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
赢政指数 に関するニュース
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
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
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
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
DeepSeek V4 Pro が95.19点で首位：2026-07-08 Smoke 速報データブリーフィング
2026年7月8日のWinzheng YZ Index Smoke速報では、10モデルを対象に評価を実施し、DeepSeek V4 Proが95.19点で当日首位を獲得した。Smokeは毎日10問の速報テストであり、短期シグナルの観察に適し
Claude Opus 4.7 と Grok 4 が96.99点で並列首位：2026-07-07 Smokeクイックテストデータ速報
2026年7月7日のYZ Index Smokeクイックテストでは、11モデルを対象に評価を実施し、Claude Opus 4.7 と Grok 4 がともに96.99点で当日首位に並んだ。
Doubao Pro が83.91点で首位：2026-07-06 Smokeクイックテストデータ速報
2026-07-06のWinzheng 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、Doubao Pro が83.91点で当日首位を獲得した。
Doubao Pro と Gemini 3.1 Pro が88.54点で並列首位：2026-07-05 Smokeクイックテストデータ速報
2026-07-05のYZ Index Smokeクイックテストでは11モデルを対象に評価を実施し、Doubao Pro と Gemini 3.1 Pro が88.54点で当日首位に並んだ。
Claude Opus 4.7 Smoke評価でメインランキング9.6点暴落：退化のシグナルか、それとも抽選のドタバタ劇か？
本日のSmoke評価で、Claude Opus 4.7のメインランキング得点が昨日の89.43点から79.86点へと9.6点暴落し、特にコード実行次元では満点100点から75点へと急落した。この変動が真のモデル退化なのか、単なる抽選の運によ
WDCD遵守ランキング：Gemini 3.1 ProとQwen3 Maxが並んで首位、Grok 4は最下位に沈む！トップとボトムの差は22.5点
WDCD遵守テストのパイロット段階で、Gemini 3.1 ProとQwen3 Maxが65.00点で並んで首位に立ち、Grok 4はわずか42.50点で最下位に転落、R3段階での全面崩壊により、トップとボトムの差は22.5点に達した。
Gemini 2.5 Pro Smoke評価のメインランキングが13.5点急上昇、誠実性は逆転合格も、エンジニアリング判断は28点暴落
Gemini 2.5 ProがSmoke評価のメインランキングで74.00から87.54へ急上昇し、誠実性評価もfailからpassへ逆転した一方、エンジニアリング判断は28.4点暴落。本記事ではこの異常変動が単なる抽選変動か、モデルの実質
2026年主流AI評価ベンチマーク横断比較：YZ Index vs SuperCLUE vs OpenCompass vs C-Eval
2026年初時点で中国語AI評価エコシステムに存在する4つの主流ベンチマーク（YZ Index、SuperCLUE、OpenCompass、C-Eval）の方法論的差異を分析し、それぞれの適用シーンと選定指針を解説する。
11大AIモデルのSQL連続ログイン問題大試験：8つが満点、3つが崩壊、コード実行の格差は驚異的
一見シンプルなSQL問題が11大AIモデルの実力差を露呈した：「各ユーザーの最長連続ログイン日数を見つける」というコード実行チャレンジで、8モデルが満点100点を獲得した一方、3モデルは直接0点に崩壊した。これは偶然ではなく、現在のAIが複
WDCDが測定するのはモデルだけでなく、業界全体の盲点
WDCD Run#105のデータ公開は、業界が長年見過ごしてきた盲点を明らかにした。すべての主流評価体系が「モデルが何をできるか」を測定する一方で、「モデルが何をしないか」という企業AI導入時の信頼の核心を体系的に測定する者はほぼ存在しなか
R1で美しく答えR3で全面崩壊：11モデルの遵守減衰実測で判明した63%の崩壊率
WDCDの三段階減衰テストで、主要11モデルすべてがR3（第三ラウンド）で深刻な遵守率低下を示し、平均63.3%の崩壊率を記録した。長文対話における制約遵守は、現行のすべての大規模モデルに共通するシステム的欠陥であることが判明した。
330回の圧力テスト：63%の大規模モデルが3ラウンド目で「裏切った」
YZ Indexが新たに発表したWDCD（動的コンテキスト減衰）契約遵守テストにより、3ラウンドの対話圧力下で63.3%の大規模モデルが直前に約束した制約を覆すことが判明した。Claude Opus 4.7が首位を獲得し、Grok 4が最下
5つの理由：遵約能力がAIモデルの次なるコア指標となり、選定ルールを覆す！
AIモデルの能力が同質化する中、「言ったことを実行する」遵約能力が次のコア指標として浮上しており、企業のモデル選定ロジックを再構築している。Winzheng（winzheng.com）のYZ Index WDCDは、世界初の体系的な遵約テス
AIランキングの5大詐欺を暴く：99%は信頼できない、YZ Indexはいかに評価を覆すか？
現在のAI評価ランキングに潜む5つの重大な問題点を指摘し、Winzheng（winzheng.com）が提供するYZ Indexがいかにこれらの問題を解決し、評価業界に革新をもたらすかを解説する。