GPT-5.5のSmoke評価メインランキングが9.1点急落——資料制約が1日で16.5点下落
GPT-5.5が本日のSmoke評価においてメインランキングのスコアを95.01から85.93へ9.1点下落させた。主因は資料制約スコアの16.5点急落であり、モデル全体の劣化ではなく出題のランダム性による変動と分析されている。
AIレビュー
GPT-o3のSmokeベンチマーク総合スコアが1日で10.1点急落――素材制約次元が22.4点崩壊
GPT-o3の本日のSmokeベンチマーク総合スコアが昨日の100.00点から89.92点へ10.1点下落した。主因は素材制約次元が100.00点から77.60点へ22.4点急落したことにある。
Claude Opus 4.7が93.54点で首位：2026-08-28 YZ Index Smoke速報データブリーフィング
2026年8月28日のYZ Index Smoke速測では11モデルを対象に評価が行われ、Claude Opus 4.7が93.54点で当日首位を獲得した。Smokeは1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、週次フルランキ
DoubaoProの材料制約スコアが20.5点急落、コード実行は25点急上昇
DoubaoProが本日のSmokeテストで材料制約スコアを100.00から79.50へと20.5点落とした一方、コード実行は75.00から100.00へと25点上昇し、主要ランキングスコアは86.25から90.78へと改善した。
Claude Sonnet 4.6、素材制約スコアが20.5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、Claude Sonnet 4.6の素材制約スコアが前日の100点から79.50点へと20.5点下落した一方、コード実行スコアは73.70点から100点に上昇し、メインボードの総合スコアは85.54点か
Claude Opus 4.7とGPT-o3が同率100点首位：2026-08-27 YZ Index Smoke速報データブリーフィング
2026年8月27日のYZ Index Smoke速測では11モデルを対象に評価が行われ、Claude Opus 4.7とGPT-o3が100点で同率首位となった。本速報はコード実行と資料制約の2次元のみを対象とした日次10問の簡易評価であ
Claude Sonnet 4.6が13.5点急騰、Gemini 2.5 Proは12.5点急落——WDCD v3.1守約ランキングが大幅刷新
WDCD v3.1テスト（Run #296）において、Claude Sonnet 4.6が13.5点上昇して91.60点を記録した一方、Gemini 2.5 Proは12.5点急落。Grok 4が96.30点で首位を維持し、GPT-o3が9
WDCD五大シナリオ横断評価：安全コンプライアンスの最低スコアは1.5点、Qwen3-maxの得意・不得意の差は2.5点
WDCD v3.1テストにおいて、安全コンプライアンスシナリオは11モデルの平均スコアが他の4カテゴリを大きく下回り、Qwen3-maxはわずか1.5/4点を記録。一方、claude-sonnet-4.6、gpt-o3、grok-4の3モデ
11モデルのv2アンカー問題R3誠実率0%：WDCD守約テストが全面崩壊
8問のv2アンカー問題を対象としたテストにおいて、11の評価対象モデル全てでR1確認率・R2抵抗率・R3誠実率がすべて0%となり、3段階の漸進的プレッシャー下で約束を守れたモデルは皆無だった。
Grok 4がWDCDで96.3点首位、DoubaoProは67.9点で最下位――28点差の格差
WDCD v3.1守約（約束遵守）総合ランキングにおいて、Grok 4が96.30点で首位を獲得し、Doubao Proの67.90点と28.4点の大差をつけた。上位3モデルと下位3モデルの平均点差は約25点に達し、モデル間の能力格差が鮮明
Doubao Proのコード実行スコアが16.7点急落、素材制約は30.6点上昇
Doubao ProのSmoke評価において、本日のコード実行スコアが75.00点に急落した一方、素材制約スコアは満点の100点に達した。スコアの変動は主に日次の出題抽選によるものと分析されている。
GPT-o3が97.75点で首位：2026-08-26 YZ Index Smoke速報データブリーフィング
2026年8月26日のYZ Index Smoke速測では11モデルを対象にGPT-o3が97.75点で当日首位を獲得。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。
暴風影音とRMVB時代：万能プレイヤー、コーデック地獄、そして視聴の自由
中国のソフトウェア史を振り返り、RMVB全盛期における動画プレイヤーとコーデック地獄の時代を、Winzhengソフトウェア史アーカイブの記録をもとに詳述する。暴風影音の台頭と堕落から、KMPlayer・PotPlayerの登場、P2Pテレビ
MP3と千千静聴の時代：歌詞表示、スキン、そして一人が作り上げた国民的プレイヤー
MP3フォーマットが音楽の聴き方を一変させた中国のデスクトップ音楽プレイヤー戦争を、Winzhengソフトウェア史アーカイブの記録をもとに振り返る。一人の開発者が作った千千静聴（TTPlayer）の誕生から、百度による買収、そして腾讯音楽に
GPT-o3が86.25点で首位：2026-08-25 YZ Index Smoke速報データブリーフィング
2026年8月25日のYZ Index Smoke速測では11モデルを対象に評価が行われ、GPT-o3が86.25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問の小サンプル評価であり、短期シグナルの観
DeepSeek V4 Pro、材料制約スコアが18.4点急落——コード実行は逆に11.1点上昇
本日のSmokeテストにおいて、DeepSeek V4 Proの材料制約スコアが昨日の81.70点から63.30点へ18.4点急落した一方、コード実行スコアは83.40点から94.50点へ11.1点上昇した。主要ランキングの総合スコアは82
Gemini 3.1 Proが96.98点で首位：2026-08-24 YZ Index Smoke速報データブリーフィング
2026年8月24日のYZ Index Smoke速測では11モデルを対象に評価が行われ、Gemini 3.1 Proが96.98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次元を対象とした小サンプルの日次シグナルである。
ダウンロードツール戦争：FlashGetの没落、Thunderの圧勝、そしてBTのアンダーグラウンド
帯域幅がKB単位で計られた時代に勃発した中国語インターネット史上最大のソフトウェア戦争を振り返る。FlashGetからThunder、BT、eMuleまで、各ツールの興亡をWinzhengのソフトウェア史アーカイブの記録とともに辿る。
4モデルのWDCDスコアが一斉上昇、下落ゼロ――Grok 4が94点でトップ維持
WDCD v3.1パイロット評価において、Doubao Pro・Gemini 2.5 Pro・GLM-4.6・Qwen3 Maxの4モデルがそれぞれ6点以上のスコア上昇を記録し、下落したモデルはゼロ。Grok 4は94.00点で首位を堅持し
業務ルール1.83点が最低、Grok-4の安全コンプライアンス3.86点——5大シナリオで最も約束を守れないのはどのモデルか
WDCD v3.1の5大制約シナリオ横断評価では、業務ルールシナリオで全体スコアが最低となり、Doubao-Proはわずか1.83/4と、Grok-4の満点4/4を大幅に下回った。安全コンプライアンスシナリオでも1.87/4という極めて低い