Grok 4がトレンドスコア19.8点上昇でSmokeウィークリーレポートをリード、Geminiシリーズは28点超の変動
YZ Indexが2026年6月17日〜21日に実施した11モデルのSmokeクイックテストでは、Grok 4が19.8点の上昇幅で今週最大の伸びを記録。一方、GeminiシリーズやGPT-5.5などは高い変動幅を示した。
AIレビュー
Qwen3 Max が主要ランキングで19.2点急落——4モデルが実行・制約でダブル満点を達成
2026年6月21日のSmoke軽量評価において、DeepSeek V4 Pro、Gemini 3.1 Pro、GPT-o3、Grok 4の4モデルが主要ランキング・コード実行・素材制約の全3項目で満点を獲得。一方、Qwen3 Maxはコー
ERNIE Bot 4.5 Smokeメイン評価ランキングが1日で22.2点急落、コード実行スコアは半減して50点に
YZ Indexの2026年6月における11モデルの実測評価で、ERNIE Bot 4.5 Smokeのメインランキングスコアが93.25点から71.02点へと1日で22.2点下落した。特にコード実行ディメンションが44.1点の大幅下落を記
GPT-5.5のSmokeテスト主榜スコアが20.5点急落、コード実行が100点から50点に暴落
GPT-5.5が本日のSmokeテストで主榜スコアが93.03点から72.50点へと20.5点下落した。コード実行ディメンションが100点から50点へと急落したことが主な要因だが、ランダムな出題による変動である可能性が高い。
GPT-5.5の実行スコアが50に急落、Gemini 3.1 Proは総合ランキングで28.3点減
2026年6月20日のSmoke軽量評価において、GPT-5.5の総合スコアが93点から72.5点に急落し、実行スコアが100点から50点へと半減した。Gemini 3.1 ProやGemini 2.5 Pro、ERNIE Bot 4.5も
Doubao Pro の材料制約スコアが15.9点急落——Smoke単日テスト異常の原因分析
YZ Index 2026年6月の実測において、Doubao Pro のSmokeテスト材料制約スコアが前日の100.00点から84.10点に急落した。本記事ではその原因がモデルの退化ではなくサンプル数の少なさによる統計的変動である可能性を
GPT-o3の材料制約スコアが1日で15.2点急落、Smoke主榜が100点から93.16点に低下
YZ Index 2026年6月の実測において、GPT-o3のSmokeベンチマーク「材料制約」スコアが前日の100.00点から84.80点に急落し、主榜全体も100.00点から93.16点に低下した。現時点では抽選による変動の可能性が高く
Smoke評価：Qwen3 Max の制約スコアが+23点で逆転、GPT-o3の材料制約は15.2点急落
2026年6月19日のYZ Index Smoke軽量評価において、Gemini 3.1 Proが総合99.28点で首位を獲得。Qwen3 Maxは材料制約スコアが23点向上して4位に浮上した一方、GPT-o3とDoubao Proは制約ス
Grok 4の材料制約スコアが25.6点急落、メインランキングは逆に87点へ上昇
YZ IndexのSmoke評価テストにおいて、Grok 4の材料制約スコアが96.70点から71.10点へ25.6点下落した一方、コード実行スコアは満点となり、メインランキングは80.20点から87点へ上昇した。
Grok 4の材料制約スコアが25.6点急落、4モデルが主要ランキングで満点並び
2026年6月18日のSmoke軽量評価において、Claude Opus 4.7、DeepSeek V4 Pro、Doubao Pro、GPT-o3の4モデルがコード実行と材料制約の両コア指標で100点を獲得し、主要ランキング総合スコア10
WDCD三ラウンド衰退実測：GPT-o3のR3崩壊率50%、Qwen3 Maxは崩壊ゼロ
WDCD三ラウンドテストにおいて、GPT-o3はR3フェーズで崩壊率50%を記録した一方、Qwen3 MaxはR3での崩壊回数がゼロとなり、両者ともR1確認率は1.00であったにもかかわらず、持続的なプレッシャー下で全く異なる誠実性の軌跡を
Qwen3 Max が92.50点でWDCD守約ランキング首位、Doubao Pro は62.50点で最下位——30点差
Qwen3 MaxがWDCD守約ランキングで92.50点を獲得し首位に立った。一方、Doubao Proは62.50点で11モデル中最下位となり、トップとの差は30点に達した。
ERNIE Bot 4.5のメインランキングが10.4点急落、タスク表現次元が90点から46.3点へ半減
YZ Indexの2026年6月における11モデルの実測において、ERNIE Bot 4.5のSmokeテストメインランキングスコアが81.69点から71.33点へと1日で10.4点下落した。ただし、抽選によるランダム変動の可能性が高く、モ
Qwen3 Max の材料制約スコアが28.9点急落——メインランキングはわずか0.8点上昇
YZ Index の Smoke 評価において、Qwen3 Max の材料制約スコアが1日で28.9点下落したが、メインランキングスコアは微増しており、モデル能力の系統的な劣化よりも問題抽選によるばらつきである可能性が高いと分析されている。
Qwen3 Max の材料制約スコアが28.9点急落、本日のSmoke 11モデルメインランキングが大洗牌
YZ Index による2026年6月17日の11モデル実測において、Qwen3 Max の材料制約スコアが前日の100点から71.1点へ急落し、メインランキングでも73.25点にとどまった。実行スコアが各社で満点に達する中、材料制約の安定
Doubao Pro、Smokeテストのメインランキングで9.9点急落――コード実行が100点から50点へ半減
YZ Indexが2026年6月に実施したSmokeテストで、Doubao Proのメインランキングスコアが82.36点から72.50点へと9.9点下落した。主な原因はコード実行スコアが100.00点から50.00点へ半減したことにある。
Claude Sonnet 4.6のコード実行スコアが100から50へ急落、メインランキングも6.9点低下
YZ Index 2026年6月の実測において、Claude Sonnet 4.6のSmokeテストにおけるコード実行スコアが前日の100.00から50.00へ急落し、メインランキング全体も79.44から72.50に低下した。この変動が題目
Claude Opus 4.7が100点で首位独走、9モデルのコード実行スコアが50点暴落
2026年6月16日のSmoke軽量評価結果において、Claude Opus 4.7が全項目満点の100点を獲得し唯一の満点モデルとなった一方、9モデルでコード実行スコアが50点以上急落する大きな格差が生じた。
Doubao Pro、材料制約スコアが24点急落――コード実行は38.4から100へ急騰
本日のSmokeテストにおいて、Doubao Proの材料制約スコアが84.80から60.80へ24点下落した一方、コード実行スコアは38.40から100.00へ61.6点急騰した。この極端な反方向の変動は、モデルの能力変化よりも小サンプル
Grok 4の材料制約スコアが21.7点急落、コード実行は100点満点に
YZ IndexのSmoke評価において、Grok 4の材料制約スコアが83.00から61.30へと21.7点急落した一方、コード実行スコアは80.90から100.00へと満点を記録した。