Claude Opus 4.7が87.7点で首位：2026-10-27 YZ Index Smoke速報データブリーフィング

2026-10-27のYZ Index Smokeクイックテストは13モデルを対象に実施され、Claude Opus 4.7が87.7点で当日首位となった。Smokeは日次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、週次Full総合ランキングの結論とは同等ではない。

今回のSmokeテスト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算出式は0.55 × コード実行 + 0.45 × 資料制約である。日次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参照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クイックテストでは、Claude Opus 4.7がメインランキング87.7点で首位となった。コード実行99.8と資料制約72.9がともに高水準で揃い、0.55×コード実行+0.45×資料制約の算出式においてバランスよく貢献していることが示された。GPT-5.5はメインランキング78.49で2位につけ、コード実行100点に対して資料制約は52.2点にとどまり、コード実行主導の構造的特性が見られる。Gemini 3.1 Proはメインランキング77.34で、コード実行75と資料制約80.2という比較的均衡した組み合わせを示している。GPT-6 Astraはメインランキング76.65で、同様にコード実行100点に依存し資料制約は48.1点となっている。

直前の同一基準実行との比較では、GPT-5.5のメインランキングが46.3点上昇し、主にコード実行が92.6点上昇した一方で資料制約が10.2点低下したことによる。Claude Opus 4.7はメインランキングが36.7点上昇し、コード実行が70点上昇した。Gemini 3.1 Proはメインランキングが34.3点上昇し、コード実行50点増加、資料制約15点増加となった。GPT-o3はメインランキングが24.9点上昇し、コード実行が50点増加した。GPT-6.1 Solはメインランキングが23.2点低下し、コード実行が25点、資料制約が20.9点それぞれ低下した。これらの単日変動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変化を反映している可能性もあり、後続の実行による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、今回は異常シグナルは検出されず、全モデルの誠実性評価はpassとなった。解釈は本日のデータ構造分析に限定されており、長期的な推断は行わない。

主な変動

• GPT-5.5：メインランキング+46.3点、コード実行+92.6点、資料制約-10.2点
• Claude Opus 4.7：メインランキング+36.7点、コード実行+70点
• Gemini 3.1 Pro：メインランキング+34.3点、コード実行+50点、資料制約+15点
• GPT-o3：メインランキング+24.9点、コード実行+50点、資料制約-5.9点
• GPT-6.1 Sol：メインランキング-23.2点、コード実行-25点、資料制約-20.9点

注目すべきシグナル

• 今回、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ブリーフィングを読む際は、2つの点に着目すべきである。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へと移行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起因することもあれば、実際の性能低下の早期シグナルである可能性もあり、後続の実行による再確認が必要である。

データ出典：YZ Index | Run #398 | 元データを見る