Doubao Proが96.7点で首位：2026-08-02 YZ Index Smoke速報データブリーフィング

2026-08-02のYZ Index Smoke速測は10モデルを対象とし、Doubao Proが96.7点で当日首位を獲得した。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マテリアル制約の2つのメインランキング次元のみを対象とし、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ある。

当日ランキング

データ解説

本日のSmoke速測では、Doubao Proがメインランキング96.7でトップとなり、コード実行94・マテリアル制約100の組み合わせでマテリアル制約満点の優位性が際立った。Gemini 2.5 Pro、GPT-o3、Grok 4、Qwen3 Maxはいずれもメインランキング96.1を獲得し、コード実行97・マテリアル制約95の構成でバランスのとれたスコアを形成した。Claude Opus 4.7からGPT-5.5までの各モデルはメインランキング94.45で、コード実行94・マテリアル制約95という異なる強弱の組み合わせによるスコア分布を示した。

Claude Sonnet 4.6は前回同条件の実行からメインランキングが39.4点上昇し、コード実行が42.4点、マテリアル制約が35.8点それぞれ上昇した。Gemini 2.5 Proはメインランキングが35.3点上昇し、コード実行が40.2点、マテリアル制約が29.3点上昇した。GPT-5.5、Grok 4、GPT-o3においてもメインランキングで28.5点から16.8点不等の上昇が見られた。これらの変化は問題のサンプリング変動に起因する可能性があり、後続の実行による確認が必要である。

GLM-4.6はデータ不完全によりintegrity・communication次元が欠如しているため、今回はランキングに参加せず、自動補完実行に移行している。Smoke速測は小サンプルの単日シグナルであり、上記の異常変動の解釈は慎重に行う必要がある。

主な変化

• Claude Sonnet 4.6：メインランキング+39.4点、コード実行+42.4点、マテリアル制約+35.8点
• Gemini 2.5 Pro：メインランキング+35.3点、コード実行+40.2点、マテリアル制約+29.3点
• GPT-5.5：メインランキング+28.5点、コード実行+35.7点、マテリアル制約+19.6点
• Grok 4：メインランキング+26.5点、コード実行+22点、マテリアル制約+32.1点
• GPT-o3：メインランキング+16.8点、コード実行+15.2点、マテリアル制約+18.8点

注目すべきシグナル

• GLM-4.6：データ不完全（integrity・communication次元が欠如、API障害/タイムアウト）のため自動補完実行に移行、今回はランキングに参加しない

このようなSmoke速報を読む際は、二つの点に注目すべきである。第一に、特定のモデルが同じ種類の弱点を複数日連続で露呈していないか。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。単日のコード実行や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、実際の性能低下の初期シグナルである可能性もあり、後続の実行による検証が必要である。

データ出典：YZ Index | Run #257 | 元データを見る