Claude Opus 4.7・DeepSeek V4 Pro・GPT-o3が92.39点で並列首位：2026-10-14 YZ Index Smoke速報データブリーフィング

2026-10-14のYZ Index Smoke速テストでは13モデルをカバーし、Claude Opus 4.7・DeepSeek V4 Pro・GPT-o3が92.39点で当日首位に並んだ。Smokeは毎日10問の速テストであり、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指標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。日次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

本日のYZ Index Smoke速テストでは、Claude Opus 4.7・DeepSeek V4 Pro・GPT-o3がメインランキングで92.39点に並び、コード実行はいずれも94.5、資料制約はいずれも89.8となった。3モデルはコード実行と資料制約の両次元においてバランスの取れた特性を示している。GPT-5.5はメインランキング88.6、コード実行89.5、資料制約87.5。Doubao Proはメインランキング88.54、コード実行85.3、資料制約92.5であり、資料制約が相対的に優れている。GPT-6.1 Solはメインランキング88.29、コード実行89.5、資料制約86.8であり、2指標間でバランスを保っている。

前回同条件のランとの比較では、Claude Opus 4.7のメインランキングが+32.9点、コード実行が+44.5点、資料制約が+18.8点、DeepSeek V4 Proのメインランキングが+28.1点、コード実行が+44.5点、資料制約が+8.1点、GPT-5.5のメインランキングが+28.7点、コード実行が+31.2点、資料制約が+25.6点となり、これらの変動モデルは主にコード実行次元での大幅な向上に表れている。GPT-6.1 Solはメインランキング+27.3点、コード実行+31.2点、資料制約+22.5点、GPT-6 Astraはメインランキング+27.3点、コード実行+31.2点、資料制約+22.6点となり、スコア構成においてコード実行と資料制約の同期的な変動が見られる。

Gemini 3.1 Proのコード実行が-27.2点と急落しており、この異常シグナルは問題のサンプリング変動または真の性能劣化に起因する可能性があり、後続ランでの確認が必要である。GLM-4.6およびQwen3 Maxはデータ不完全のためランキングに参加しておらず、Smokeは小サンプルの単日シグナルであることから、関連する解釈は慎重に行う必要がある。

主な変化

• Claude Opus 4.7：メインランキング+32.9点、コード実行+44.5点、資料制約+18.8点
• GPT-5.5：メインランキング+28.7点、コード実行+31.2点、資料制約+25.6点
• DeepSeek V4 Pro：メインランキング+28.1点、コード実行+44.5点、資料制約+8.1点
• GPT-6.1 Sol：メインランキング+27.3点、コード実行+31.2点、資料制約+22.5点
• GPT-6 Astra：メインランキング+27.3点、コード実行+31.2点、資料制約+22.6点

注目すべきシグナル

• Gemini 3.1 Pro：コード実行が-27.2点と急落
• GLM-4.6：データ不完全（一部次元の欠損、API障害/タイムアウト）のため自動再実行に入っており、今回はランキング不参加
• Qwen3 Max：データ不完全（複数次元の欠損、API障害/タイムアウト）のため自動再実行に入っており、今回はランキング不参加

このようなSmoke速報を読む際は、2点に注目すべきである。第1に、特定の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2に、誠実性評価がpassからwarnまたはfailに変化しているかどうか。単日のコード実行や資料制約スコアの大幅な変化は、問題のサンプリングによるものである場合も、真の性能劣化の初期シグナルである場合もあり、後続ランによる確認が必要である。

データ出典：YZ Index | Run #378 | 原データを見る