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

2026-07-08 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ました。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ていますが、Full週間ランキングの結論と同一ではありません。

今回のSmoke評価では、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います。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 です。毎日の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ことが適切です。

当日ランキング

データ解説

本日のWinzheng YZ Index Smoke速報において、DeepSeek V4 Pro はコード実行100・資料制約89.3の組み合わせでメインランキング95.19を獲得し首位となりました。Grok 4 はコード実行98.3・資料制約83.6によりメインランキング91.69で2位、Claude Sonnet 4.6 はコード実行100・資料制約69.5でメインランキング86.28を獲得しました。上位3モデルはいずれもコード実行が資料制約を上回る構造的特徴を示しており、DeepSeek V4 Pro の資料制約89.3と Grok 4 の83.6が互いを補完し、メインランキング上位2位のスコアを下支えしています。

GPT-5.5 はメインランキングが16.7点低下し、コード実行が25点、資料制約が6.5点それぞれ下降しました。Claude Opus 4.7 はメインランキングが15.6点低下し、コード実行が25点下降しました。Gemini 2.5 Pro はメインランキングが9点低下し、コード実行が42.2点下降した一方、資料制約は31.5点上昇しました。Qwen3 Max はメインランキングが16.5点上昇し、資料制約が40.3点上昇しました。DeepSeek V4 Pro はメインランキングが15点上昇し、資料制約が31.5点上昇しました。これらの単日変動は、問題のサンプリングによる揺らぎに起因する可能性もあれば、特定の制約下におけるモデルの真の性能差を反映している可能性もあり、今後同一条件での再実行による検証が必要です。

全体的に見て、メインランキングの算式においてコード実行と資料制約の強弱の組み合わせが順位に直接影響しており、Smoke速報は小サンプルの単日シグナルとして当日のデータ分布を反映するのみであり、長期的なトレンド判断は提供していません。

主な変動

• GPT-5.5：メインランキング16.7点低下、コード実行 -25点、資料制約 -6.5点
• Qwen3 Max：メインランキング16.5点上昇、資料制約 +40.3点
• Claude Opus 4.7：メインランキング15.6点低下、コード実行 -25点
• DeepSeek V4 Pro：メインランキング15点上昇、資料制約 +31.5点
• Gemini 2.5 Pro：メインランキング9点低下、コード実行 -42.2点、資料制約 +31.5点

注目すべきシグナル

• 今回は公表可能な異常シグナルは確認されませんでした。

この種のSmoke簡易レポートを読む際は、2つの点に重点を置くべきです。第一に、特定のモデルが複数日連続して同種の弱点を露呈しているかどうか。第二に、誠実性評価が pass から warn または fail に移行していないかどうかです。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よるものである場合もあれば、真の性能劣化の初期シグナルである可能性もあり、今後の再実行による検証が必要です。

データ出典：Winzheng YZ Index | Run #220 | 元データを見る