Claude Opus 4.7が81.91点で首位：2026-10-18 YZ Index Smoke速報データブリーフィング

2026-10-18 YZ Index Smoke速測は14モデルをカバーし、Claude Opus 4.7が81.91点で当日首位となった。Smokeは日次10問の速測であり、短期シグナルの観察に適しており、Fullウィークリーランキングの結論と同等ではない。

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計算式は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に関する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

データ解釈

本日のYZ Index Smoke速測データから見ると、上位モデルのコード実行と資料制約の組み合わせはそれぞれ異なる特徴を示している。Claude Opus 4.7はメインランキング81.91点、コード実行83.3点・資料制約80.2点と両項目がバランスよく高い。Doubao Proはメインランキング77.34点、コード実行75点・資料制約80.2点で、資料制約が相対的に強い。Grok 4はメインランキング72.09点、コード実行72.9点・資料制約71.1点と構成がほぼ均衡している。Gemini 2.5 Proはメインランキング70.45点、コード実行78.1点・資料制約61.1点で、コード実行の優位性が顕著な一方、資料制約はやや低い。DeepSeek V4 ProとGPT-5.5はメインランキングが同じく68.16点、コード実行はともに58.3点・資料制約はともに80.2点で、資料制約のスコアが際立っている。

前回同条件のrunと比較すると、GPT-o3はメインランキングが39.2点低下し、コード実行が55.2点・資料制約が19.7点それぞれ低下した。GPT-6.1 Solはメインランキングが28.3点低下し、コード実行が30.2点・資料制約が25.9点低下した。Gemini 3.1 Proはメインランキングが23.7点低下し、コード実行が41.7点低下した。GPT-6 Lunaはメインランキングが21.4点低下し、コード実行が17.7点・資料制約が25.9点低下した。GPT-6 Astraはメインランキングが19.6点低下し、コード実行が25点・資料制約が12.9点低下した。これらの変化は問題のサンプリング変動によるものである可能性もあるが、モデルの実際のパフォーマンスが低下している可能性もあり、今後のrunによる確認が必要である。

Smokeは小サンプルの単日シグナルであるため、上記の観察は当日のデータ構造を反映しているに過ぎず、長期的な判断は現時点では行わない。

主な変化

• GPT-o3：メインランキング39.2点低下、コード実行-55.2点、資料制約-19.7点
• GPT-6.1 Sol：メインランキング28.3点低下、コード実行-30.2点、資料制約-25.9点
• Gemini 3.1 Pro：メインランキング23.7点低下、コード実行-41.7点
• GPT-6 Luna：メインランキング21.4点低下、コード実行-17.7点、資料制約-25.9点
• GPT-6 Astra：メインランキング19.6点低下、コード実行-25点、資料制約-12.9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。

この種の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、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に移行していないかどうか。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よるものである可能性もあるが、実際のパフォーマンス低下の初期シグナルである可能性もあり、今後のrunによる確認が必要である。

データ出典：YZ Index | Run #383 | 元データを確認