GPT-5.5・GPT-6 Astra・GPT-6 Luna・GPT-6 Solが87.27点で並列首位：2026-11-03 YZ Index Smoke速報データブリーフィング

2026-11-03のYZ Index Smoke速報は13モデルをカバーし、GPT-5.5・GPT-6 Astra・GPT-6 Luna・GPT-6 Solが87.27点で当日首位に並んだ。Smokeは毎日10問の速報テストであり、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テスト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。毎日のサンプル数が少ないため、単日のスコアはモデル能力の長期的な結論としてではなく、監視シグナルとして活用するのが適切である。

当日ランキング

データ解説

本日のYZ Index Smoke速報では、GPT-5.5・GPT-6 Astra・GPT-6 Luna・GPT-6 Solの4モデルがメインランキングで同じく87.27点を記録し、コード実行はいずれも100点、資料制約はいずれも71.7点となっており、コード実行高得点と資料制約中程度という組み合わせ構造を示している。Claude Sonnet 4.6はメインランキング84.9点で、コード実行88.9点・資料制約80点と、比較的バランスの取れたスコア分布を示している。DeepSeek V4 ProとClaude Opus 4.7は、それぞれコード実行75点・資料制約80点、コード実行70点・資料制約83.3点の組み合わせで中位に位置し、メインランキングはそれぞれ77.25点と75.99点である。

前回の同条件runと比較すると、DeepSeek V4 Proのメインランキングは43.5点上昇し、コード実行+75点・資料制約+5点；Gemini 3.1 Proはメインランキング+27.8点、コード実行+71.9点・資料制約-26.1点；Doubao Proはメインランキング+23.4点、コード実行+63.9点・資料制約-26.1点；GPT-o3はメインランキング+15.8点、コード実行+44.5点・資料制約-19.2点；GPT-5.5はメインランキング+14.8点、コード実行+50点・資料制約-28.3点となっている。これらの増減はいずれも単日少数サンプルテストによるものである。

上記のスコア変動は、問題サンプリングの揺らぎに起因する可能性もあれば、特定の制約下におけるモデルの実際のパフォーマンス差異を反映している可能性もあり、安定性の確認には後続runによる再検証が必要である。Smoke速報は少数サンプルの単日シグナルであり、現時点のデータは当日の観察のみに適しており、長期的な推論には用いないこととする。

主な変動

• DeepSeek V4 Pro：メインランキング+43.5点、コード実行+75点、資料制約+5点
• Gemini 3.1 Pro：メインランキング+27.8点、コード実行+71.9点、資料制約-26.1点
• Doubao Pro：メインランキング+23.4点、コード実行+63.9点、資料制約-26.1点
• GPT-o3：メインランキング+15.8点、コード実行+44.5点、資料制約-19.2点
• GPT-5.5：メインランキング+14.8点、コード実行+50点、資料制約-28.3点

注目すべきシグナル

• 今回は公表可能な異常シグナルは検出されなかった。

このようなSmokeブリーフィングを読む際は、2つの点に重点を置くべきである。第一に、あるモデルが複数日にわたって同種の弱点を連続して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に移行しているかどうか。単日のコード実行スコアや制約スコアの大幅な変動は、問題サンプリングに起因する場合もあれば、実際の性能劣化の早期シグナルである可能性もあり、後続runによる再検証が必要である。

データ出典：YZ Index | Run #409 | 原データを見る