GPT-6.1 Solが86.05点で首位：2026年10月26日 YZ Index Smoke速報データブリーフ

2026年10月26日のYZ Index Smoke速測は13モデルを対象とし、GPT-6.1 Solが86.05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おり、Fullウィークリー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結論としてではなく、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

データ解説

本日のメインランキング上位3モデルは、コード実行と資料制約の組み合わせに明確な分化が見られる。GPT-6.1 Solはコード実行100・資料制約69でメインランキング86.05を獲得し、GPT-6 Astraも同様にコード実行100ながら資料制約は63.3にとどまり、メインランキング83.49となった。Claude Sonnet 4.6はコード実行72.4・資料制約79.8でメインランキング75.73となっている。高いコード実行スコアに中程度の資料制約を組み合わせたパターンが、メインランキングの算式において上位2モデルに明確な優位をもたらしており、資料制約が相対的に強いClaude Sonnet 4.6は総合ランキングで3位となった。

複数のモデルで前回同条件の実行と比較して大幅な下落が見られた。GPT-5.5はメインランキングが63点下落し、コード実行は92.6点、資料制約は26.9点それぞれ低下した。Doubao Proはメインランキングが45.6点下落し、コード実行は68.6点、資料制約は17.4点低下した。GPT-o3はメインランキングが41.3点、コード実行が70.5点下落し、Gemini 3.1 ProとGrok 4のメインランキングもそれぞれ38.4点・38.1点低下した。これらの変化は問題のサンプリング変動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、Smokeテストは小サンプルの単日シグナルであるため、後続の実行による確認が必要である。

その他のモデルでは、DeepSeek V4 Proはコード実行0・資料制約93.3でメインランキング41.99、GPT-o3はコード実行0・資料制約78.8でメインランキング35.46となっており、いずれも資料制約が主導する構造的特徴を示している。全体として、上位モデルと変動の大きいモデルとのスコア構造の差異は主にコード実行と資料制約のバランスに集中しており、現在のデータは当日の参考情報としてのみ活用されたい。

主な変化

• GPT-5.5：メインランキング63点下落、コード実行 -92.6点、資料制約 -26.9点
• Doubao Pro：メインランキング45.6点下落、コード実行 -68.6点、資料制約 -17.4点
• GPT-o3：メインランキング41.3点下落、コード実行 -70.5点、資料制約 -5.7点
• Gemini 3.1 Pro：メインランキング38.4点下落、コード実行 -50点、資料制約 -24.1点
• Grok 4：メインランキング38.1点下落、コード実行 -52.7点、資料制約 -20.2点

注目すべきシグナル

• 今回、公開可能な異常シグナルは確認されなかった。

このようなSmoke速報を読む際には、2つの問いに焦点を当てるべきである。第1に、あるモデルが複数日連続して同種の弱点を示しているか。第2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、後続の実行による確認が必要である。

データ出典：YZ Index | Run #396 | 元データを確認