Gemini 3.1 Proが82.39点で首位：2026年10月13日 YZ Index Smoke速報データブリーフィング

2026年10月13日のYZ Index Smoke速報は13モデルを対象とし、Gemini 3.1 Proが82.39点で当日首位となった。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、週次Full版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の長期的な判断ではなく、監視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YZ Index Smoke速報において、Gemini 3.1 Proはメインランキング82.39点で首位となった。コード実行91.7点と資料制約71点の組み合わせが際立っており、重み付け0.55が適用されるコード実行の寄与が顕著である。GPT-o3とGrok 4はいずれもメインランキング70.91点で並び、コード実行75点・資料制約65.9点という同一の構造を示しており、上位モデル全体としてコード実行側のスコアに依存する傾向が見られる。DeepSeek V4 Proは資料制約81.7点が特徴的で、メインランキング64.27点は資料制約側での相対的な優位性を反映している。

GPT-6 Astraはメインランキング25.1点低下・コード実行38.7点低下・資料制約8.4点低下、GPT-6.1 Solはメインランキング24点低下・コード実行38.7点低下・資料制約6点低下、GPT-6 Solはメインランキング23点低下・コード実行19.8点低下・資料制約26.8点低下、GPT-6 Lunaはメインランキング15.7点低下・コード実行22点低下・資料制約8点低下、Doubao Proはメインランキング15.6点低下・コード実行16.5点低下・資料制約14.4点低下といった単日の顕著な変動が確認された。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もあれば、実際の性能低下を反映している可能性もあり、同条件での再実行による事後確認が必要である。

Smoke速報は小サンプルの日次シグナルであり、現時点のデータは上位モデルにおけるコード実行と資料制約の異なる組み合わせを示すに留まる。その他の異常は見られず、過度な推論を避けるため、解釈は慎重に行うべきである。

主な変動

• GPT-6 Astra：メインランキング25.1点低下、コード実行-38.7点、資料制約-8.4点
• GPT-6.1 Sol：メインランキング24点低下、コード実行-38.7点、資料制約-6点
• GPT-6 Sol：メインランキング23点低下、コード実行-19.8点、資料制約-26.8点
• GPT-6 Luna：メインランキング15.7点低下、コード実行-22点、資料制約-8点
• Doubao Pro：メインランキング15.6点低下、コード実行-16.5点、資料制約-14.4点

注目すべきシグナル

• 今回、公表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示し続けているかどうか、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である。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、後続の再実行による確認が必要である。

データ出典：YZ Index | Run #375 | 元データを見る