GPT-6 Astraが93.05点で首位：2026-11-07 YZ Index Smoke速報データブリーフィング

2026-11-07 YZ Index Smoke速報テストは14モデルを対象に実施され、GPT-6 Astraが93.05点で当日首位を獲得した。Smokeは毎日10問の速報テストであり、短期的な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一ではない。

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算出式は 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、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Smoke速報テストでは、GPT-6 Astraがメインランキング93.05で首位に立ち、コード実行99.8と資料制約84.8の両面での高得点が明確な優位性を形成した。GPT-6 LunaとGPT-6 Solはともにコード実行99.8で並び、資料制約はそれぞれ71.3と69.5、メインランキングはそれぞれ86.98と86.17となった。Claude Opus 4.7は資料制約89.8と高いものの、コード実行70、メインランキング78.91となり、資料制約が強くコード実行が相対的に弱い構造的特徴を示した。Gemini 3.1 Proはコード実行75・資料制約84.5でメインランキング79.28となり、同様に資料制約がランキングを下支えする構図となっている。

GPT-6 Lunaのメインランキングは前回比22.9点上昇し、コード実行+49.8点・資料制約-10.1点となった。GPT-6 Solはメインランキング+18.1点、コード実行+30.3点。GLM-4.6はメインランキング+15.7点、コード実行+30.5点。GPT-o3はメインランキング+15.1点、コード実行+22.1点・資料制約+6.6点。GPT-6 Astraはメインランキング+13.8点、資料制約+24.1点となった。これらの変動は単日の問題抽出サンプリングのばらつきに起因する可能性があり、実際の変化を反映しているかどうかは後続の実行による確認が必要である。

異常シグナルとして、GPT-5.5の資料制約が-18点、Doubao Proのメインランキングが-8点、Gemini 2.5 Proのメインランキングが-9.5点、DeepSeek V4 Proのメインランキングが-10.2点の下落を示した。Qwen3 Maxはデータ不完全のためランキングに参加していない。Smokeテストは少サンプルの単日シグナルであり、上記の変動は複数回の実行による安定性検証が必要であり、長期的な判断の根拠としない。

主な変化

• GPT-6 Luna：メインランキング+22.9点、コード実行+49.8点、資料制約-10.1点
• GPT-6 Sol：メインランキング+18.1点、コード実行+30.3点
• GLM-4.6：メインランキング+15.7点、コード実行+30.5点
• GPT-o3：メインランキング+15.1点、コード実行+22.1点、資料制約+6.6点、誠実性 warn→pass
• GPT-6 Astra：メインランキング+13.8点、コード実行+5.3点、資料制約+24.1点

注目すべきシグナル

• GPT-5.5：資料制約が急落 -18点
• Doubao Pro：メインランキングが急落 -8点
• Gemini 2.5 Pro：メインランキングが急落 -9.5点
• DeepSeek V4 Pro：メインランキングが急落 -10.2点
• Qwen3 Max：データ不完全（複数評価次元でAPIエラー/タイムアウトが発生）により自動再実行待ち、今回はランキング対象外

この種のSmoke速報を読む際には、2点に着目すべきである。第1に、あるモデルが同一の弱点を複数日連続して露呈しているかどうか。第2に、誠実性評価がpassからwarnまたはfailに変化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化は、問題のサンプリングに起因する場合もあれば、実際の性能劣化の早期シグナルである可能性もあり、後続の実行による確認が必要である。

データ出典：YZ Index | Run #415 | 元データを確認