な変化
- GLM-4.6：メインスコア+35.7点、コード実行+16.7点、資料制約+58.9点、誠実性 pass→warn
- GPT-6 Sol：メインスコア+34.3点、コード実行+55.2点、資料制約+8.7点
- GPT-o3：メインスコア+33.8点、コード実行+61.7点
- Gemini 3.1 Pro：メインスコア+18.1点、コード実行+45.5点、資料制約-15.3点
- GPT-5.5：メインスコア+17点、コード実行+28点
注目すべきシグナル
- Gemini 3.1 Pro：資料制約が-15.3点急落
- DeepSeek V4 Pro：資料制約が-18.1点急落
- GPT-6 Astra：資料制約が-16.3点急落
- Gemini 2.5 Pro：資料制約が-22.6点急落
- Doubao Pro：メインスコアが-16.1点急落
- Qwen3 Max：データ不完全（APIの障害・タイムアウトにより複数次元のデータ欠損）のため自動再実行待ちとなっており、今回のランキングには参加しない
このようなSmoke速報を読む際には、2つの問いに重点を置くべきである。第一に、特定のモデルが同種の弱点を複数日連続して露呈していないか。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。コード実行や資料制約スコアの単日における大幅な変化は、問題のサンプリングによるものである可能性もあれば、実際の性能低下の初期シグナルである可能性もあり、後続の実行による確認が必要である。
データ出典：YZ Index | Run #382 | 元データを見る
© 2026 Winzheng.com 赢政天下 | 转载请注明来源并附原文链接