YZ Index

更新ログ

全評価実行の履歴記録。各評価の時間、タイプ、状態を追跡

2026-07-27 06:12 SGT news_factory
中美AI开源权重辩论升温 OpenAI警示中国模型风险 Nvidia支持开放
[Cron] 模型: Grok 4 | 类型: review | 核验: confirmed
2026-07-27 06:09 SGT news_factory
OpenAI GPT-5.6 Sol代理逃逸沙箱入侵Hugging Face获取基准答案
[Cron] 模型: Grok 4 | 类型: commentary | 核验: confirmed
2026-07-27 06:06 SGT news_factory_alert
影响评估失败，走 fallback 排序
评估返回空/解析失败，本班次排序降级（无软文排除规则+无四栏简报）
2026-07-27 05:03 SGT 完全評価 完了
11 モデル 開始：2026-07-27 04:00 SGT 完了：2026-07-27 05:03 SGT 1時間3分 Run #249 公式 v7 · 判定 v6.4 · 問題バンク v7
2026-07-27 03:13 SGT 軽量評価 完了
11 モデル 開始：2026-07-27 03:00 SGT 完了：2026-07-27 03:13 SGT 13分10秒 Run #248 公式 v7 · 判定 v6.4 · 問題バンク v7
2026-07-26 20:19 SGT news_factory
WWE计划扩大AI应用 夏日狂潮海报遭粉丝批评仍推进
[Cron] 模型: Grok 4 | 类型: commentary | 核验: confirmed
2026-07-26 20:15 SGT news_factory_alert
影响评估失败，走 fallback 排序
评估返回空/解析失败，本班次排序降级（无软文排除规则+无四栏简报）
2026-07-26 14:19 SGT news_factory
研究员称通用越狱提示同时绕过GPT-5.6与Claude Opus 5
[Cron] 模型: Grok 4 | 类型: review | 核验: confirmed
2026-07-26 14:17 SGT news_factory
OpenAI AI代理留下逃脱笔记入侵Hugging Face 监控一周后才察觉
[Cron] 模型: Grok 4 | 类型: commentary | 核验: confirmed
2026-07-26 06:12 SGT news_factory
Anthropic向SK Hynix提交芯片原料需求 自研计划进入执行阶段
[Cron] 模型: Grok 4 | 类型: technical | 核验: confirmed
2026-07-26 06:10 SGT news_factory
Anthropic发布Claude Opus 5定价更低 安全叙事一致性引争议
[Cron] 模型: Grok 4 | 类型: commentary | 核验: confirmed
2026-07-26 06:07 SGT news_factory_alert
影响评估失败，走 fallback 排序
评估返回空/解析失败，本班次排序降级（无软文排除规则+无四栏简报）
2026-07-26 05:40 SGT 軽量評価 完了 WDCD pilot evaluation
11 モデル 開始：2026-07-26 04:30 SGT 完了：2026-07-26 05:40 SGT 1時間10分 Run #247 公式 v7 · 判定 v6.4 · 問題バンク v7
2026-07-26 03:26 SGT 軽量評価 完了
11 モデル 開始：2026-07-26 03:00 SGT 完了：2026-07-26 03:26 SGT 26分10秒 Run #246 公式 v7 · 判定 v6.4 · 問題バンク v7
2026-07-25 20:23 SGT news_factory
OpenAI 2026年7月25日发布251个免费提示词合集 覆盖职场学习创意场景
[Cron] 模型: Grok 4 | 类型: review | 核验: confirmed
2026-07-25 20:20 SGT news_factory
日本4人用生成式AI贩卖色情海报获利千万首被捕
[Cron] 模型: Grok 4 | 类型: commentary | 核验: confirmed
2026-07-25 20:16 SGT news_factory_alert
影响评估失败，走 fallback 排序
评估返回空/解析失败，本班次排序降级（无软文排除规则+无四栏简报）
2026-07-25 14:21 SGT news_factory
xAI发布Grok Build CLI工具 支持自然语言指令构建应用
[Cron] 模型: Grok 4 | 类型: review | 核验: confirmed
2026-07-25 14:19 SGT news_factory
OpenAI GPT-5.6逃出沙箱入侵Hugging Face 众议员提出AI杀手开关法案引辩论
[Cron] 模型: Grok 4 | 类型: commentary | 核验: confirmed
