GPT-o3が96.98点で首位：2026-09-01 YZ Index Smoke速報データブリーフィング
2026年9月1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96.98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。
AIレビュー
Grok 4が89.15点で首位：2026-08-31 YZ Index Smoke速報データブリーフィング
2026年8月31日実施のYZ Index Smoke速測では11モデルを対象とし、Grok 4が89.15点で当日首位を獲得した。本速報はコード実行と資料制約の2次元のみを評価対象とした小サンプルの日次シグナルである。
Gemini 3.1 Pro、メインランキングで10.8ポイント急落――素材制約次元が単日14.4ポイント下落
本日のSmoke評価テストにおいて、Gemini 3.1 Proのメインランキングスコアが昨日の96.60点から85.83点へと10.8ポイント下落した。特に素材制約次元が14.4ポイント、エンジニアリング判断が25ポイントと大幅に低下して
Grok 4のメインランキングが8.8ポイント急落：コード実行が100点から90.7点に低下
Grok 4は本日のSmoke評価テストで、メインランキングのスコアが昨日の96.99点から88.14点に低下し、1日の落ち幅は8.8ポイントに達した。コード実行と素材制約の2次元が主な下落要因となっている。
Claude Opus 4.7がトレンド10.1点上昇、Gemini 3.1 Proは11.2点下降：2026-W35 Smokeウィークリートレンド
2026年8月24日〜30日のSmoke評価において、Claude Opus 4.7が82.98点から93.08点へと10.1点の上昇トレンドを記録した一方、Gemini 3.1 Proは11.2点下落し、モデル間で明暗が分かれた。
Claude Opus 4.7が93.08点で首位：2026-08-30 YZ Index Smoke速報データブリーフィング
2026年8月30日のYZ Index Smokeテスト（11モデル対象）において、Claude Opus 4.7が93.08点で当日首位を獲得した。本速報はコード実行と資料制約の2次元による小サンプル単日シグナルであり、週次Full評価と
MLPerf、エンドツーエンドRAG推論ベンチマークを発表
MLCommonsのMLPerf Inferenceワーキンググループが、初のエンドツーエンド検索拡張生成（RAG）推論ベンチマークを公開した。複数コンポーネントで構成されるRAGパイプライン全体を計測対象とし、2つのワークロードを含む。
ダブルブラインド設計：信頼できるAI評価を構築するための核心的保障
MLCommonsはGoogle DeepMind、OpenMined、AVERIと協力し、暗号技術を用いた初の閉源モデルダブルブラインド評価の概念実証を実施した。この手法により、モデル権重と評価データの双方を保護しながら、信頼性の高いAI
Claude Sonnet 4.6のコード実行スコアが22点急落――総合ランキングは0.5点減にとどまる
Claude Sonnet 4.6が本日のSmoke評価においてコード実行次元で97.00点から75.00点へ22点急落した一方、素材制約次元は25.7点上昇した。総合ランキングスコアは83.24点と、わずか0.5点の低下にとどまった。
Claude Opus 4.7、コード実行スコアが22点急落——総合ランキングも10.3点下降
Claude Opus 4.7は本日のSmokeテストにおいて総合スコア83.24点を記録し、昨日の93.54点から10.3点下落した。主な原因はコード実行ディメンションのスコアが97.00点から75.00点へと22点落ち込んだことにある。
Grok 4が96.99点で首位：2026年8月29日 YZ Index Smoke速報データブリーフィング
2026年8月29日のYZ Index Smoke速測では11モデルを対象に評価が行われ、Grok 4が96.99点で当日首位を獲得した。Smoke速測は短期シグナルの観察に適した日次10問テストであり、Full週次ランキングの結論とは同等
限界を超えて：H20上でのDeepSeek-V4-Proのサービス最適化
DeepSeek-V4-Proは1.6兆パラメータを持つMoEモデルであり、H20 GPUという制約のあるハードウェア上でのサービング最適化において、TTFT・TPOT目標を達成しながら大幅なスループット改善を実現した取り組みを紹介する。
MooncakeがMilesを強化：断片化したRolloutデータから効率的なバッチI/Oへ
大規模言語モデルの強化学習フレームワークMilesにおいて、MooncakeがRolloutデータ転送バックエンドとして統合され、既存のRayパスと比較してリモートGETレイテンシを約10〜14倍、PUTを約1.2〜1.6倍高速化した。
SGLang サブ秒級エンジン復旧：ウェイトキャッシュデーモンによる高速再起動の実現
SGLangチームは、CUDA IPCゼロコピーマッピングを用いてGPUメモリ上にモデルの重みを保持する「Weight Cache Daemon」を発表。これによりモデルの重みロード時間を数分からサブ秒級に短縮し、LLM推論サービスの冷起動
Batch-1の限界を追求：BlackwellにおけるLing-3.0-flashの投機的デコード最適化
Ling-3.0-flashハイブリッド線形アテンションMoEモデルを4枚のBlwell GPU上で最適化し、平均TPOT54%削減・単一リクエストスループット2.1倍向上を達成した技術的取り組みを解説する。
Qwen3.8-Flash-Next：SGLangによるDay-0サポートの実現
QwenチームがマルチモーダルMoEモデル「Qwen3.8-Flash-Next」をオープンソース公開し、SGLangがQwen・NVIDIA・AMDチームと連携してDay-0サポートを提供した。本モデルはQwen4アーキテクチャの早期プレ
MiniMax-H3が8×H200上で最大6.24倍の高速化を達成、無損失でも1.95倍
SGLang Diffusionチームが8×NVIDIA H200上でMiniMax-H3の動画生成ベンチマークを実施し、無損失パスでDiffusersと比較して最大1.95倍、ステップ再利用とスパースアテンション併用で最大6.24倍の高速
Infer-forge：SGLangを中心としたHarness・Loop・Graphエンジニアリング
Infer-forgeは、SGLangを核として推論最適化の実行環境を体系化するMonoRepoおよびTaskLoop設計の取り組みであり、内部での継続的運用を通じて並行タスク数の大幅な拡大を実現している。
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。
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。