GLM-4.6 WDCD12.1ポイント急上昇で首位獲得、GPT-o3は9.1ポイント下落——5モデル上昇・4モデル下降の守約能力シャッフル
YZ Index最新Run #434において、GLM-4.6のWDCDスコアが12.1ポイント上昇して88.60に達し首位を獲得。一方GPT-o3は9.1ポイント下落し、AIモデル間の守約能力に明確な格差が生じた。
YZ Index最新Run #434において、GLM-4.6のWDCDスコアが12.1ポイント上昇して88.60に達し首位を獲得。一方GPT-o3は9.1ポイント下落し、AIモデル間の守約能力に明確な格差が生じた。
WDCD v3.1の最新評価において、GLM-4.6が88.60点で15モデル中首位を獲得し、Doubao Proが65.40点で最下位となった。上位と下位の差は23.2点に達している。
YZ IndexのSmoke速報テスト(Run#423)において、GLM-4.6は主要ランキング53.40点、コード実行25.00点、資料制約88.10点を記録し、誠実性評価はfail(探針スコア25.00点)となった。同日テストを受けた他
GLM-4.6は本日のSmokeテストで主榜36.25点を記録したが、API障害によりcommunication次元のデータが完全に欠損し、正式ランキングへの参入は見送られた。コード実行・工程判断いずれも25.00点、材料制約のみ50.00
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。
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
GLM-4.6がWDCD v3.1試験で満点100点を獲得して首位に立つ一方、Doubao Proは62点で最下位となり、両者の38点差はAIモデルの制約維持能力における深刻な格差を浮き彫りにした。
GLM-4.6が本日のSmokeテスト評価においてデータ不完整な状況が発生し、grounding(情報根拠)とjudgment(工学的判断)の2次元が欠損。APIの障害またはタイムアウトにより自動再実行プロセスに入り、今回は主要ランキングへ
GLM-4.6が本日のSmokeテストでコード実行58.30点、資料制約100.00点、エンジニアリング判断75.00点、総合74.00点を記録した。API障害・タイムアウトによりintegrityおよびcommunicationの2次元の
WDCD v3.1パイロット版のRun #360において、GLM-4.6が26点上昇して87.55を記録し総合3位に浮上。GPT-5.5も10.5点上昇し、遵約能力評価の勢力図に大きな変化が生じた。
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。
GLM-4.6が本日のSmoke評価においてAPI障害またはタイムアウトによりexecution・grounding・judgment・integrity・communicationの全5次元のスコアが欠落し、ランキングに参加できなかった。
GLM-4.6が本日のSmoke評価においてAPI障害・タイムアウトにより全5次元のデータが欠落し、自動再実行に入ったため今回のランキングには参加しない。欠落はモデル本来の性能ではなくインターフェース層の接続断に起因するとみられる。
2026年9月7日〜13日のYZ Index週次レポートで、Grok 4がトレンド+6.9・均値85.8点でトップを走る一方、GLM-4.6は最終日にゼロ点へ急落し、トレンド-83.5という最大の下落幅を記録した。
GLM-4.6が本日のSmoke評価において材料制約スコアが21点急落した一方、コード実行スコアは25点上昇し、総合スコアは60.94点から65.24点へと小幅上昇した。誠実性評価はpassからwarnに変化しており、材料依存型の業務シーン
GLM-4.6が本日のSmoke評価テストでメインランキングスコアを48.25点から60.94点へ12.7点改善し、誠実性評価もfailからpassに転換した。ただしスコア変動の主因は素材制約次元の大幅上昇であり、工程判断・タスク表現の両次
2026年9月3日実施のRun#307において、GLM-4.6は誠実性評価でfailと判定され、プローブスコア15.00、主要ランキングスコア48.25点を記録した。同日テストされた他の全モデルが誠実性評価をpassしており、GLM-4.6
GLM-4.6が本日のSmoke評価でメインランキング79.38点を記録。コード実行は62.50点に下落した一方、資料制約は100.00点の満点を獲得し、誠実性評価はfailからpassに転換した。
GLM-4.6は本日のSmoke評価において、誠実性評価がPassからFailに転落し、タスク表現スコアが45.00点から20.00点へと大幅に低下した。一方でコード実行スコアの上昇により、メインランキングのスコアは61.25点から74.0
GLM-4.6の本日のSmokeテストでは、資料制約71.90点・エンジニアリング判断63.90点・タスク表現50.00点を記録したが、APIの障害またはタイムアウトによりコード実行と誠実性の2次元のデータが完全に欠損し、メインランキングへ