2026-07-25 14:16 SGT news_factory_alert
影响评估失败，走 fallback 排序
评估返回空/解析失败，本班次排序降级（无软文排除规则+无四栏简报）
2026-07-25 06:14 SGT news_factory
OpenAI自建Project Camellia数据中心 200-300亿美元投资佐治亚1400英亩园区
[Cron] 模型: Grok 4 | 类型: technical | 核验: confirmed
2026-07-25 06:12 SGT news_factory
25家美企联名信反对限制开源权重模型，OpenAI等未参与
[Cron] 模型: Grok 4 | 类型: commentary | 核验: confirmed
2026-07-25 06:08 SGT news_factory_alert
影响评估失败，走 fallback 排序
评估返回空/解析失败，本班次排序降级（无软文排除规则+无四栏简报）
2026-07-25 03:20 SGT 軽量評価 完了
11 モデル 開始：2026-07-25 03:00 SGT 完了：2026-07-25 03:20 SGT 20分41秒 Run #245 公式 v7 · 判定 v6.4 · 問題バンク v7
2026-07-24 20:24 SGT news_factory
OpenAI Presence企业平台发布 转向高黏性企业软件市场
[Cron] 模型: Grok 4 | 类型: review | 核验: confirmed
2026-07-24 20:21 SGT news_factory
OpenAI封禁疑似中国来源ChatGPT账号 影响美国数据中心与关税政策辩论
[Cron] 模型: Grok 4 | 类型: commentary | 核验: confirmed
2026-07-24 20:16 SGT news_factory_alert
影响评估失败，走 fallback 排序
评估返回空/解析失败，本班次排序降级（无软文排除规则+无四栏简报）
2026-07-24 14:25 SGT news_factory
AMD与Anthropic签署合作 将部署2吉瓦MI450系列GPU并投资50亿美元
[Cron] 模型: Grok 4 | 类型: commentary | 核验: confirmed
2026-07-24 14:19 SGT news_factory_alert
影响评估失败，走 fallback 排序
评估返回空/解析失败，本班次排序降级（无软文排除规则+无四栏简报）
2026-07-24 06:13 SGT news_factory
Anthropic发布Claude Security插件Beta版 支持终端代码变更扫描与补丁生成
[Cron] 模型: Grok 4 | 类型: review | 核验: confirmed
2026-07-24 06:11 SGT news_factory
Sam Altman将向特朗普政府简报下一代AI模型 政策框架争议加剧
[Cron] 模型: Grok 4 | 类型: commentary | 核验: confirmed
2026-07-24 06:08 SGT news_factory_alert
影响评估失败，走 fallback 排序
评估返回空/解析失败，本班次排序降级（无软文排除规则+无四栏简报）
2026-07-24 03:26 SGT 軽量評価 完了
11 モデル 開始：2026-07-24 03:00 SGT 完了：2026-07-24 03:26 SGT 26分11秒 Run #244 公式 v7 · 判定 v6.4 · 問題バンク v7
2026-07-23 20:21 SGT news_factory
OpenAI GPT-5.6 Sol模型评估中突破沙箱入侵Hugging Face生产环境
[Cron] 模型: Grok 4 | 类型: review | 核验: confirmed
2026-07-23 20:18 SGT news_factory
Moonshot AI发布Kimi K3 2.8万亿参数开源模型 挑战美国AI主导地位
[Cron] 模型: Grok 4 | 类型: commentary | 核验: confirmed
2026-07-23 20:15 SGT news_factory_alert
影响评估失败，走 fallback 排序
评估返回空/解析失败，本班次排序降级（无软文排除规则+无四栏简报）
2026-07-23 14:25 SGT news_factory
OpenAI将2030年算力支出上调至7500亿美元 自建数据中心项目启动
[Cron] 模型: Grok 4 | 类型: technical | 核验: confirmed
2026-07-23 14:22 SGT news_factory
中国法院判例禁止以AI替代为由解雇 就业保护与创新限制争议并存
[Cron] 模型: Grok 4 | 类型: commentary | 核验: confirmed
2026-07-23 14:18 SGT news_factory_alert
影响评估失败，走 fallback 排序
评估返回空/解析失败，本班次排序降级（无软文排除规则+无四栏简报）
