Claude Opus 4.7が79.56点で首位：2026-11-11 YZ Index Smoke速報データブリーフィング

2026-11-11のYZ Index Smoke速測は13モデルを対象とし、Claude Opus 4.7が79.56点で当日首位となった。Smokeは毎日10問による速測であり、短期シグナルの観察に適しているが、Fullウィークリーランキングの結論とは同等ではない。

今回のSmore評測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参照するのが適切である。

当日ランキング

データ解説

今日のYZ Index Smoke速測において、上位モデルはコード実行と資料制約の組み合わせで明確な分化を示した。Claude Opus 4.7はメインランキング79.56で首位となり、コード実行72.4・資料制約88.3と資料制約での優位性が際立っている。Doubao Proはメインランキング79.18で僅差の2位につけ、コード実行78.5・資料制約80とコード実行スコアがより高い。GPT-6 Lunaはメインランキング74.75で、コード実行71.1・資料制約79.2と両指標がバランスよく取れている。上位モデルは概ね両指標で高水準を維持しているのに対し、中下位モデルではDeepSeek V4 Proのようにコード実行がわずか16.7ながら資料制約が88.3に達するケースや、Gemini 3.1 Proがコード実行35.8・資料制約81.7となるケースなど、単一指標では突出しているものの総合スコアが伸び悩む構造的特徴が見られた。

直前の同条件runとの比較では、GPT-6 Astraはメインランキングが36.2点低下し、コード実行が50.2点・資料制約が19.1点低下した。GPT-5.5はメインランキングが28.9点低下し、コード実行が32.6点・資料制約が24.3点低下した。Gemini 3.1 Proはメインランキングが26点低下し、コード実行が45.9点低下した。Gemini 2.5 Proはメインランキングが18.2点低下し、コード実行が24.1点・資料制約が11点低下した。GPT-6.1 Solはメインランキングが18点低下し、コード実行が25.2点・資料制約が9.1点低下した。これらの変化は主にコード実行指標に集中しており、資料制約の変動幅は相対的に小さかった。

今回のSmoke速測は小サンプルの単日シグナルであり、上記のスコア変化は問題のサンプリングによる変動に起因する可能性もあれば、特定シナリオにおけるモデルの実際のパフォーマンス差を反映している可能性もある。安定性の確認には後続runによる再検証が必要である。すべての解説は当日データに基づくものであり、長期的な判断は行わない。

主な変化

• GPT-6 Astra：メインランキング-36.2点、コード実行-50.2点、資料制約-19.1点
• GPT-5.5：メインランキング-28.9点、コード実行-32.6点、資料制約-24.3点
• Gemini 3.1 Pro：メインランキング-26点、コード実行-45.9点
• Gemini 2.5 Pro：メインランキング-18.2点、コード実行-24.1点、資料制約-11点
• GPT-6.1 Sol：メインランキング-18点、コード実行-25.2点、資料制約-9.1点

注目すべきシグナル

• 今回は公表対象となる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じ種類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。単日のコード実行または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場合もあり、後続runによる再検証が必要である。

データ出典：YZ Index | Run #421 | 元データを見る