Claude Opus 4.7・Gemini 2.5 Pro・GPT-5.5が同率100点：2026-07-15 YZ Index Smoke速報データブリーフ
2026年7月15日のYZ Index Smokeクイックテストでは、Claude Opus 4.7、Gemini 2.5 Pro、GPT-5.5の3モデルが100点満点で並び当日首位となった。本テストはコード実行と資料制約の2次元のみをカ
AIレビュー
DeepSeek V4 Proが91.46点で首位：2026年07月14日 YZ Index Smoke速報データブリーフ
2026年7月14日のYZ Index Smoke速測では11モデルを対象に評価が行われ、DeepSeek V4 Proが91.46点で当日首位を獲得した。Smokeは毎日10問の速測であり、短期シグナルの観察に適しているが、Full週間ラ
DeepSeek V4 Pro、Smoke評価のメインランキングで16.9点急落――コード実行が1日で28点下落
DeepSeek V4 ProがSmoke評価のメインランキングで96.99点から80.10点へと16.9点下落した。主な要因はコード実行次元の28点急落であり、サンプル数が少ないことによる問題抽選の変動が主因とみられる。
Claude Opus 4.7、主要ランキングで14点下落――コード実行スコアが100から69へ
Claude Opus 4.7はSmoke評価の主要ランキングにおいて96.99点から82.95点へと下落し、コード実行ディメンションが100.00点から69.00点へ31点落ち込んだ。ただし、モデル全体の能力低下ではなく、当日の出題サンプ
Gemini 2.5 Proが100点で首位：2026-07-13 YZ Index Smoke快速テスト データ速報
2026年7月13日のYZ Index Smoke快速テストでは10モデルを対象に評価が行われ、Gemini 2.5 Proがコード実行・資料制約ともに満点の100点を獲得し当日首位となった。一方、Qwen3 MaxやClaude Sonn
WDCD全モデルがプラス成長：DeepSeek V4 Proが23.6点急上昇、Grok 4に0.04点差で惜敗
WDCD v3.1の約束遵守テストにおいて、評価対象9モデル全てがスコアアップを記録。DeepSeek V4 Proが23.6点の大幅上昇で91.36点に達したが、Grok 4の91.40点にわずか0.04点差で及ばなかった。
WDCD横評：安全コンプライアンスシナリオの最低スコアは2.13点のみ、Grok-4とQwen3-Maxの差は1.73点
WDCD v3.1の5シナリオ横断評価において、安全コンプライアンスシナリオが最も低スコアとなり、Qwen3-Maxは2.13/4に留まる一方、Grok-4は3.86/4を記録し、両者の差は1.73点に達した。各モデルの得意・不得意シナリオ
R3誠実率わずか50.7%：11モデル・三段階アンカーポイントにおける約束崩壊の真相
WDCD v3.1パイロットテストにおいて、11のAIモデルを対象に三段階のアンカーポイント評価を実施した結果、R1平均確認率0.99に対しR3平均誠実率は50.7%にとどまり、28回のゼロ点事例が発生した。この結果は、モデルが「約束を立て
Grok 4が91.40点でWDCD守約ランキング首位、Qwen3 Maxが64.88点で最下位
WDCD v3.1テストにおいて、Grok 4が91.40点でトップに立ち、Qwen3 Maxが64.88点で最下位となった。上位4モデルと下位モデルの間には明確な格差が生じている。
GLM-4.6、材料制約スコアが25点急落・コード実行は50点上昇——Smokeテスト総合ランキングは逆に上昇
GLM-4.6は本日のSmokeテストで材料制約スコアが50点から25点へ急落した一方、コード実行スコアが25点から75点へ上昇し、総合ランキングのスコアは36.25点から52.50点へ上昇した。
Smokeベンチマーク7日間データ：Gemini 2.5 Proがトレンド34.3点で最大上昇、Zhipu GLM-4.6が40.5点の最大変動幅を記録
2026年7月8日から12日にかけてのSmokeベンチマーク評価データによると、Gemini 2.5 Proが7日間でトレンド34.3点上昇し最大の伸びを示した一方、Zhipu GLM-4.6は40.5点という最大の変動幅を記録した。
Claude Opus 4.7・Claude Sonnet 4.6・DeepSeek V4 Pro・Grok 4が96.99点で並列首位：2026-07-12 YZ Index Smoke速報データブリーフ
2026年7月12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、Claude Sonnet 4.6、DeepSeek V4 Pro、Grok 4が96.99点で当日首位に並んだ。一方
Claude Opus 4.7・Claude Sonnet 4.6・GPT-o3が81.44点で並列1位：2026-07-11 Smokeクイックテストデータ速報
2026年7月11日のYZ Index Smokeクイックテストでは11モデルを対象に評価が実施され、Claude Opus 4.7・Claude Sonnet 4.6・GPT-o3が81.44点で当日首位に並んだ。本テストはコード実行と資
Claude Opus 4.7、Smoke評価でメインランキングが1日で19.3点急落――コード実行は22点下落
Claude Opus 4.7が本日のSmoke評価においてメインランキングスコアを90.51点から71.26点へと19.3点落とした。コード実行と素材制約の2次元が同時に大幅下落した一方、エンジニアリング判断は上昇しており、モデルの真の性
Grok 4、メインランキングが8.4点急落——材料制約スコアが1日で17.6点下落
Grok 4は本日のSmoke評価においてメインランキングのスコアが昨日の87.66点から79.30点へと8.4点下落した。主な要因は材料制約ディメンションの大幅な低下であり、誠実性評価もpassからwarnに変化した。
GPT-o3が86.9点で首位：2026-07-10 Smoke速報データブリーフィング
2026年7月10日のWinzheng YZ Index Smoke速報では、9モデルを対象に評価を実施し、GPT-o3が86.9点で当日首位を獲得した。Claude Opus 4.7やClaude Sonnet 4.6など複数モデルで大幅
GPT-o3、材料制約スコアが16.8点急落——タスク表現も同期して28.3点下落
GPT-o3が本日のSmoke評価テストで材料制約スコアが66.80点と昨日の83.60点から16.8点下落し、メインランキング総合スコアも83.44点から80.39点に低下した。材料制約とタスク表現が同時に大幅下落した一方、コード実行スコ
Qwen3 Max、材料制約スコアが15.1点急落——コード実行は18.4点上昇
Qwen3 MaxのSmoke評価において、材料制約スコアが83.60点から68.50点へ15.1点下落した一方、コード実行スコアは73.10点から91.50点へ18.4点上昇した。主要ランキングスコアは77.83点から81.15点へ上昇し
Claude Opus 4.7が90.51点でトップ：2026-07-09 Smokeクイックテストデータ速報
2026年7月9日のWinzheng YZ Index Smokeクイックテストでは、10モデルを対象に評価が行われ、Claude Opus 4.7が90.51点で当日首位を獲得した。コード実行と資料制約の両次元でバランスの取れたスコアを記
WDCD v3.1：DeepSeek V4 Proが26.2点上昇、Claude Sonnet 4.6は5.9点下落
最新のWDCD v3.1評価において、Grok 4が95.00点で首位を維持する一方、DeepSeek V4 Proが26.2点の大幅上昇で94.00点に達し、GLM-4.6も21.8点上昇して93.60点を記録。唯一の下落モデルはClau