GPT-6 AstraとGPT-6 Solが84.9点で並列首位：2026-11-02 Smokeクイックテストデータ速報

2026-11-02のYZ Index Smokeクイックテストは14モデルをカバーし、GPT-6 AstraとGPT-6 Solがともに84.9点で当日首位に並んだ。Smokeは毎日10問のクイックテストであり、短期的なシグナルの観察に適しているが、Fullウィークリーランキングの結論とは同一視できない。

今回のSmokeテストはコード実行とマテリアル制約の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 × マテリアル制約である。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としてではなく、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

データの解釈

当日のメインランキング上位2位であるGPT-6 AstraとGPT-6 Solはともにメインスコア84.9を記録し、コード実行75・マテリアル制約97と、両能力においてバランスの取れた構成を示している。Claude Opus 4.7はメインスコア82.84で、コード実行68.8・マテリアル制約100であり、マテリアル制約スコアは上位2モデルを上回るがコード実行はやや低い。Gemini 2.5 Proはメインスコア74.29で、コード実行73.7・マテリアル制約75と、コード実行は上位に近い一方でマテリアル制約は相対的に低い。

前回同条件のrunと比較すると、Gemini 2.5 Proのメインスコアは24.3点上昇し、コード実行+23.7点・マテリアル制約+25点となった。GLM-4.6はメインスコアが25点下落し、コード実行・マテリアル制約ともに25点下降した。GPT-o3はメインスコアが18.5点下落し、コード実行-39.1点・マテリアル制約+6.7点となった。これらの変化は問題サンプリングの変動に起因する可能性もあれば、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、後続runによる確認が必要である。

DeepSeek V4 ProとClaude Opus 4.7でも二桁台のメインスコア下落が見られ、コード実行の下落幅はそれぞれ50点と29点で、マテリアル制約は異なる方向に変動した。Smokeは小サンプルの単日シグナルであるため、上記の構造的特徴は当日の観察参考にとどまるものである。

主な変化

• GLM-4.6：メインスコア-25点、コード実行-25点、マテリアル制約-25点
• Gemini 2.5 Pro：メインスコア+24.3点、コード実行+23.7点、マテリアル制約+25点
• GPT-o3：メインスコア-18.5点、コード実行-39.1点、マテリアル制約+6.7点
• DeepSeek V4 Pro：メインスコア-16.3点、コード実行-50点、マテリアル制約+24.9点
• Claude Opus 4.7：メインスコア-16点、コード実行-29点

注目すべきシグナル

• 今回は公表可能な異常シグナルは確認されなかった。

この種のSmoke速報を読む際には、2点に着目すべきである。第一に、特定のモデルが複数日にわたって同種の弱点を繰り返し露呈しているかどうか。第二に、誠実性評価がpassからwarnまたはfailへ移行していないかどうか。単日のコード実行スコアやマテリアル制約スコアの大幅な変化は、問題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早期シグナルである可能性もあり、後続runによる確認が必要である。

データ出典：YZ Index | Run #407 | 元データを見る