2026-11-01のYZ Index Smoke速測は13モデルを対象とし、Claude Opus 4.7が98.79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おり、Full週間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。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扱うことが適切である。
当日ランキング
| 順位 | モデル | メインランキング | コード実行 | 資料制約 | 誠実性 |
|---|---|---|---|---|---|
| #1 | Claude Opus 4.7 | 98.79 | 97.8 | 100 | pass |
| #2 | GPT-6 Astra | 97.25 | 95 | 100 | pass |
| #3 | GPT-6 Luna | 90.93 | 94.3 | 86.8 | pass |
| #4 | Claude Sonnet 4.6 | 86.38 | 95.6 | 75.1 | pass |
| #5 | GPT-6.1 Sol | 86 | 95 | 75 | pass |
| #6 | GPT-6 Sol | 85.62 | 94.3 | 75 | pass |
| #7 | Grok 4 | 82.75 | 78.2 | 88.3 | pass |
| #8 | GPT-o3 | 77.49 | 89.1 | 63.3 | pass |
| #9 | GPT-5.5 | 69.06 | 75 | 61.8 | pass |
| #10 | Gemini 3.1 Pro | 61 | 70 | 50 | pass |
| #11 | Doubao Pro | 59.9 | 78.8 | 36.8 | pass |
| #12 | DeepSeek V4 Pro | 50.05 | 50 | 50.1 | pass |
| #13 | Gemini 2.5 Pro | 50 | 50 | 50 | pass |
主な変動
- DeepSeek V4 Pro：メインランキング34.8点下落、コード実行-44点、資料制約-23.6点
- Gemini 3.1 Pro：メインランキング29.4点下落、コード実行-24点、資料制約-35.9点
- Doubao Pro：メインランキング28.6点下落、資料制約-60.2点
- Gemini 2.5 Pro：メインランキング28.1点下落、コード実行-31.3点、資料制約-24.2点
- Claude Opus 4.7：メインランキング15.8点上昇、コード実行+28.8点
注目すべきシグナル
- Grok 4：コード実行が急落 -15.8点
- GPT-o3：資料制約が急落 -25点
- GLM-4.6：データ不完全（judgment・communication次元欠損、APIエラー/タイムアウト）、自動再実行中のため今回ランキング対象外
- Gemini 3.1 Pro：メインランキング急落 -29.4点
- Doubao Pro：メインランキング急落 -28.6点
- DeepSeek V4 Pro：メインランキング急落 -34.8点
- Gemini 2.5 Pro：メインランキング急落 -28.1点
- Qwen3 Max：データ不完全（execution・judgment・integrity・communication次元欠損、APIエラー/タイムアウト）、自動再実行中のため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種の弱点を露呈しているかどうか。第二に、誠実性評価がpassからwarnまたはfailに変化しているかどうか。単日のコード実行スコアや資料制約スコアの大幅な変動は、問題のサンプリングに起因する場合もあれば、実際の性能低下の初期シグナルである可能性もあり、後続の実行による検証が必要である。
データソース：YZ Index | Run #405 | 元データを見る
© 2026 Winzheng.com 赢政天下 | 转载请注明来源并附原文链接