GPT-5.5とGPT-6 Solが92.44点で並列首位：2026年11月16日 YZ Index Smoke速報

2026年11月16日のYZ Index Smokeクイック評価は14モデルをカバーし、GPT-5.5とGPT-6 Solが92.44点で当日首位に並んだ。Smokeは毎日10問のクイック評価であり、短期的なシグナルの観察に適しており、週次フル総合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

データ解説

本日のYZ Index Smokeクイック評価では、GPT-5.5とGPT-6 Solがメインランキングで92.44点に並び、コード実行はいずれも95点、資料制約はいずれも89.3点と、コード実行と資料制約の両次元で高いパフォーマンスを示した。GPT-6 Lunaはメインランキング88.75点で、コード実行88.3点・資料制約89.3点と、資料制約を軸に高い順位を維持した。Claude Opus 4.7はメインランキング82.43点（コード実行76.8点・資料制約89.3点）、Grok 4はメインランキング81.99点（コード実行76点・資料制約89.3点）であった。これ以降のモデルは、コード実行スコアが低下する一方で資料制約が89.3点を維持するという構造的な特徴が多く見られた。

GPT-o3はメインランキングが25.9点低下・コード実行が47点低下、Doubao Proはメインランキングが24.6点低下・コード実行が24.2点低下かつ資料制約が25点低下、Claude Sonnet 4.6はメインランキングが24.5点低下・コード実行が24点低下かつ資料制約が25点低下と、いずれも異常なシグナルを示したが、これは問題サンプリングのばらつきによるものか、あるいは実際の性能低下の兆候である可能性があり、後続の実行による検証が必要である。GPT-6 Astraのコード実行が27.3点急落、GPT-6.1 Solのコード実行が27.3点急落、Gemini 3.1 Proの資料制約が25点急落、Gemini 2.5 Proのメインランキングが8.9点低下したことも、ばらつきと性能低下を区別するために複数回の検証が必要である。

Smokeは小サンプルの単日シグナルであるため、解釈は慎重に行い、長期的なパフォーマンスについての結論は下さないものとする。

主な変化

• GPT-o3：メインランキング-25.9点、コード実行-47点
• Doubao Pro：メインランキング-24.6点、コード実行-24.2点、資料制約-25点
• Claude Sonnet 4.6：メインランキング-24.5点、コード実行-24点、資料制約-25点
• Gemini 2.5 Pro：メインランキング-8.9点、資料制約-25点
• GPT-6 Luna：メインランキング-6.4点、コード実行-11.7点

注目すべきシグナル

• GPT-6 Astra：コード実行が急落 -27.3点
• GPT-6.1 Sol：コード実行が急落 -27.3点
• Claude Sonnet 4.6：メインランキングが急落 -24.5点
• GPT-o3：メインランキングが急落 -25.9点
• Gemini 3.1 Pro：資料制約が急落 -25点
• Gemini 2.5 Pro：メインランキングが急落 -8.9点
• Doubao Pro：メインランキングが急落 -24.6点
• Qwen3 Max：データが不完全（複数次元で欠損あり、API障害/タイムアウトのため）、自動再実行キューに入っており、今回のランキングには参加しない

このようなSmoke速報を読む際は、次の2点に重点を置くべきである。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起因する場合もあれば、実際の性能低下の早期シグナルである場合もあり、後続の実行による検証が必要である。

データ出典：YZ Index | Run #429 | 元データを見る