Grok 4の材料制約スコアが17.4点急落、コード実行は7.9点上昇——Smoke評価メインランキングは3.5点低下
本日のSmoke評価において、Grok 4の材料制約スコアが75.00点から57.60点へと17.4点急落した一方、コード実行スコアは74.40点から82.30点へ上昇し、メインランキングの総合スコアは74.67点から71.19点へと3.5
材料约束 に関するニュース
GLM-4.6、誠実性評価でfail――YZ Index主要ランキング18.25点、資料制約はわずか10.00点
GLM-4.6はYZ IndexのRun#392スモークテストにおいて主要ランキング18.25点、資料制約10.00点という低スコアを記録し、同日テストされた全モデルの中で唯一、誠実性評価でfailの判定を受けた。
Claude Sonnet 4.6、Smoke評価でメインスコアが16.9点急落——材料制約が1日で30点下落
Claude Sonnet 4.6は本日のSmoke評価においてメインスコアが80.99点から64.13点へと16.9点下落した。主な要因は材料制約ディメンションが88.30点から58.30点へと急落したことにある。
Gemini 3.1 Pro、材料制約スコアが16.7点急落——コード実行は27点上昇
Gemini 3.1 ProがSmoke評価の本日テストで、総合スコアは83.50点から90.84点へ上昇した一方、材料制約ディメンションは100.00点から83.30点へ16.7点急落し、コード実行ディメンションは70.00点から97.0
GLM-4.6、材料制約スコアが30.2点急落、コード実行は22点上昇
GLM-4.6の本日のSmokeベンチマークにおいて、材料制約スコアが80.20点から50.00点へ30.2点急落した一方、コード実行スコアは25.00点から47.00点へ22点上昇した。主要ランキングスコアは49.84点から48.35点へ
DeepSeek V4 Pro、メインランキングで18.6ポイント下落――材料制約が単日27.6ポイント減で最大の押し下げ要因に
DeepSeek V4 ProはSmoke評価の本日分でメインランキングスコアが68.16点から49.52点へ18.6ポイント下落した。材料制約ディメンションが単日27.6ポイント減と最大の下落幅を記録し、主な押し下げ要因となった。
DeepSeek V4 Pro、材料制約スコアが18.1点急落——コード実行は満点100点を記録
DeepSeek V4 Proの本日のSmokeテストにおいて、材料制約スコアが88.10点から70.00点へ18.1点急落した一方、コード実行は100点満点を達成。全体の主要スコアは79.25点から86.50点へ上昇した。
Gemini 3.1 Pro、材料制約スコアが15.3点下落——コード実行は満点100点を達成
Gemini 3.1 ProのSmokeテスト本日評価で、材料制約スコアが88.10点から72.80点へ15.3点下落した一方、コード実行スコアは54.50点から100.00点の満点へ急伸。メインランキングスコアは69.62点から87.76
Claude Opus 4.7、主要ランキングで20.1点急落——コード実行は1日で28.1点下降
Claude Opus 4.7が本日のSmoke評価においてメインスコアが93.54点から73.45点へ急落した。コード実行次元が28.1点と最大の下落幅を記録したが、サブ指標の改善傾向から系統的な能力劣化の可能性は低いと分析される。
DoubaoプロのSmokeテストで材料制約スコアが15.3点急落、総合ランキングも4.3点下降
Doubao ProのSmokeテストにおける本日の評価で、材料制約スコアが87.90点から72.60点へと15.3点下落し、総合ランキングスコアが89.44点から85.09点に低下した。コード実行や課題表現の各スコアは改善が見られたものの
DeepSeek V4 Pro、コード実行スコアが72点に急落22.5ポイント——総合スコアは84.6点に低下
DeepSeek V4 ProのSmokeベンチマーク最新評価において、コード実行スコアが94.50点から72.00点に急落し、総合スコアも92.39点から84.60点に下落した。ただし、他の評価軸は改善または維持されており、モデル全体の性
Gemini 3.1 Pro、コード実行スコアが27.2点急落――総合ランキングも6.5点下落
Gemini 3.1 ProのSmokeベンチマークにおけるコード実行スコアが91.70点から64.50点へ27.2点急落し、総合スコアも82.39点から75.89点に低下した。ただし、他の評価軸は安定または上昇しており、問題サンプリングに
GPT-6.1 Sol、材料制約スコアが19点急落——コード実行は25点急騰
本日のSmoke評価において、GPT-6.1 Solの材料制約スコアが89.30点から70.30点へ19点急落した一方、コード実行スコアは72.00点から97.00点へ25点急騰し、総合ランキングは79.79点から84.99点へ上昇した。
GPT-6 Astraの材料制約スコアが19点急落、コード実行は25点急騰、総合ランキングは5.2点上昇
本日のSmoke評価において、GPT-6 Astraの材料制約スコアが19点下落した一方、コード実行スコアが25点上昇し、総合スコアは5.2点のプラスとなった。二つの主要監査可能ディメンションが真逆の動きを示し、1日の極差は44点に達した。
GPT-6 Luna、材料制約スコアが20点下落・コード実行が41.7点上昇——総合ランキングは13.9点増加
本日のSmoke評価テストにおいて、GPT-6 Lunaの材料制約スコアが95.00点から75.00点に低下した一方、コード実行スコアは58.30点から100.00点に上昇し、総合ランキングスコアは74.82点から88.75点へと13.9点
Claude Opus 4.7の材料制約スコアが15.9点急落、総合ランキングは5.8点上昇
本日のSmoke評価テストにおいて、Claude Opus 4.7の材料制約スコアが100.00点から84.10点へ15.9点下落した一方、コード実行スコアが23.5点上昇し、総合ランキングスコアは92.02点へと5.8点改善した。
Claude Sonnet 4.6、材料制約スコアが30.6ポイント急落――コード実行は25ポイント上昇
本日のSmoke評価において、Claude Sonnet 4.6の材料制約スコアが93.30点から62.70点へ30.6ポイント急落した一方、コード実行スコアは50.00点から75.00点へ25ポイント上昇し、メインボードの総合スコアはほぼ
GPT-6 Sol、材料制約スコアが33.3点急落——コード実行は25点上昇、主要ランキングは小幅低下
GPT-6 SolはSmoke評価の本日テストで材料制約スコアが88.30点から55.00点へ33.3点急落した一方、コード実行は100点満点を達成。主要ランキングは80.99点から79.75点への微減にとどまった。
Gemini 2.5 Pro、素材制約スコアが28点急落——コード実行は満点100点に
本日のSmokeベンチマークにおいて、Gemini 2.5 Proの素材制約スコアが昨日の100点から72点へ28点下落した一方、コード実行スコアは71.90点から100点へ上昇し、総合スコアは84.55点から87.40点に改善した。
GLM-4.6、材料制約で満点・コード実行41.70点・誠実性プローブはわずか15点
GLM-4.6はYZ IndexのSmokeクイックテストで材料制約100点満点を記録した一方、コード実行は41.70点にとどまり、誠実性評価はfailとなった。同日テストした14モデルの中で唯一failとなった点が注目される。