Claude Opus 4.7が95.19点で首位：2026-07-19 YZ Index Smoke速報データブリーフィング

2026-07-19 YZ Index Smoke速測は10モデルをカバーし、Claude Opus 4.7が95.19点で当日首位を獲得した。Smokeは1日10問の速測であり、短期シグナルの観察に適しており、Full週間ランキングの結論とは同一視できない。

今回のSmoke評価はコード実行とマテリアル制約の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 × マテリアル制約である。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の長期的な評価ではなく、監視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YZ Index Smoke速測において、Claude Opus 4.7はメインランキング95.19で首位を獲得した。コード実行100・マテリアル制約89.3という組み合わせは、両指標ともに高水準を維持していることを示している。Claude Sonnet 4.6はメインランキング90.02で続き、コード実行99.2・マテリアル制約78.8という構造もコード実行寄りの傾向を示している。Qwen3 Maxはメインランキング82.23で、コード実行96.9とマテリアル制約64.3の明確な差が見られる。GPT-5.5のメインランキング81.44とGrok 4のメインランキング79.73はいずれもマテリアル制約89.3の高水準に支えられている。

前回同条件のrunと比較すると、Grok 4のメインランキングは28.1点上昇し、主にコード実行が46.9点上昇したことによる。Claude Opus 4.7のメインランキングは16.1点上昇し、コード実行は25点上昇。Claude Sonnet 4.6のメインランキングは15.4点上昇し、コード実行は24.2点上昇。Qwen3 Maxのメインランキングは12.1点上昇し、コード実行が32.2点上昇した一方でマテリアル制約は12.5点低下した。これらの単日変動は小サンプル条件下では問題のサンプリング変動に起因する可能性がある。

GPT-o3のメインランキングは13.8点急落し、Gemini 3.1 Proのマテリアル制約は26.6点急落しており、真の性能低下シグナルであるかを確認するために後続のrunによる検証が必要である。GLM-4.6はデータ不完全のためランキングに参加していない。Smoke速測は単日シグナルであるため、上記の観察はいずれも慎重な記述にとどめる。

主な変動

• Grok 4：メインランキング+28.1点、コード実行+46.9点、マテリアル制約+5.2点、誠実性 warn→pass
• Claude Opus 4.7：メインランキング+16.1点、コード実行+25点、マテリアル制約+5.2点
• Claude Sonnet 4.6：メインランキング+15.4点、コード実行+24.2点
• GPT-o3：メインランキング-13.8点、コード実行-21.8点
• Qwen3 Max：メインランキング+12.1点、コード実行+32.2点、マテリアル制約-12.5点

注目すべきシグナル

• GPT-o3：メインランキング急落 -13.8点
• Gemini 3.1 Pro：マテリアル制約急落 -26.6点
• GLM-4.6：データ不完全（communicationディメンション欠損、API障害/タイムアウト）、自動再実行中のため本期ランキング不参加

このような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ある。第一に、ある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に移行しているかどうか。単日のコード実行またはマテリアル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、真の性能低下の初期シグナルである場合もあり、後続のrunによる検証が必要である。

データ出典：YZ Index | Run #237 | 元データを見る