DeepSeek V4 Proが91.46点で首位：2026年07月14日 YZ Index Smoke速報データブリーフ

2026年07月14日のYZ Index Smoke速測では11モデルを対象とし、DeepSeek V4 Proが91.46点で当日首位となった。Smokeは毎日10問の速測であり、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同一視することはできない。

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、単日の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より適切である。

当日ランキング

データ解説

本日のYZ Index Smoke速測において、DeepSeek V4 Proはメインランキング91.46点で首位となり、コード実行98.7点と資料制約82.6点がバランスよく組み合わさった結果となった。GPT-5.5はメインランキング91.32点で僅差の2位につけ、コード実行100点を記録した一方で資料制約は80.7点であり、コード実行における優位性が際立っている。Claude Opus 4.7はメインランキング86.25点を資料制約100点で牽引したが、コード実行は75点と相対的に低く、資料制約主導の構造的特徴を示している。Gemini 2.5 ProとGPT-o3はともにメインランキング86.1点で同点となり、いずれもコード実行100点・資料制約69.1点という同一の組み合わせを示している。

複数のモデルで顕著なスコア低下が見られた。Grok 4のメインランキングは22.5点下落し、コード実行とマテリアル制約はそれぞれ22点・23点下降した。GLM-4.6のメインランキングは21.2点下落し、コード実行19.8点・資料制約22.8点の低下となった。Claude Sonnet 4.6とDoubao Proのメインランキングはそれぞれ18.5点・18.3点低下し、Gemini 3.1 Proのメインランキングは15.7点下落した。これらの変化は問題のサンプリングによる変動に起因する可能性もあるが、単日における実際のパフォーマンス低下である可能性もあり、同一条件での再実行による後続の確認が必要である。

Smoke速測は小サンプルの単日シグナルであり、解釈は本日のデータのみに基づくものであり、長期的な推論は行わない。誠実性がwarnとなったモデルはDoubao Pro、Grok 4、GLM-4.6であり、その他のモデルはすべてpassとなった。

主な変化

• Grok 4：メインランキング22.5点低下、コード実行-22点、資料制約-23点、誠実性 pass→warn
• GLM-4.6：メインランキング21.2点低下、コード実行-19.8点、資料制約-22.8点
• Claude Sonnet 4.6：メインランキング18.5点低下、コード実行-19点、資料制約-17.9点
• Doubao Pro：メインランキング18.3点低下、コード実行-19点、資料制約-17.4点、誠実性 pass→warn
• Gemini 3.1 Pro：メインランキング15.7点低下、コード実行-19点、資料制約-11.7点

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。

このようなSmoke簡報を読む際は、2つの点に重点を置くべきである。第一に、あるモデルが同じ種類の弱点を複数日連続して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に移行しているかどうか。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るが、実際のパフォーマンス低下の初期シグナルである可能性もあり、後続の再実行による確認が必要である。

データ出典：YZ Index | Run #231 | 原始データを見る