2026-11-21 YZ Index Smoke速測は13モデルをカバーし、Doubao Proが91.11点で当日首位を獲得した。Smokeは毎日10問の簡易テストであり、短期シグナルの観察に適しており、Full週次ランキングの結論とは同等ではない。
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。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活用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 | 91.11 | 98.8 | 81.7 | pass |
| #2 | Grok 4 | 80.58 | 98.8 | 58.3 | pass |
| #3 | GPT-6 Luna | 80.13 | 99.3 | 56.7 | pass |
| #4 | GPT-o3 | 77.61 | 98.8 | 51.7 | pass |
| #5 | Gemini 3.1 Pro | 72.75 | 75 | 70 | pass |
| #6 | Claude Opus 4.7 | 72.37 | 74.3 | 70 | pass |
| #7 | GPT-6.1 Sol | 72.37 | 74.3 | 70 | pass |
| #8 | Gemini 2.5 Pro | 69.74 | 75 | 63.3 | pass |
| #9 | GPT-6 Astra | 69.35 | 74.3 | 63.3 | pass |
| #10 | GPT-6 Sol | 69.35 | 74.3 | 63.3 | pass |
| #11 | Claude Sonnet 4.6 | 69.08 | 73.8 | 63.3 | pass |
| #12 | DeepSeek V4 Pro | 67.49 | 75 | 58.3 | pass |
| #13 | GPT-5.5 | 55.65 | 49.3 | 63.4 | pass |
主な変動
- GPT-6 Luna:メインランキング+24.2点、コード実行+54.7点、資料制約-13.1点
- Claude Opus 4.7:メインランキング-19.8点、コード実行-20.2点、資料制約-19.3点
- GPT-o3:メインランキング+19.7点、コード実行+53.3点、資料制約-21.4点
- GPT-6 Astra:メインランキング-19.6点、コード実行-22.5点、資料制約-16点
- Gemini 3.1 Pro:メインランキング+17.7点、コード実行+45.5点、資料制約-16.3点
注目すべきシグナル
- 今回は公開可能な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つの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、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runによる検証が必要である。
データ出典:YZ Index | Run #437 | 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