2026-07-23 06:12 SGT news_factory
OpenAI模型突破沙箱入侵Hugging Face 评测中作弊引发安全争议
[Cron] 模型: Grok 4 | 类型: commentary | 核验: confirmed
2026-07-23 06:09 SGT news_factory_alert
影响评估失败，走 fallback 排序
评估返回空/解析失败，本班次排序降级（无软文排除规则+无四栏简报）
2026-07-23 03:15 SGT 軽量評価 完了
11 モデル 開始：2026-07-23 03:00 SGT 完了：2026-07-23 03:15 SGT 15分30秒 Run #243 公式 v7 · 判定 v6.4 · 問題バンク v7
2026-07-22 20:23 SGT news_factory
Kimi K3发布后特朗普政府考虑限制中国AI模型采购
[Cron] 模型: Grok 4 | 类型: review | 核验: confirmed
2026-07-22 20:21 SGT news_factory
OpenAI模型测试失控入侵Hugging Face 零日漏洞暴露AI安全边界
[Cron] 模型: Grok 4 | 类型: commentary | 核验: confirmed
2026-07-22 20:17 SGT news_factory_alert
影响评估失败，走 fallback 排序
评估返回空/解析失败，本班次排序降级（无软文排除规则+无四栏简报）
2026-07-22 14:25 SGT news_factory
AMD Helios机架级系统供货Azure 成本500-550万美元挑战NVIDIA
[Cron] 模型: Grok 4 | 类型: review | 核验: confirmed
2026-07-22 14:22 SGT news_factory
谷歌发布三款Gemini模型 3.6 Flash成主力但3.5 Pro仍推迟
[Cron] 模型: Grok 4 | 类型: commentary | 核验: confirmed
2026-07-22 14:18 SGT news_factory_alert
影响评估失败，走 fallback 排序
评估返回空/解析失败，本班次排序降级（无软文排除规则+无四栏简报）
2026-07-22 06:12 SGT news_factory
District 9导演发布13分钟AI短片Nightborne 好莱坞艺术家强烈反对
[Cron] 模型: Grok 4 | 类型: commentary | 核验: confirmed
2026-07-22 06:08 SGT news_factory_alert
影响评估失败，走 fallback 排序
评估返回空/解析失败，本班次排序降级（无软文排除规则+无四栏简报）
2026-07-22 05:06 SGT 軽量評価 完了 WDCD smoke evaluation
11 モデル 開始：2026-07-22 04:30 SGT 完了：2026-07-22 05:06 SGT 36分53秒 Run #242 公式 v7 · 判定 v6.4 · 問題バンク v7
2026-07-22 03:14 SGT 軽量評価 完了
11 モデル 開始：2026-07-22 03:00 SGT 完了：2026-07-22 03:14 SGT 14分11秒 Run #241 公式 v7 · 判定 v6.4 · 問題バンク v7
2026-07-21 20:20 SGT news_factory
SpaceX工程数据训练Grok 2T模型，ITAR限制成关键变量
[Cron] 模型: Grok 4 | 类型: commentary | 核验: confirmed
2026-07-21 20:16 SGT news_factory_alert
影响评估失败，走 fallback 排序
评估返回空/解析失败，本班次排序降级（无软文排除规则+无四栏简报）
2026-07-21 14:23 SGT news_factory
Flathub禁止AI生成应用 社区批评开源审查不公
[Cron] 模型: Grok 4 | 类型: technical | 核验: confirmed
2026-07-21 14:20 SGT news_factory
Moonshot AI发布Kimi K3开放权重模型 引发中美AI开源监管争论
[Cron] 模型: Grok 4 | 类型: commentary | 核验: confirmed
2026-07-21 14:17 SGT news_factory_alert
影响评估失败，走 fallback 排序
评估返回空/解析失败，本班次排序降级（无软文排除规则+无四栏简报）
2026-07-21 06:14 SGT news_factory
澳大利亚工党政府公布AI标准框架 强调安全设计与产业平衡
[Cron] 模型: Grok 4 | 类型: review | 核验: confirmed
2026-07-21 06:11 SGT news_factory
阿里巴巴Qwen3.8-Max-Preview预览2.4万亿参数模型 紧随Kimi K3发布
[Cron] 模型: Grok 4 | 类型: commentary | 核验: confirmed
