2026-11-23 YZ Index Smoke速測は14モデルをカバーし、Claude Opus 4.7が78.72点で当日首位を獲得した。Smokeは毎日10問の速測であり、短期的なシグナルの観察に適しているが、Full週次ランキングの結論とは同一ではない。
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。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 | メインランキング | コード実行 | 資料制約 | 誠実性 |
|---|---|---|---|---|---|
| #1 | Claude Opus 4.7 | 78.72 | 96 | 57.6 | pass |
| #2 | GPT-6.1 Sol | 78.29 | 99.3 | 52.6 | pass |
| #3 | Claude Sonnet 4.6 | 77.9 | 98.6 | 52.6 | pass |
| #4 | GPT-6 Sol | 75.27 | 99.3 | 45.9 | pass |
| #5 | GPT-5.5 | 66.79 | 74.3 | 57.6 | pass |
| #6 | Grok 4 | 66.35 | 77.6 | 52.6 | warn |
| #7 | GPT-6 Astra | 64.54 | 74.3 | 52.6 | pass |
| #8 | GPT-6 Luna | 64.27 | 96.4 | 25 | pass |
| #9 | Doubao Pro | 62.01 | 73.8 | 47.6 | pass |
| #10 | GPT-o3 | 58.28 | 73.8 | 39.3 | pass |
| #11 | DeepSeek V4 Pro | 56.44 | 50 | 64.3 | pass |
| #12 | GLM-4.6 | 56.44 | 50 | 64.3 | warn |
| #13 | Gemini 3.1 Pro | 51.17 | 50 | 52.6 | pass |
| #14 | Gemini 2.5 Pro | 48.16 | 50 | 45.9 | pass |
データ解説
本日のYZ Index Smoke速測では、上位モデルにおいてコード実行と資料制約の組み合わせに明確な差異が見られた。Claude Opus 4.7はメインランキング78.72で首位となり、コード実行96・資料制約57.6を記録。GPT-6.1 Solはメインランキング78.29でコード実行99.3・資料制約52.6、Claude Sonnet 4.6はメインランキング77.9でコード実行98.6・資料制約52.6となった。これらのモデルはコード実行スコアが資料制約を全般的に上回り、高コード実行・中程度資料制約という構造を形成している。GPT-6 Solはメインランキング75.27でコード実行99.3・資料制約45.9となり、同様の組み合わせの特徴を示している。
直前の同条件runと比較すると、一部のモデルでスコアの顕著な変動が見られた。Claude Sonnet 4.6はメインランキングが16.3点上昇し、コード実行が50点上昇・資料制約が24.8点下降。GPT-5.5はメインランキングが12.6点上昇し、コード実行が25点上昇。GLM-4.6はメインランキングが12.7点上昇し、コード実行が25点上昇した。一方、GPT-o3はメインランキングが20.1点下降し、資料制約が47.4点下降。Grok 4はメインランキングが17.2点下降し、コード実行が10.9点・資料制約が24.8点下降するとともに、誠実性評価がpassからwarnに変化。GPT-6 Lunaは資料制約が36.9点下降、Doubao Proはメインランキングが11.2点下降、Gemini 2.5 Proはメインランキングが9.4点下降した。
異常シグナルとして、Claude Sonnet 4.6の資料制約の急落、Grok 4のメインランキングの急落、GPT-6 Lunaの資料制約の急落、Doubao Proのメインランキングの急落、GPT-o3のメインランキングの急落、およびGemini 2.5 Proのメインランキングの急落が挙げられる。これらの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、実際の性能低下である可能性もあり、後続runでの確認が必要である。Smokeは小サンプルの単日シグナルであるため、現在のデータは参考情報に留まり、長期的な判断の根拠とはならない。
主な変化
- GPT-o3:メインランキング20.1点下降、資料制約 -47.4点
- Grok 4:メインランキング17.2点下降、コード実行 -10.9点、資料制約 -24.8点、誠実性 pass→warn
- Claude Sonnet 4.6:メインランキング16.3点上昇、コード実行 +50点、資料制約 -24.8点
- GLM-4.6:メインランキング12.7点上昇、コード実行 +25点
- GPT-5.5:メインランキング12.6点上昇、コード実行 +25点
注目すべきシグナル
- Claude Sonnet 4.6:資料制約が急落 -24.8点
- Grok 4:メインランキングが急落 -17.2点
- GPT-6 Luna:資料制約が急落 -36.9点
- Doubao Pro:メインランキングが急落 -11.2点
- GPT-o3:メインランキングが急落 -20.1点
- Gemini 2.5 Pro:メインランキングが急落 -9.4点
- Qwen3 Max:データ不完整(コード実行・資料制約・判定・誠実性・コミュニケーション次元が欠損、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、今回は順位に参加しない
この種のSmokeブリーフィングを読む際には、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じ種類の弱点を継続して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。単日のコード実行や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、実際の性能低下の早期シグナルである場合もあり、後続runでの確認が必要である。
データ出典:YZ Index | Run #439 | 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