Claude Opus 4.7・Claude Sonnet 4.6・GPT-o3が81.44点で並列1位：2026-07-11 Smokeクイックテストデータ速報

2026-07-11 YZ Index Smokeクイックテストは11モデルをカバーし、Claude Opus 4.7・Claude Sonnet 4.6・GPT-o3が81.44点で当日首位に並んだ。Smokeは1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ウィークリー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計算式は 0.55 × コード実行 + 0.45 × 資料制約 である。1日あたりのサンプル数が少ないため、単日スコアはモデル能力に対する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

本日のメインランキング上位3モデル、Claude Opus 4.7・Claude Sonnet 4.6・GPT-o3はいずれも81.44点を獲得し、コード実行はいずれも75、資料制約はいずれも89.3であり、この2種の能力がバランスよく組み合わさっていることを示している。Doubao Proは80.78点で続き、コード実行73.8・資料制約89.3と、資料制約スコアは上位3モデルと同水準だが、コード実行がわずかに低い。下位のGLM-4.6はメインランキングが36.25点にとどまり、コード実行25・資料制約50と、両能力ともに低い水準にある。

直前の同条件runと比較すると、GLM-4.6はメインランキングが22.9点低下し、コード実行が69.5点低下・資料制約が34.1点上昇した。Gemini 2.5 Proはメインランキングが19.7点低下し、コード実行が56.2点低下・資料制約が25点上昇した。Gemini 3.1 Proはメインランキングが16.9点低下し、コード実行が43.7点低下・資料制約が15.9点上昇した。Claude Sonnet 4.6はメインランキングが15.5点上昇し、コード実行が5.5点上昇・資料制約が27.6点上昇した。これらの変化は単日の問題サンプリングの変動によるものである可能性もあれば、モデルの実際のパフォーマンス差を反映している可能性もあり、後続runによる検証が必要である。Smokeテストは小規模な単日シグナルであり、以上の観察は当日の参考情報としてのみ活用されたい。

主な変化

• GLM-4.6：メインランキング22.9点低下、コード実行-69.5点、資料制約+34.1点
• Gemini 2.5 Pro：メインランキング19.7点低下、コード実行-56.2点、資料制約+25点
• Gemini 3.1 Pro：メインランキング16.9点低下、コード実行-43.7点、資料制約+15.9点
• Claude Sonnet 4.6：メインランキング15.5点上昇、コード実行+5.5点、資料制約+27.6点
• DeepSeek V4 Pro：メインランキング14.2点低下、コード実行-40.9点、資料制約+18.5点

注目すべきシグナル

• 今回、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つの点に注目すべきである。第一に、あるモデルが複数日連続で同じ種類の弱点を露呈していないか。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。単日のコード実行または資料制約スコアの大幅な変化は、問題サンプリングに起因する場合もあれば、実際の性能劣化の初期シグナルである可能性もあり、後続runによる検証が必要である。

データ出典：YZ Index | Run #225 | 元データを見る