2026-11-06のYZ Index Smoke速報テストは13モデルを対象に実施され、Doubao Proが87.6点で当日首位となった。Smokeは毎日10問の速報テストであり、短期シグナルの観察に適しているが、週次Full総合ランキングの結論とは同一ではない。
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
| 順位 | モデル | メインランキング | コード実行 | 資料制約 | 誠実性 |
|---|---|---|---|---|---|
| #1 | Doubao Pro | 87.6 | 90.3 | 84.3 | pass |
| #2 | Claude Opus 4.7 | 80.66 | 69.5 | 94.3 | pass |
| #3 | Gemini 3.1 Pro | 79.69 | 74.2 | 86.4 | pass |
| #4 | GPT-6 Astra | 79.29 | 94.5 | 60.7 | pass |
| #5 | GPT-6.1 Sol | 79.29 | 94.5 | 60.7 | pass |
| #6 | Grok 4 | 74.26 | 82 | 64.8 | pass |
| #7 | GPT-5.5 | 73.91 | 69.5 | 79.3 | pass |
| #8 | Gemini 2.5 Pro | 73.85 | 65.3 | 84.3 | pass |
| #9 | DeepSeek V4 Pro | 73.46 | 69.5 | 78.3 | pass |
| #10 | Claude Sonnet 4.6 | 69.76 | 82 | 54.8 | pass |
| #11 | GPT-6 Sol | 68.11 | 69.5 | 66.4 | pass |
| #12 | GPT-o3 | 67.79 | 69.5 | 65.7 | warn |
| #13 | GPT-6 Luna | 64.13 | 50 | 81.4 | pass |
主な変動
- Claude Opus 4.7：メインランキング+29.6点、コード実行+50.1点
- GPT-5.5：メインランキング+19.8点、コード実行+44.5点、資料制約−10.5点
- Doubao Pro：メインランキング+17.4点、コード実行+40.3点、資料制約−10.5点
- Gemini 2.5 Pro：メインランキング+16.2点、コード実行+34点、資料制約−5.5点
- GPT-o3：メインランキング+13.6点、コード実行+44.5点、資料制約−24.1点、誠実性 pass→warn
注目すべきシグナル
- GPT-6 Astra：資料制約が急落 −29.1点
- GPT-6.1 Sol：資料制約が急落 −29.1点
- Grok 4：資料制約が急落 −25点
- Claude Sonnet 4.6：資料制約が急落 −38点
- GPT-o3：資料制約が急落 −24.1点
- GLM-4.6：データ不完全（一部次元欠落、API障害/タイムアウト）のため自動再実行待ち、今回のランキングには不参加
- Qwen3 Max：データ不完全（複数次元欠落、API障害/タイムアウト）のため自動再実行待ち、今回のランキングには不参加
このSmoke速報を読む際は、2点に注目すべきである。第一に、あるモデルが複数日にわたって同種の弱点を露呈していないか。第二に、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、問題サンプリングに起因する場合もあるが、実際の性能低下の初期シグナルである可能性もあり、後続の実行による検証が必要である。
データ出典：YZ Index | Run #414 | 元データを見る
© 2026 Winzheng.com 赢政天下 | 转载请注明来源并附原文链接