2026年10月26日から2026年11月1日にかけての7日間のSmokeベンチマーク評価において、Claude Opus 4.7はトレンドスコア47.8点・最終日スコア98.79点を記録し、上昇幅最大のモデルとなった。
安定上昇モデルのデータ概要
GPT-6 Astraは初日83.49点・最終日97.25点、トレンド13.8点、平均86.1点。Claude Sonnet 4.6は初日75.73点・最終日86.38点、トレンド10.7点、平均78.9点。GPT-6 Lunaは初日62.75点・最終日90.93点、トレンド28.2点、平均77.8点。GPT-6 Solは初日62.62点・最終日85.62点、トレンド23点、平均78点。Grok 4は初日58.57点・最終日82.75点、トレンド24.2点、平均71.8点。Doubao Proは初日47.92点・最終日59.9点、トレンド12点、平均66.6点。Gemini 3.1 Proは初日43.09点・最終日61点、トレンド17.9点、平均67.1点。DeepSeek V4 Proは初日41.99点・最終日50.05点、トレンド8.1点、平均57.1点。GPT-o3は初日35.46点・最終日77.49点、トレンド42点、平均67.1点。GPT-5.5は初日32.15点・最終日69.06点、トレンド36.9点、平均67.6点。GLM-4.6は初日30.39点・最終日61.25点、トレンド30.9点、平均46.8点。
横ばいモデルとゼロ点モデル
GPT-6.1 Solは初日86.05点・最終日86点、トレンド0点、平均82.5点。Gemini 2.5 Proは初日49.95点・最終日50点、トレンド0点、平均58.3点。Qwen3 Maxは初日0点・最終日0点、トレンド0点、平均0点。
高変動モデルの要因分析
Claude Opus 4.7の変動幅47.8点、GPT-5.5の変動幅47点、Gemini 3.1 Proの変動幅47.3点、GPT-o3の変動幅43点、Doubao Proの変動幅43.1点、DeepSeek V4 Proの変動幅42.9点。これらの数値は毎日10問のクイック評価スコアの標準偏差から直接算出されており、max(0,100-stddev×2)の計算式により一貫性の低さが示されている。GPT-6 Lunaの変動幅28.2点、GPT-6 Solの変動幅28.6点、Grok 4の変動幅25.3点、GLM-4.6の変動幅30.9点も、同種の設問に対して複数回回答した際のスコアの変動を反映している。
誠実性評価の変化シグナル
DeepSeek V4 Proの誠実性評価はpass→pass→pass→pass→warn→pass→passのシーケンスを示した。GLM-4.6の誠実性評価はfail→pass→pass→pass→pass→pass→passのシーケンスを示した。GPT-6.1 Sol、GPT-6 Astra、Claude Sonnet 4.6、GPT-6 Luna、GPT-6 Sol、Grok 4、Claude Opus 4.7、Gemini 2.5 Pro、Doubao Pro、Gemini 3.1 Pro、GPT-o3、GPT-5.5、Qwen3 Maxは全期間を通じてpassを維持した。
利用者への示唆
コード実行を重視するチームはGPT-6.1 Solを優先的に検討することが推奨される。平均82.5点かつトレンド0点であり、7日間にわたって実行次元のパフォーマンスが安定している。情報参照の正確性が求められるシナリオにはGPT-6 Astraが適しており、最終日スコア97.25点・トレンド13.8点と、参照精度の次元で継続的な改善が見られる。出力の一貫性に依存する開発者はClaude Opus 4.7を避けるべきである。変動幅47.8点は、同種のプロンプトを複数回実行した際にスコアの差異が大きいことを意味する。
戦略的判断
GPT-6.1 Solは平均82.5点で86点水準を安定維持しており、全モデル中で最も高い安定区間を保ち、基準モデルとして適している。Claude Opus 4.7はトレンド47.8点と変動幅47.8点が並存しており、上昇は単日の高スコアによって牽引されたものであり、全体的な一貫した改善ではない。GLM-4.6はfailからpassに転じた後にトレンド30.9点を記録しており、誠実性評価の改善がスコア上昇を伴っている。Qwen3 Maxは平均0点・トレンド0点であり、今回のデータでは有効なシグナルが得られなかった。DeepSeek V4 Proはwarnシグナルのあとトレンドがわずか8.1点にとどまり、誠実性の変動が継続的な高スコアには結びついていない。次回の評価では、GPT-6 AstraとGPT-o3のトレンドがそれぞれ13.8点・42点以上を維持するかどうかを検証する必要がある。
データソース：YZ Index | Run #405 | 生データを見る
© 2026 Winzheng.com 赢政天下 | 转载请注明来源并附原文链接