GPT-6 AstraとGPT-6.1 Solが81.66点で並列首位：2026-11-05 YZ Index Smoke速報データ

2026-11-05 YZ Index Smokeは13モデルを対象に実施され、GPT-6 AstraとGPT-6.1 Solが81.66点で当日首位に並んだ。Smokeは毎日10問の速報測定であり、短期的なシグナル観察に適しており、週次フルランキングの結論と同等ではない。

今回のSmoke評価はコード実行と資料制約の2つのメイン指標のみをカバーしており、メインスコアの計算式は 0.55 × コード実行 + 0.45 × 資料制約 である。日次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

データ解説

本日のYZ Index Smoke速報において、GPT-6 AstraとGPT-6.1 Solはメインスコア81.66点で並列首位となり、両モデルともコード実行75点・資料制約89.8点と、両指標のバランスの取れた組み合わせを示した。DeepSeek V4 ProとGemini 3.1 Proは同じくメインスコア77.1点で続いており、コード実行66.7点・資料制約89.8点という構成は資料制約での優位性を示している。GPT-6 Solのメインスコア75.13点はコード実行74.5点と資料制約75.9点の比較的均衡な組み合わせによるものであり、Doubao Proのメインスコア70.16点はコード実行50点・資料制約94.8点という資料制約主導型のパターンに依存している。

Claude Opus 4.7はメインスコアが42.4点低下、コード実行が68.7点低下、資料制約が10.2点低下し、GPT-5.5はメインスコアが40.6点低下かつコード実行が74.3点低下、GPT-o3はメインスコアが38.4点低下かつコード実行が71.1点低下した。これらの顕著な変化は問題サンプリングの変動によるものである可能性もあれば、単日における実際のパフォーマンス低下を反映している可能性もある。Gemini 3.1 Proはメインスコアが36.5点上昇、コード実行が35.9点上昇、資料制約が37.2点上昇し、DeepSeek V4 Proはメインスコアが34.4点上昇、コード実行が41.7点上昇、資料制約が25.5点上昇した。これらについても、シグナルの安定性を確認するため、同一条件による追加ランでの検証が必要である。

Smoke速報は少サンプルの単日シグナルであり、上位モデルは資料制約89.8点の水準で比較的高いメインスコアを維持しているが、コード実行と資料制約の強弱の組み合わせの違いが総合スコアの計算結果に直接影響する。すべての解説は本日のデータに基づくものであり、モデルの長期的な状態についての結論は避けるべきである。

主な変化

• Claude Opus 4.7：メインスコア-42.4点、コード実行-68.7点、資料制約-10.2点
• GPT-5.5：メインスコア-40.6点、コード実行-74.3点
• GPT-o3：メインスコア-38.4点、コード実行-71.1点
• Gemini 3.1 Pro：メインスコア+36.5点、コード実行+35.9点、資料制約+37.2点
• DeepSeek V4 Pro：メインスコア+34.4点、コード実行+41.7点、資料制約+25.5点

注目すべきシグナル

• 今回、公開可能な異常シグナルは確認されなかった。

この種のSmoke速報を読む際は、2点に注目すべきである。第一に、ある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。単日のコード実行スコアや資料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、実際のパフォーマンス低下の初期シグナルである場合もあり、後続の追加ランによる検証が必要である。

データ出典：YZ Index | Run #413 | 元データを見る