GPT-o3が94.51点で首位：2026年10月17日 YZ Index Smoke速報データブリーフィング
2026年10月17日のYZ Index Smoke速測では14モデルを対象に評価が行われ、GPT-o3が94.51点で当日首位を獲得した。本速測はコード実行と資料制約の2次元のみをカバーする1日10問の簡易測定であり、短期シグナルの観察に
AI评测 に関するニュース
Doubao Pro が85.09点で首位：2026年10月16日 YZ Index Smoke クイックテスト速報
2026年10月16日のYZ Index Smokeクイックテストでは13モデルを対象に評価が行われ、Doubao Proが85.09点で当日首位を獲得した。本テストは1日10問の小規模サンプルによる短期シグナル観測に適したものであり、週次
Gemini 2.5 Proが95.91点で首位：2026年10月15日 YZ Index Smoke簡易テスト速報
2026年10月15日実施のYZ Index Smoke簡易テストでは13モデルを評価し、Gemini 2.5 Proが95.91点で当日首位を獲得した。一部モデルでは大幅な得点変動が観測され、継続的なモニタリングが必要とされている。
AnthropicとOpenAI、評価レポート発表前に承認を要求――独立性の公約と矛盾
ロイターの報道によると、AnthropicとOpenAIはともに外部評価機関によるレポートの発表前に承認権を求めており、両社がこれまで表明してきた評価機関の編集独立性への支持と矛盾する実態が明らかになった。
Claude Opus 4.7・DeepSeek V4 Pro・GPT-o3が92.39点で並列首位：2026-10-14 YZ Index Smoke速報データブリーフィング
2026年10月14日実施のYZ Index Smokeテストで13モデルを評価した結果、Claude Opus 4.7・DeepSeek V4 Pro・GPT-o3が92.39点で並列首位となった。Gemini 3.1 Proのコード実行
Gemini 3.1 Proが82.39点で首位：2026年10月13日 YZ Index Smoke速報データブリーフィング
2026年10月13日のYZ Index Smoke速報では、13モデルを対象に評価が実施され、Gemini 3.1 Proが82.39点で当日首位を獲得した。コード実行と資料制約の2次元を評価する小サンプルの日次シグナルとして、短期的な動
GPT-6 AstraとGPT-6.1 Solが84.99点で並列首位：2026-10-12 YZ Index Smoke速報データブリーフィング
2026年10月12日のYZ Index Smokeテストでは14モデルを対象に評価が行われ、GPT-6 AstraとGPT-6.1 Solがいずれも84.99点で当日首位に並んだ。本レポートはコード実行と資料制約の2次元のみを対象とした小
Claude Opus 4.7・GPT-6 Astra・GPT-6.1 Sol が79.79点で並列首位：2026-10-11 YZ Index Smoke 速報
2026年10月11日のYZ Index Smoke速報では、13モデルを対象に評価が実施され、Claude Opus 4.7・GPT-6 Astra・GPT-6.1 Solが79.79点で並列首位となった。Smokeは1日10問の速報テス
DeepSeek V4 Proが96.94点で首位：2026-10-10 YZ Index Smoke速報データブリーフィング
2026年10月10日のYZ Index Smoke速測では15モデルを対象に評価が行われ、DeepSeek V4 Proが96.94点で当日首位を獲得した。Smokeは毎日10問の速測であり、短期的なシグナル観察に適しており、Full週次
Claude Sonnet 4.6が94.74点で首位：2026年10月9日 YZ Index Smoke クイックテスト日次レポート
2026年10月9日のYZ Index Smokeクイックテストでは14モデルを対象に評価が行われ、Claude Sonnet 4.6が94.74点で当日首位を獲得した。本レポートはコード実行とマテリアル制約の2次元を対象とした小サンプルの
テレンス・タオ、OpenAIによる722篇数学手稿の一括公開を批判——「問題解決は手段に過ぎず、数学は土壌を失いつつある」
2026年10月6日、OpenAIが内部AIモデルの生成した722篇の数学手稿をGitHubに一括公開したことを受け、フィールズ賞受賞者のテレンス・タオが公開批判を行った。タオは、AIが解題を最適化目標としているために方法論や失敗の経路とい
Claude Sonnet 4.6が87.41点で首位：2026年10月8日 YZ Index Smoke クイックテスト速報
2026年10月8日実施のYZ Index Smokeクイックテストでは、15モデルを対象に評価が行われ、Claude Sonnet 4.6が87.41点で当日首位を獲得した。本テストは1日10問の小規模サンプルによる短期シグナル観測に適し
Claude Opus 4.7が97.48点で首位：2026年10月7日 YZ Index Smoke簡易テスト日次レポート
2026年10月7日のYZ Index Smokeテストでは14モデルを対象に評価が行われ、Claude Opus 4.7が97.48点で当日首位を獲得した。本レポートは毎日10問の簡易テストに基づく短期シグナル観測用データであり、週次フル
GPT-6 Luna と GPT-6 Sol が80.99点で並列首位：2026-10-06 YZ Index Smoke クイックテスト速報
2026年10月6日実施のYZ Index Smokeクイックテストで、15モデルを対象に評価が行われ、GPT-6 LunaとGPT-6 Solが80.99点で当日首位に並んだ。Smokeテストは1日10問の小規模評価であり、短期的なシグナ
Claude Opus 4.7が95.63点で首位：2026-10-05 YZ Index Smoke速報データブリーフィング
2026年10月5日のYZ Index Smoke速測では14モデルを対象に評価が行われ、Claude Opus 4.7が95.63点で当日首位を獲得した。本レポートはコード実行と資料制約の2次元のみを対象とした小サンプルの日次シグナルであ
Claude Opus 4.7が81.57点で首位：2026-10-04 YZ Index Smoke簡易テスト日次レポート
2026年10月4日実施のYZ Index Smokeテスト（15モデル対象）において、Claude Opus 4.7が81.57点で当日首位を獲得。Smokeテストは毎日10問の簡易テストであり、短期的なシグナル観察に適しているが、Ful
Claude Opus 4.7が98.65点で首位：2026-10-03 YZ Index Smoke速報データブリーフィング
2026年10月3日のYZ Index Smoke速測では、15モデルを対象にClaude Opus 4.7が98.65点で当日首位を獲得した。Smokeは毎日10問の速測であり、短期的なシグナル観察に適している。
Claude Opus 4.7・GPT-5.5・GPT-6 Astra・GPT-6.1 Solが86.25点で並列首位：2026-10-02 YZ Index Smoke速報データブリーフィング
2026年10月2日のYZ Index Smokeテストでは15モデルを対象に評価が行われ、Claude Opus 4.7・GPT-5.5・GPT-6 Astra・GPT-6.1 Solが86.25点で並列首位となった。Smokeテストは日
GPT-6.1 Sol 補足テスト：GPT-6ファミリー4モデルと単回スコアのノイズ
YZ IndexがGPT-6ファミリー4モデル（GPT-6.1 Sol、GPT-6 Astra、GPT-6 Sol、GPT-6 Luna）を同一の18問で比較テストし、単回スコアに含まれるランダム誤差の大きさと、価格差を踏まえたモデル選定の
Doubao Pro が95.52点で首位：2026年10月1日 YZ Index Smoke クイックテストデータ速報
2026年10月1日実施のYZ Index Smokeクイックテストでは、15モデルを対象に評価が行われ、Doubao Proが95.52点で当日首位を獲得した。Smokeは毎日10問のクイックテストであり、短期シグナルの観察に適している。