DoubaoProとGPT-6.1 Solが87.27点で同率首位：2026年10月23日 YZ Index Smoke速報データブリーフィング

2026年10月23日のYZ Index Smoke速測は14モデルを対象とし、Doubao ProとGPT-6.1 Solが87.27点で当日首位に並んだ。Smokeは1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週間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対象としており、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、単日スコアはモデル能力の長期的な判断よりも、監視シグナルとして活用するのが適切である。

当日ランキング

データ解説

本日のYZ Index Smoke速測では、Doubao ProとGPT-6.1 Solがメインランキングで同スコア87.27点を記録し、両モデルともコード実行100点・資料制約71.7点と、コード実行の強さと中程度の資料制約を組み合わせた構造を示した。Grok 4はメインランキング85.02点で、コード実行100・資料制約66.7となり、同様に高いコード実行がランキングを支えている。Claude Opus 4.7とGPT-6 Lunaはメインランキング78.02点で、コード実行75・資料制約81.7と資料制約がより強い組み合わせを示した。一方、Claude Sonnet 4.6はメインランキング78.27点でコード実行100・資料制約51.7という特性を持つ。

GPT-5.5はメインランキングが24.8点低下し、コード実行が22点・資料制約が28.3点それぞれ低下した。Gemini 2.5 Proはメインランキングが24.7点低下し、コード実行が27.2点・資料制約が21.6点低下した。Gemini 3.1 Proはメインランキングが17.3点低下し、コード実行が22点・資料制約が11.6点低下した。DeepSeek V4 Proはメインランキングが15.6点低下し、コード実行が18.9点・資料制約が11.6点低下した。これらのスコア変動は問題のサンプリングによるばらつきに起因する可能性があり、真の性能低下が存在するかどうかは後続の実行で検証する必要がある。Claude Sonnet 4.6はメインランキングが14.1点上昇し、コード実行が31.1点上昇・資料制約が6.6点低下した。

Smoke速測は少サンプルの単日シグナルであり、各モデルのコード実行と資料制約の強弱の組み合わせはそれぞれ異なる。異常な変動については慎重な解釈にとどめ、長期的な結論は下さないものとする。

主な変化

• GPT-5.5：メインランキング24.8点低下、コード実行-22点、資料制約-28.3点
• Gemini 2.5 Pro：メインランキング24.7点低下、コード実行-27.2点、資料制約-21.6点
• Gemini 3.1 Pro：メインランキング17.3点低下、コード実行-22点、資料制約-11.6点
• DeepSeek V4 Pro：メインランキング15.6点低下、コード実行-18.9点、資料制約-11.6点
• Claude Sonnet 4.6：メインランキング14.1点上昇、コード実行+31.1点、資料制約-6.6点

注目すべきシグナル

• GLM-4.6：本日の誠実性評価はfail（当日のSmokeデータに基づく）。

このようなSmokeブリーフィングを読む際には、2つの点に重点を置くべきである。第一に、あるモデルが同種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に移行しているかどうか。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よる場合も、真の性能低下の早期シグナルである場合もあり、後続の実行による検証が必要である。

データ出典：YZ Index | Run #392 | 元データを見る