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

2026-07-07 YZ Index Smoke クイックテストは11モデルを対象に実施され、Claude Opus 4.7 と Grok 4 が96.99点で当日首位に並んだ。Smokeは毎日10問のクイックテストであり、短期シグナルの観察に適しているが、Full週間ランキングの結論とは同一ではない。

今回のSmoke評価はコード実行と資料制約の2つのメインランキング次元のみをカバーしており、メインランキングの算式は 0.55 × コード実行 + 0.45 × 資料制約 である。日次サンプル数が少ないため、単日スコアはモデル能力の長期的な結論としてではなく、モニタリングシグナルとして活用するのが適切である。

当日ランキング

データ解説

本日のSmokeクイックテストによると、Claude Opus 4.7 と Grok 4 はともにメインランキング96.99点であり、コード実行はともに100点、資料制約はともに93.3点で、コード実行満点と資料制約高得点を組み合わせた構成となっている。Claude Sonnet 4.6 はメインランキング91.44点で、コード実行98.5点・資料制約82.8点であり、資料制約スコアは上位2モデルを下回るものの、引き続き高いメインランキング順位を維持している。GPT-5.5 はメインランキング82.77点で、コード実行100点・資料制約61.7点という、コード実行満点ながら資料制約が相対的に弱い組み合わせを示している。

Claude Opus 4.7 はメインランキングが前回比+26.8点・コード実行+50点、Claude Sonnet 4.6 はメインランキング+19.9点・コード実行+48.5点・資料制約-15点、Grok 4 はメインランキング+17.6点・コード実行+33.3点と、これらのモデルはコード実行次元で顕著な向上を見せた。一方、豆包 Pro はメインランキング-16.4点・資料制約-67点、GLM-4.6 はメインランキング-14.5点・コード実行-50点・誠実性評価がpassからwarnに転落した。Smokeは小規模サンプルの単日シグナルであるため、上記の変化は問題のサンプリング変動に起因する可能性もあれば、真の性能低下の早期シグナルである可能性もあり、後続のrunで検証・確認が必要である。

主な変化

• Claude Opus 4.7：メインランキング+26.8点、コード実行+50点
• Claude Sonnet 4.6：メインランキング+19.9点、コード実行+48.5点、資料制約-15点
• Grok 4：メインランキング+17.6点、コード実行+33.3点
• 豆包 Pro：メインランキング-16.4点、コード実行+25点、資料制約-67点
• GLM-4.6：メインランキング-14.5点、コード実行-50点、資料制約+28.9点、誠実性pass→warn

注目すべきシグナル

• 今回は公開可能な異常シグナルは検出されなかった。

この種のSmoke速報を読む際は、2点に注目すべきである。第一に、あるモデルが複数日にわたって同種の弱点を継続して示しているかどうか。第二に、誠実性評価がpassからwarnまたはfailに変化しているかどうか。単日のコード実行スコアや資料制約スコアの大幅な変動は、問題のサンプリングに起因する場合もあれば、真の性能低下の早期シグナルである場合もあるため、後続のrunによる検証が必要である。

データ出典：YZ Index | Run #218 | 元データを見る