GPT-5.5が93.54点で首位：2026-10-19 YZ Index Smoke速報データブリーフィング

2026-10-19のYZ Index Smoke速測は14モデルを対象とし、GPT-5.5が93.54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週次ランキングの結論とは同一視できない。

今回のSmoke評価はコード実行と資料制約の2つの主榜ディメンションのみを対象とし、主榜スコアの計算式は 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結論としてではなく、モニタリングシグナルとして捉えるのが適切である。

当日ランキング

データ解説

本日のYZ Index Smoke速測において、GPT-5.5は主榜93.54で首位を獲得した。コード実行97・資料制約89.3というバランスの取れた組み合わせが優位性を形成している。Grok 4はこれに続き、主榜92.6はコード実行95.3・資料制約89.3の組み合わせに支えられている。GPT-6 Astra、GPT-6 Sol、GPT-6.1 Solの3モデルはいずれも主榜82.33で、コード実行は同じく97だが資料制約は64.4にとどまり、コード実行側に偏った構造的特徴を示している。Claude Opus 4.7は主榜79.79で、コード実行72・資料制約89.3という組み合わせから、資料制約が相対的に突出するパターンが見られる。

前回同条件のrunとの比較では、GPT-6.1 Solの主榜が28点上昇（コード実行+43.9点）、GPT-5.5の主榜が25.4点上昇（コード実行+38.7点）、GPT-6 Astraの主榜が23.8点上昇（コード実行+38.7点）、GPT-6 Lunaの主榜が22.3点上昇（コード実行+43.9点）、Grok 4の主榜が20.5点上昇（コード実行+22.4点、資料制約+18.2点）となった。これらの単日上昇幅はいずれも小サンプルテストによるものであり、サンプリングの変動と実際の変化を区別するために後続runによる検証が必要である。

異常シグナルとして、DeepSeek V4 Proの主榜が18.6点急落し、GLM-4.6の資料制約が30.2点急落した。また、Qwen3 MaxはAPIの障害によりデータが不完全となったため、今回のランキングには参加していない。これらの変動はSmoke小サンプル単日シグナルの性質上、問題のサンプリング変動または一時的な実行差異に起因する可能性があり、後続の完全runによる検証が必要であり、長期的な判断の根拠とはできない。

主な変動

• GPT-6.1 Sol：主榜+28点、コード実行+43.9点、資料制約+8.5点
• GPT-5.5：主榜+25.4点、コード実行+38.7点、資料制約+9.1点
• GPT-6 Astra：主榜+23.8点、コード実行+38.7点、資料制約+5.5点
• GPT-6 Luna：主榜+22.3点、コード実行+43.9点
• Grok 4：主榜+20.5点、コード実行+22.4点、資料制約+18.2点

注目すべきシグナル

• DeepSeek V4 Pro：主榜急落 -18.6点
• GLM-4.6：資料制約急落 -30.2点
• Qwen3 Max：データ不完全（APIの障害・タイムアウトにより複数ディメンションで欠損）、自動補完実行待ち、今回ランキング対象外

このようなSmokeブリーフィングを読む際は、2つの点に注目すべきである。第一に、あるモデルが複数日連続して同一カテゴリ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に変化したかどうか。コード実行や資料制約スコアの単日における大幅な変動は、問題サンプリングによるものである場合も、実際の性能低下の初期シグナルである場合もあり、後続runによる検証が必要である。

データ出典：YZ Index | Run #385 | 元データを見る