Qwen3 Max、メインランキングで12点急落し74点に——誠実性failが全体スコアを引き下げ
2026年6月23日のSmoke軽量評価において、Qwen3 Maxはメインランキング74点を記録し、誠実性評価のfailにより11モデル中唯一80点を下回る結果となった。Claude Opus 4.7、Gemini 3.1 Pro、Gro
异常波动 に関するニュース
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
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。