2026-11-19 のYZ Index Smokeクイックテストは13モデルを対象とし、GPT-6 Sol が80.54点で当日首位を獲得した。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、Fullウィークリーランキングの結論とは同一ではない。
今回のSmokeテスト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
| 順位 | モデル | メイン | コード実行 | 資料制約 | 誠実性 |
|---|---|---|---|---|---|
| #1 | GPT-6 Sol | 80.54 | 68.7 | 95 | pass |
| #2 | GPT-5.5 | 78.62 | 74.3 | 83.9 | pass |
| #3 | GPT-o3 | 78.08 | 73.8 | 83.3 | pass |
| #4 | Claude Sonnet 4.6 | 77.41 | 68.5 | 88.3 | pass |
| #5 | Claude Opus 4.7 | 74.43 | 57.6 | 95 | pass |
| #6 | Doubao Pro | 71.84 | 48.8 | 100 | pass |
| #7 | Gemini 3.1 Pro | 68.77 | 47.3 | 95 | pass |
| #8 | GPT-6 Astra | 64.87 | 49.3 | 83.9 | pass |
| #9 | GPT-6.1 Sol | 64.87 | 49.3 | 83.9 | pass |
| #10 | GPT-6 Luna | 63.76 | 38.2 | 95 | pass |
| #11 | Grok 4 | 50.41 | 23.5 | 83.3 | pass |
| #12 | DeepSeek V4 Pro | 46.94 | 16.7 | 83.9 | pass |
| #13 | Gemini 2.5 Pro | 37.76 | 0 | 83.9 | pass |
データ解説
本日のメインランキング上位5モデルは、コード実行と資料制約のバランスにそれぞれ異なる傾向を示している。GPT-6 Solはコード実行68.7・資料制約95でメイン80.54を獲得、GPT-5.5はコード実行74.3・資料制約83.9でメイン78.62、GPT-o3はコード実行73.8・資料制約83.3でメイン78.08、Claude Sonnet 4.6はコード実行68.5・資料制約88.3でメイン77.41、Claude Opus 4.7はコード実行57.6・資料制約95でメイン74.43を記録した。上位モデルのうち資料制約95の組み合わせはメインランキング計算式においても高い順位を維持しており、コード実行74.3のモデルは実行スコアによって差を縮めている。
異常シグナルとして、Gemini 2.5 Proはメイン44.8点低下・コード実行75点低下・資料制約7.8点低下、DeepSeek V4 Proはメイン34.5点低下・コード実行58.3点低下・資料制約5.5点低下、Grok 4はメイン33.5点低下・コード実行55.9点低下・資料制約6.1点低下、GPT-6 Astraはメイン26.3点低下・コード実行50.7点低下、GPT-6.1 Solはメイン25.3点低下・コード実行50.7点低下・資料制約5.8点上昇、GPT-o3は資料制約16.7点低下、Doubao Proはコード実行26.2点低下、GPT-6 Lunaはメイン20.2点低下が確認された。これらの単日における大幅な変動は、問題サンプリングのばらつきに起因する可能性もあるが、真の性能劣化の兆候である可能性もあり、後続の再実行による検証が必要である。
GLM-4.6およびQwen3 MaxはAPIの障害によりデータが不完全であったため、今回のランキング対象外となった。Smokeクイックテスト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スコア構造を反映するにとどまり、長期的な判断は行わない。
主な変動
- Gemini 2.5 Pro:メイン44.8点低下、コード実行-75点、資料制約-7.8点
- DeepSeek V4 Pro:メイン34.5点低下、コード実行-58.3点、資料制約-5.5点
- Grok 4:メイン33.5点低下、コード実行-55.9点、資料制約-6.1点
- GPT-6 Astra:メイン26.3点低下、コード実行-50.7点
- GPT-6.1 Sol:メイン25.3点低下、コード実行-50.7点、資料制約+5.8点
注目すべきシグナル
- GPT-o3:資料制約が急落 -16.7点
- Doubao Pro:コード実行が急落 -26.2点
- GPT-6 Astra:メインが急落 -26.3点
- GPT-6.1 Sol:メインが急落 -25.3点
- GPT-6 Luna:メインが急落 -20.2点
- Grok 4:メインが急落 -33.5点
- DeepSeek V4 Pro:メインが急落 -34.5点
- Gemini 2.5 Pro:メインが急落 -44.8点
- GLM-4.6:データ不完全(APIの障害・タイムアウトにより複数次元が欠損)、自動再実行に移行中、今回はランキング対象外
- Qwen3 Max:データ不完全(APIの障害・タイムアウトにより複数次元が欠損)、自動再実行に移行中、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に移行していないかどうか。単日のコード実行または資料制約スコアの大幅な変動は、問題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、後続の再実行による検証が必要である。
データ出典:YZ Index | Run #435 | 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