Claude Opus 4.7とGemini 3.1 Proが84.61点で同率首位：2026-09-24 YZ Index Smoke速報データブリーフ

2026-09-24のYZ Index Smoke速報は10モデルを対象とし、Claude Opus 4.7とGemini 3.1 Proが84.61点で当日首位に並んだ。Smokeは1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るが、Fullウィークリーランキングの結論と同一視すべきではない。

今回のSmokeテストはコード実行とマテリアル制約の2つのメイン指標のみをカバーし、メインボードのスコア式は 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のが適切である。

当日ランキング

データ解説

今日のYZ Index Smoke速報において、Claude Opus 4.7とGemini 3.1 Proはメインボードで84.61点の同率首位となり、いずれもコード実行100・マテリアル制約65.8という組み合わせを示した。これはコード実行次元で満点を達成しつつ、マテリアル制約も中〜高水準を維持していることを示している。Grok 4とDoubao Proがこれに続き、メインボードスコアはそれぞれ82.35と82.3で、コード実行はともに95.8、マテリアル制約はそれぞれ65.9と65.8であり、コード実行とマテリアル制約がバランスよく拮抗した構造を示している。DeepSeek V4 Proもコード実行は100を記録したが、マテリアル制約は54.1にとどまり、メインボードスコアは79.35となっており、マテリアル制約次元が相対的に弱いという特徴が反映されている。

直前の同条件runとの比較では、Claude Sonnet 4.6のメインボードスコアが45.1点下落し、コード実行が44.5点、マテリアル制約が45.9点それぞれ低下した。Qwen3 Maxはメインボードが21.4点下落し、コード実行が10.9点、マテリアル制約が34.3点低下。GPT-5.5はメインボードが21点下落し、コード実行が14.5点、マテリアル制約が29点低下した。これらの変動は問題サンプリングの揺らぎによるものである可能性もあれば、単日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、安定性の確認には後続のrunでの検証が必要である。Gemini 2.5 Proのマテリアル制約は40.3点下落し、Claude Opus 4.7のマテリアル制約も34.2点下落しており、こちらも引き続き観察が必要であることを示唆している。

Smoke速報は小サンプルの単日シグナルであり、現在のデータはコード実行とマテリアル制約の組み合わせにおける上位モデルの即時差異のみを示している。変動が見られたモデルの具体的な原因については、複数回のrunによる検証が引き続き必要である。

主な変化

• Claude Sonnet 4.6：メインボード45.1点下落、コード実行−44.5点、マテリアル制約−45.9点
• Qwen3 Max：メインボード21.4点下落、コード実行−10.9点、マテリアル制約−34.3点
• GPT-5.5：メインボード21点下落、コード実行−14.5点、マテリアル制約−29点
• Gemini 2.5 Pro：メインボード17点下落、マテリアル制約−40.3点
• Claude Opus 4.7：メインボード12.2点下落、コード実行+5.9点、マテリアル制約−34.2点

注目すべきシグナル

• 今回、公開可能な異常シグナルは確認されなかった。

このようなSmoke速報を読む際は、2つの点に注目することが重要である。第一に、特定のモデルが複数日にわたって同じ種類の弱点を繰り返し示していないか。第二に、誠実性評価がpassからwarnまたはfailに変化していないか。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、問題サンプリングに起因する可能性もあれば、実際の性能劣化の早期シグナルである可能性もあり、後続のrunによる検証が必要である。

データ出典：YZ Index | Run #337 | 元データを見る