2026-10-20 YZ Index Smoke速測は14モデルをカバーし、GPT-o3が97.83点で当日首位を獲得した。Smokeは毎日10問の速測であり、短期的なシグナルの観察に適したもので、Full週間ランキングの結論とは同一視できない。
今回のSmokeは、コード実行と資料制約の2つのメイン指標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、単日スコアはモデル能力の長期的な判断ではなく、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
| 順位 | モデル | メイン | コード実行 | 資料制約 | 誠実性 |
|---|---|---|---|---|---|
| #1 | GPT-o3 | 97.83 | 98.5 | 97 | pass |
| #2 | Claude Opus 4.7 | 91.2 | 97 | 84.1 | pass |
| #3 | GPT-5.5 | 91.2 | 97 | 84.1 | pass |
| #4 | Doubao Pro | 90.48 | 95.7 | 84.1 | pass |
| #5 | GPT-6 Luna | 89.04 | 97 | 79.3 | pass |
| #6 | Grok 4 | 88.89 | 92.8 | 84.1 | warn |
| #7 | Claude Sonnet 4.6 | 85.71 | 97 | 71.9 | pass |
| #8 | GPT-6.1 Sol | 84.76 | 97 | 69.8 | pass |
| #9 | GPT-6 Sol | 82.6 | 97 | 65 | pass |
| #10 | Gemini 2.5 Pro | 72.75 | 75 | 70 | pass |
| #11 | GPT-6 Astra | 71.01 | 72 | 69.8 | pass |
| #12 | Gemini 3.1 Pro | 63.7 | 47 | 84.1 | pass |
| #13 | GLM-4.6 | 63.7 | 47 | 84.1 | pass |
| #14 | DeepSeek V4 Pro | 59.6 | 47 | 75 | pass |
主な変動
- GPT-o3：メインランキング+42.7点、コード実行+51.5点、資料制約+31.9点
- Doubao Pro：メインランキング+16点、コード実行+23.7点、資料制約+6.5点
- GLM-4.6：メインランキング+15.4点、資料制約+34.1点
- Claude Opus 4.7：メインランキング+11.4点、コード実行+25点、資料制約-5.2点
- Claude Sonnet 4.6：メインランキング+11.4点、コード実行+25.4点、資料制約-5.7点
注目すべきシグナル
- GPT-6 Astra：メインランキング急落 -11.3点
- Qwen3 Max：データが不完全（複数次元のデータ欠損、APIエラー／タイムアウト）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含まれない
このようなSmokeブリーフィングを読む際は、2点に注目すべきである。第一に、特定のモデルが同一カテゴリの弱点を複数日連続し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に変化していないかどうか。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よるものである可能性もあれば、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 #387 | 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