2026年11月8日のYZ Index Smokeクイックテストは13モデルをカバーし、GPT-6 Astraが90.64点で当日首位を獲得した。Smokeは毎日10問のクイックテストであり、短期的なシグナルの観察に適しているが、週次Full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材料制約の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 × 材料制約 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
| 順位 | モデル | メインランキング | コード実行 | 材料制約 | 誠実性 |
|---|---|---|---|---|---|
| #1 | GPT-6 Astra | 90.64 | 100 | 79.2 | pass |
| #2 | GPT-6.1 Sol | 89.65 | 100 | 77 | pass |
| #3 | GPT-6 Luna | 86.23 | 88.3 | 83.7 | pass |
| #4 | GPT-6 Sol | 84.97 | 82.4 | 88.1 | pass |
| #5 | Grok 4 | 77.57 | 64.7 | 93.3 | pass |
| #6 | Claude Sonnet 4.6 | 72.32 | 57.6 | 90.3 | pass |
| #7 | GPT-5.5 | 68.56 | 57.4 | 82.2 | pass |
| #8 | GPT-o3 | 63.44 | 44.4 | 86.7 | warn |
| #9 | Doubao Pro | 59.56 | 53.3 | 67.2 | warn |
| #10 | Gemini 3.1 Pro | 56.18 | 25.8 | 93.3 | pass |
| #11 | Claude Opus 4.7 | 55.3 | 26 | 91.1 | pass |
| #12 | Gemini 2.5 Pro | 52 | 20 | 91.1 | pass |
| #13 | DeepSeek V4 Pro | 50.74 | 25 | 82.2 | pass |
主な変化
- Claude Opus 4.7：メインランキング23.6点下落、コード実行-44点
- Gemini 3.1 Pro：メインランキング23.1点下落、コード実行-49.2点、材料制約+8.8点
- Doubao Pro：メインランキング20点下落、コード実行-43.5点、材料制約+8.7点、誠実性 pass→warn
- GPT-o3：メインランキング19.5点下落、コード実行-47.2点、材料制約+14.4点、誠実性 pass→warn
- GPT-5.5：メインランキング13.9点下落、コード実行-42.4点、材料制約+20.9点
注目すべきシグナル
- 今回は公開可能な異常シグナルは確認されなかった。
このようなSmoke速報を読む際には、2点に着目すべきである。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に移行していないかどうか。単日のコード実行スコアや材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、実際の性能劣化の初期シグナルである可能性もあり、後続のrunによる検証が必要である。
データ出典：YZ Index | Run #417 | 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