2026-11-15 YZ Index Smoke速測は13モデルを対象に実施され、Claude Sonnet 4.6とGPT-6 Lunaが95.19点で当日首位に並んだ。Smokeは毎日10問の速測であり、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、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 となっている。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、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
| 順位 | モデル | メインランキング | コード実行 | 資料制約 | 誠実性 |
|---|---|---|---|---|---|
| #1 | Claude Sonnet 4.6 | 95.19 | 100 | 89.3 | pass |
| #2 | GPT-6 Luna | 95.19 | 100 | 89.3 | pass |
| #3 | GPT-o3 | 94.31 | 98.4 | 89.3 | pass |
| #4 | GPT-6 Sol | 90.69 | 100 | 79.3 | pass |
| #5 | GPT-5.5 | 88.75 | 100 | 75 | pass |
| #6 | GPT-6 Astra | 84.7 | 97.3 | 69.3 | pass |
| #7 | GPT-6.1 Sol | 84.7 | 97.3 | 69.3 | pass |
| #8 | Grok 4 | 82.7 | 77.3 | 89.3 | pass |
| #9 | Claude Opus 4.7 | 81.44 | 75 | 89.3 | pass |
| #10 | Doubao Pro | 65.38 | 45.8 | 89.3 | pass |
| #11 | Gemini 3.1 Pro | 53.94 | 25 | 89.3 | pass |
| #12 | Gemini 2.5 Pro | 51.63 | 20.8 | 89.3 | pass |
| #13 | DeepSeek V4 Pro | 49.44 | 25 | 79.3 | pass |
主な変動
- GPT-o3：メインランキング+28.8点、コード実行+7.1点、資料制約+55.2点
- GPT-6 Sol：メインランキング+24.8点、コード実行+8.7点、資料制約+44.5点
- Claude Sonnet 4.6：メインランキング+24.6点、コード実行+5.5点、資料制約+47.9点
- GPT-6 Astra：メインランキング+19.6点、資料制約+40.2点
- GPT-6 Luna：メインランキング+18.6点、コード実行+5.5点、資料制約+34.5点
注目すべきシグナル
- Claude Opus 4.7：コード実行が急落 -19.5点
- Doubao Pro：メインランキングが急落 -8点
- Gemini 3.1 Pro：コード実行が急落 -19.5点
- Gemini 2.5 Pro：コード実行が急落 -46.2点
- DeepSeek V4 Pro：コード実行が急落 -19.5点
- GLM-4.6：データ不完全（execution・communication次元欠損、API障害/タイムアウト）、自動再実行中のため今回ランキング対象外
- Qwen3 Max：データ不完全（execution・grounding・judgment・integrity・communication次元欠損、API障害/タイムアウト）、自動再実行中のため今回ランキング対象外
このようなSmokeブリーフィングを読む際は、二点に注目すべきである。第一に、あるモデルが複数日にわたって同種の弱点を示しているかどうか。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、後続の実行による検証が必要である。
データ出典：YZ Index | Run #427 | 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