Claude Sonnet 4.6・GPT-6 Astra・GPT-6 Sol・GPT-6.1 Solが87.36点で並列首位：2026-10-29 YZ Index Smoke速報データ

2026-10-29のYZ Index Smoke速測では14モデルを対象に評価が行われ、Claude Sonnet 4.6・GPT-6 Astra・GPT-6 Sol・GPT-6.1 Solが87.36点で当日首位に並んだ。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おり、週次のFull評価の結論とは同一視できない。

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軸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評価ではなく、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速測では、上位モデルのコード実行と資料制約の組み合わせに明確な特徴が見られた。Claude Sonnet 4.6・GPT-6 Astra・GPT-6 Sol・GPT-6.1 Solの4モデルはいずれもメインスコア87.36、コード実行100、資料制約71.9であり、高いコード実行スコアと中程度の資料制約スコアの組み合わせが上位を支えている。Doubao Proはメイン85.11、コード実行100、資料制約66.9で、同様にコード実行の優位性に依存している。一方、GPT-o3はメイン78.42、コード実行75、資料制約82.6と、資料制約がより強い構成を示している。Gemini 3.1 Proはメイン77.46、コード実行82、資料制約71.9と、両軸が比較的均衡している。

前回の同一条件の実行と比較すると、一部モデルに顕著な変化が見られた。Gemini 3.1 Proはメインスコアが31.8点上昇し、コード実行が57点上昇した。DeepSeek V4 Proはメインが27.9点上昇し、コード実行が50点上昇した。Claude Sonnet 4.6はメインが20.7点上昇し、コード実行が25.2点、資料制約が15.2点それぞれ上昇した。Gemini 2.5 Proはメインが14.9点上昇し、コード実行が20.8点、資料制約が7.6点上昇した。これらの変動はコード実行軸に集中しており、単日テストにおいて同軸の変動がメインスコアに大きく影響することを示している。

異常シグナルとして、Grok 4の資料制約が17.4点急落し、GPT-6 Lunaのメインスコアが19.8点、コード実行が25点、資料制約が13.4点それぞれ急落した。Qwen3 Maxはデータが不完全なため今回のランキングに参加していない。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、実際の性能低下を反映している可能性もあり、今後の実行による確認が必要である。Smoke速測は小サンプルの単日シグナルであり、以上の観察はあくまで参考情報として扱われたい。

主な変化

• Gemini 3.1 Pro：メインスコア+31.8点、コード実行+57点
• DeepSeek V4 Pro：メインスコア+27.9点、コード実行+50点
• Claude Sonnet 4.6：メインスコア+20.7点、コード実行+25.2点、資料制約+15.2点
• GPT-6 Luna：メインスコア-19.8点、コード実行-25点、資料制約-13.4点
• Gemini 2.5 Pro：メインスコア+14.9点、コード実行+20.8点、資料制約+7.6点

注目すべきシグナル

• Grok 4：資料制約が急落 -17.4点
• GPT-6 Luna：メインスコアが急落 -19.8点
• Qwen3 Max：データ不完全（複数の評価軸でAPIエラー・タイムアウトが発生）のため自動再実行待ちとなり、今回のランキングには参加しない

この種のSmoke速報を読む際には、2つの点に注目することが重要である。第一に、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起因する場合もあれば、実際の性能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 #401 | 元データを見る