GPT-6 Luna が86.95点で首位：2026年10月28日 YZ Index Smoke クイックテスト速報

2026年10月28日のYZ Index Smokeクイックテストは13モデルを対象とし、GPT-6 Lunaが86.95点で当日首位となった。Smokeは毎日10問のクイックテストであり、短期シグナルの観察に適しているが、週次フルランキングの結論とは同一ではない。

今回のSmokeテストはコード実行とマテリアル制約の2つのメインランキング次元のみを対象としており、メインランキングの計算式は 0.55 × コード実行 + 0.45 × 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評価ではなく、モニタリングシグナルとして参照するのが適切である。

当日ランキング

主な変動

• Doubao Pro：メインランキング+32.7点、コード実行+50点、マテリアル制約+11.5点
• Gemini 3.1 Pro：メインランキング−31.6点、コード実行−50点、マテリアル制約−9.2点
• GPT-6 Sol：メインランキング+22点、コード実行+25点、マテリアル制約+18.4点
• GPT-6.1 Sol：メインランキング+21点、コード実行+25点、マテリアル制約+16.2点
• Claude Opus 4.7：メインランキング−20.9点、コード実行−24.8点、マテリアル制約−16.2点

注目すべきシグナル

• Grok 4：コード実行が急落 −20.2点
• GPT-5.5：コード実行が急落 −25点
• Claude Opus 4.7：メインランキングが急落 −20.9点
• Claude Sonnet 4.6：メインランキングが急落 −9.9点
• DeepSeek V4 Pro：メインランキングが急落 −11.1点
• Gemini 3.1 Pro：メインランキングが急落 −31.6点
• GLM-4.6：データ不完全（integrity・communication次元が欠落、API障害/タイムアウト）。自動再実行に移行しており、今回のランキングには参加しない
• Qwen3 Max：データ不完全（execution・grounding・judgment・integrity・communication次元が欠落、API障害/タイムアウト）。自動再実行に移行しており、今回のランキングには参加しない

このようなSmoke速報を読む際は、二つの点に重点を置くべきである。第一に、特定のモデルが同種の弱点を複数日連続で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。単日のコード実行やマテリアル制約スコアの大幅な変動は、問題のサンプリングによるものである可能性もあれば、実際の性能劣化の初期シグナルである可能性もあり、後続の実行による再確認が必要である。

データ出典：YZ Index | Run #399 | 元データを見る