Gemini 3.1 Proが90.36点で首位：2026-10-31 YZ Index Smoke速報データブリーフィング

2026-10-31のYZ Index Smoke速測は14モデルを対象とし、Gemini 3.1 Proが90.36点で当日首位となった。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ウィークリーランキングの結論とは同等ではない。

今回のSmoke評価はコード実行と資料制約の2つの主要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評価ではなく、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速測では、Gemini 3.1 Proがメインスコア90.36で首位となった。コード実行94・資料制約85.9というバランスの取れた構成が特徴的である。Doubao Proはメインスコア88.48で、コード実行81.5・資料制約97と資料制約の強さが際立っている。GPT-6 Astra（メイン86.44・コード実行94・資料制約77.2）やClaude Sonnet 4.6（メイン85.18・コード実行94・資料制約74.4）など上位モデルは、コード実行94の高水準が全体スコアを支える傾向が共通して見られる。

DeepSeek V4 Proはメイン+38.5点・コード実行+69点、Gemini 2.5 Proはメイン+31点・コード実行+57点、Doubao Proはメイン+27点・コード実行+36.7点・資料制約+15.1点、Grok 4はメイン+24.8点・コード実行+45.9点と、これらのモデルの顕著な上昇はいずれも主にコード実行次元の向上によるものである。一方、GPT-6 Solはメイン-16.4点・コード実行-33.2点と明確な後退が見られた。

GPT-6 Lunaの資料制約急落（-15.9点）、GPT-6 Solのメイン急落（-16.4点）、GPT-5.5のメイン急落（-8.8点）、GLM-4.6の資料制約急落（-43.6点）といった異常シグナルは、問題サンプリングの変動に起因する可能性もあれば、実際の性能低下の初期兆候である可能性もあり、後続のrunによる再確認が必要である。Qwen3 Maxはデータ不完全のため今回のランキングに参加していない。Smokeは小サンプルの単日シグナルであるため、関連する解釈は慎重に行うべきである。

主な変動

• DeepSeek V4 Pro：メインスコア上昇38.5点、コード実行+69点、誠実性 warn→pass
• Gemini 2.5 Pro：メインスコア上昇31点、コード実行+57点
• Doubao Pro：メインスコア上昇27点、コード実行+36.7点、資料制約+15.1点
• Grok 4：メインスコア上昇24.8点、コード実行+45.9点
• GPT-6 Sol：メインスコア下降16.4点、コード実行-33.2点

注目すべきシグナル

• GPT-6 Luna：資料制約急落 -15.9点
• GPT-6 Sol：メイン急落 -16.4点
• GPT-5.5：メイン急落 -8.8点
• GLM-4.6：資料制約急落 -43.6点
• Qwen3 Max：データ不完全（複数次元の欠損、API障害・タイムアウト）のため自動再実行待ちとなり、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、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にわたって同種の弱点を露呈していないか。第二に、誠実性評価がpassからwarnまたはfailに変化していないか。単日のコード実行または資料制約スコアの大幅な変動は、問題サンプリングによるものである可能性もあれば、実際の性能低下の早期シグナルである可能性もあり、後続のrunによる再確認が必要である。

データ出典：YZ Index | Run #404 | 元データを見る