GPT-6 AstraとGPT-6.1 Solが92.49点で並列首位：2026-11-10 Smokeクイックテストデータ速報

2026-11-10のYZ Index Smokeクイックテストは13モデルを対象とし、GPT-6 AstraとGPT-6.1 Solがともに92.49点で当日首位に並んだ。Smokeは毎日10問のクイックテストであり、短期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、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

データ分析

本日のメインランキング上位2位のGPT-6 AstraとGPT-6.1 Solはともに92.49点を獲得し、コード実行はいずれも100点、資料制約はいずれも83.3点と、コード実行満点・資料制約83.3点という同一の構成を示した。3位のGPT-6 Lunaはメインランキング87.42点で、コード実行81.7点・資料制約94.4点となり、資料制約スコアが上位2モデルを上回る一方、コード実行は相対的に低い。4位のGemini 3.1 Proはメインランキング82.42点で、コード実行81.7点・資料制約83.3点と、前述のモデルとは異なる強弱の組み合わせを示した。

Grok 4のメインランキングは29.5点低下し、コード実行は56.4点低下した。GPT-o3のメインランキングは28.5点低下し、コード実行は55.9点低下、資料制約は5点上昇した。Claude Sonnet 4.6のメインランキングは26.1点低下し、コード実行は26.7点低下、資料制約は25.4点低下した。Gemini 2.5 Proのメインランキングは17.5点低下し、コード実行は26.5点低下、資料制約は6.5点低下した。GPT-6 Solのメインランキングは15.5点低下し、コード実行は18.3点低下、資料制約は12.1点低下した。これらのスコア変動は、問題サンプリングのばらつきによる可能性もあれば、実際の性能低下による可能性もあり、後続のrunによる再確認が必要である。

Smokeは小サンプルの単日シグナルであり、以上の観察は当日のデータ構造を反映したものに過ぎず、長期的な推論は行っていない。

主な変化

• Grok 4：メインランキング-29.5点、コード実行-56.4点
• GPT-o3：メインランキング-28.5点、コード実行-55.9点、資料制約+5点
• Claude Sonnet 4.6：メインランキング-26.1点、コード実行-26.7点、資料制約-25.4点
• Gemini 2.5 Pro：メインランキング-17.5点、コード実行-26.5点、資料制約-6.5点
• GPT-6 Sol：メインランキング-15.5点、コード実行-18.3点、資料制約-12.1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確認されなかった。

この種のSmoke速報を読む際は、2点に着目すべきである。第一に、あるモデルが複数日にわたって同種の弱点を繰り返し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、問題サンプリングによるものである場合も、実際の性能低下の早期シグナルである場合もあり、後続のrunによる再確認が必要である。

データ出典：YZ Index | Run #420 | 元データを見る