Claude Opus 4.7が94.91点で首位：2026-11-13 YZ Index Smoke速報データブリーフィング

2026-11-13のYZ Index Smoke速測は13モデルを対象とし、Claude Opus 4.7が94.91点で当日首位となった。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カバーしており、メインランキングの計算式は 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、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

スコア構造を見ると、Claude Opus 4.7はメインランキング94.91で首位を獲得し、コード実行99.5と資料制約89.3がバランスよく組み合わさっている。GPT-6 Astraはメインランキング92.33でコード実行94.8と資料制約89.3の組み合わせに支えられており、上位モデルは両指標で高い水準を維持していることが示された。Claude Sonnet 4.6（メイン82.31）とGPT-5.5（メイン81.55）は、コード実行でそれぞれ99.5と100という高スコアを記録しているものの、資料制約は61.3と59にとどまり、コード実行が強く資料制約が相対的に弱いという構造的特徴が見られる。GPT-o3とGPT-6.1 Solのメインランキングスコアはそれぞれ79.78と78.69であり、コード実行94.9・94.8が先行し資料制約61.3・59が後退するという同様の傾向を示している。

GPT-6 Lunaはメインランキングで28.5点低下・資料制約で68.3点低下、Gemini 3.1 Proはメインランキングで15.4点低下・資料制約で35.1点低下、GPT-6 Solはメインランキングで12.5点低下したもののコード実行は5.5点上昇・資料制約は34.4点低下した。これらの変動は問題のサンプリングによるばらつきに起因する可能性もあるが、資料制約における真の性能劣化である可能性もあり、安定性を確認するために後続の実行による再検証が必要である。GPT-5.5のメインランキングが11.1点上昇・コード実行が25点上昇、GPT-6 Astraのメインランキングが11点上昇・資料制約が24.5点上昇した点についても、偶発的な変動と継続的なパフォーマンスを区別するために複数回のテストが必要である。

Smokeは小サンプルの単日シグナルであり、現在のデータは当日の観察のみを提供するものである。異常シグナルは確認されておらず、解釈は慎重に保ち、モデルの長期的能力に関する結論を下すことは避ける。

主な変動

• GPT-6 Luna：メインランキング-28.5点、資料制約-68.3点
• Gemini 3.1 Pro：メインランキング-15.4点、資料制約-35.1点
• GPT-6 Sol：メインランキング-12.5点、コード実行+5.5点、資料制約-34.4点
• GPT-5.5：メインランキング+11.1点、コード実行+25点、資料制約-5.8点
• GPT-6 Astra：メインランキング+11点、資料制約+24.5点

注目すべきシグナル

• 今回は公表すべき異常シグナルは確認されなかった。

このようなSmoke速報を読む際は、2点に着目すべきである。第一に、あるモデルが同種の弱点を複数日にわたって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へと移行しているかどうか。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場合もあれば、真の性能劣化の早期シグナルである場合もあり、後続の実行による再検証が必要である。

データ出典：YZ Index | Run #425 | 元データを見る