レビュー 9モデルが77.5点で主ランキング並列、コード実行は満点も素材制約はわずか50点 2026年6月5日のSmoke軽量評価において、11モデル中9モデルが主ランキングで77.5点の同点となり、いずれもコード実行で満点を獲得した一方、素材制約では揃って50点に留まった。この現象はモデルの能力よりも評価基準自体の飽和を示してい 代码执行 材料约束 Claude Opus 4.7 Smoke评测 12時間前 58
