2026-11-14 YZ Index Smokeクイックテストは13モデルを対象に実施され、Claude Opus 4.7が83.48点で当日首位となった。Smokeは1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は同一視できない。
今回のSmokeテストはコード実行と資料制約の2つの主要評価次元のみを対象としており、主榜スコアの計算式は 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としてではなく、モニタリングシグナルとして参照するにとどめるべきである。
当日ランキング
| 順位 | モデル | 主榜 | コード実行 | 資料制約 | 誠実性 |
|---|---|---|---|---|---|
| #1 | Claude Opus 4.7 | 83.48 | 94.5 | 70 | pass |
| #2 | GPT-6 Luna | 76.64 | 94.5 | 54.8 | pass |
| #3 | GPT-5.5 | 76.41 | 94.5 | 54.3 | pass |
| #4 | Doubao Pro | 73.4 | 94.5 | 47.6 | pass |
| #5 | GPT-6.1 Sol | 72.14 | 94.5 | 44.8 | pass |
| #6 | Claude Sonnet 4.6 | 70.61 | 94.5 | 41.4 | pass |
| #7 | Grok 4 | 69 | 88.8 | 44.8 | pass |
| #8 | GPT-6 Sol | 65.88 | 91.3 | 34.8 | pass |
| #9 | GPT-o3 | 65.56 | 91.3 | 34.1 | pass |
| #10 | GPT-6 Astra | 65.07 | 94.5 | 29.1 | pass |
| #11 | Gemini 2.5 Pro | 57.01 | 67 | 44.8 | pass |
| #12 | Gemini 3.1 Pro | 55.66 | 44.5 | 69.3 | pass |
| #13 | DeepSeek V4 Pro | 53.73 | 44.5 | 65 | pass |
データ分析
スコア構成を見ると、Claude Opus 4.7は主榜83.48で首位となり、コード実行94.5と資料制約70がバランスよく組み合わさっており、資料制約スコアは上位モデルの中で最高となっている。GPT-6 Luna、GPT-5.5、Doubao Pro、GPT-6.1 Sol、Claude Sonnet 4.6はいずれもコード実行94.5の高水準を示す一方、資料制約はそれぞれ54.8、54.3、47.6、44.8、41.4にとどまっており、コード実行が強い反面、資料制約が相対的に弱いという共通の特徴を示している。Grok 4とGPT-6 Solはコード実行がそれぞれ88.8と91.3、資料制約が44.8と34.8で、主榜合計は69と65.88となっている。
異常シグナルとして、GPT-6 Astraの主榜が-27.3点急落し資料制約も-60.2点、GPT-6 Lunaの主榜が+16.3点上昇し資料制約も+35点、Doubao Proの主榜が+15.8点上昇しコード実行+19.5点・資料制約+11.3点、GPT-o3の主榜が-14.2点下落し資料制約も-27.2点、Claude Sonnet 4.6の主榜が-11.7点下落しコード実行-5点・資料制約-19.9点となっており、これらの単日大幅変動は設問サンプリングのばらつきに起因する可能性もあれば、真の性能劣化を反映している可能性もあるため、後続のrunによる再確認が必要である。Claude Opus 4.7の主榜急落-11.4点、Grok 4の資料制約急落-16.5点、Gemini 2.5 Proの資料制約急落-16.5点、Gemini 3.1 Proのコード実行急落-30.5点も同様に、小サンプルシグナルの限界を示している。
GLM-4.6とQwen3 Maxはデータ不完全のためランキングに参加せず、自動再実行キューに入っており、今回のSmokeクイックテスト結果は当日の参考値に過ぎない。
主な変動
- GPT-6 Astra：主榜-27.3点下落、資料制約-60.2点
- GPT-6 Luna：主榜+16.3点上昇、資料制約+35点
- Doubao Pro：主榜+15.8点上昇、コード実行+19.5点、資料制約+11.3点
- GPT-o3：主榜-14.2点下落、資料制約-27.2点
- Claude Sonnet 4.6：主榜-11.7点下落、コード実行-5点、資料制約-19.9点
注目すべきシグナル
- Claude Opus 4.7：主榜急落 -11.4点
- Claude Sonnet 4.6：主榜急落 -11.7点
- Grok 4：資料制約急落 -16.5点
- GPT-o3：主榜急落 -14.2点
- GPT-6 Astra：主榜急落 -27.3点
- Gemini 2.5 Pro：資料制約急落 -16.5点
- Gemini 3.1 Pro：コード実行急落 -30.5点
- GLM-4.6：データ不完全（judgment・integrity・communicationの各次元が欠損、API障害/タイムアウト）、自動再実行キュー入り、今回はランキング対象外
- Qwen3 Max：データ不完全（execution・grounding・judgment・integrity・communicationの各次元が欠損、API障害/タイムアウト）、自動再実行キュー入り、今回はランキング対象外
この種のSmoke速報を読む際は、2点に注目すべきである。第1に、あるモデルが複数日連続して同種の弱点を示しているか否か。第2に、誠実性評価がpassからwarnまたはfailに移行していないか。単日のコード実行や資料制約スコアの大幅変動は、設問サンプリングに起因する場合もあれば、真の性能劣化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 #426 | 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