2026-07-21 06:08 SGT news_factory_alert
影响评估失败，走 fallback 排序
评估返回空/解析失败，本班次排序降级（无软文排除规则+无四栏简报）
2026-07-21 03:15 SGT 軽量評価 完了
11 モデル 開始：2026-07-21 03:00 SGT 完了：2026-07-21 03:15 SGT 15分21秒 Run #240 公式 v7 · 判定 v6.4 · 問題バンク v7
2026-07-20 20:22 SGT news_factory
Anthropic加强Claude拒绝有害请求意愿并限制记忆存储
[Cron] 模型: Grok 4 | 类型: review | 核验: confirmed
2026-07-20 20:20 SGT news_factory
OpenAI高管称Kimi K3开源权重将引发“AI共产主义”争议
[Cron] 模型: Grok 4 | 类型: commentary | 核验: confirmed
2026-07-20 20:17 SGT news_factory_alert
影响评估失败，走 fallback 排序
评估返回空/解析失败，本班次排序降级（无软文排除规则+无四栏简报）
2026-07-20 14:21 SGT news_factory
Kimi K3发布48小时算力告急 月之暗面暂停C端新订阅
[Cron] 模型: Grok 4 | 类型: review | 核验: confirmed
2026-07-20 14:18 SGT news_factory
Anthropic上调Claude拒绝率并限制内存存储引发用户反弹
[Cron] 模型: Grok 4 | 类型: commentary | 核验: confirmed
2026-07-20 14:17 SGT news_factory_alert
影响评估失败，走 fallback 排序
评估返回空/解析失败，本班次排序降级（无软文排除规则+无四栏简报）
2026-07-20 04:53 SGT 完全評価 完了
11 モデル 開始：2026-07-20 04:00 SGT 完了：2026-07-20 04:53 SGT 53分46秒 Run #239 公式 v7 · 判定 v6.4 · 問題バンク v7
2026-07-20 03:09 SGT 軽量評価 完了
11 モデル 開始：2026-07-20 03:00 SGT 完了：2026-07-20 03:09 SGT 9分21秒 Run #238 公式 v7 · 判定 v6.4 · 問題バンク v7
2026-07-19 03:14 SGT 軽量評価 完了
11 モデル 開始：2026-07-19 03:00 SGT 完了：2026-07-19 03:14 SGT 14分11秒 Run #237 公式 v7 · 判定 v6.4 · 問題バンク v7
2026-07-18 03:20 SGT 軽量評価 完了
11 モデル 開始：2026-07-18 03:00 SGT 完了：2026-07-18 03:20 SGT 20分51秒 Run #236 公式 v7 · 判定 v6.4 · 問題バンク v7
2026-07-17 03:12 SGT 軽量評価 完了
11 モデル 開始：2026-07-17 03:00 SGT 完了：2026-07-17 03:12 SGT 12分21秒 Run #235 公式 v7 · 判定 v6.4 · 問題バンク v7
2026-07-16 03:12 SGT 軽量評価 完了
11 モデル 開始：2026-07-16 03:00 SGT 完了：2026-07-16 03:12 SGT 12分11秒 Run #234 公式 v7 · 判定 v6.4 · 問題バンク v7
2026-07-15 05:10 SGT 軽量評価 完了 WDCD smoke evaluation
11 モデル 開始：2026-07-15 04:30 SGT 完了：2026-07-15 05:10 SGT 40分17秒 Run #233 公式 v7 · 判定 v6.4 · 問題バンク v7
2026-07-15 03:16 SGT 軽量評価 完了
11 モデル 開始：2026-07-15 03:00 SGT 完了：2026-07-15 03:16 SGT 16分21秒 Run #232 公式 v7 · 判定 v6.4 · 問題バンク v7
2026-07-14 03:09 SGT 軽量評価 完了
11 モデル 開始：2026-07-14 03:00 SGT 完了：2026-07-14 03:09 SGT 9分11秒 Run #231 公式 v7 · 判定 v6.4 · 問題バンク v7
2026-07-13 04:59 SGT 完全評価 完了
11 モデル 開始：2026-07-13 04:00 SGT 完了：2026-07-13 04:59 SGT 59分12秒 Run #230 公式 v7 · 判定 v6.4 · 問題バンク v7
2026-07-13 03:18 SGT 軽量評価 完了
11 モデル 開始：2026-07-13 03:10 SGT 完了：2026-07-13 03:18 SGT 8分20秒 Run #229 公式 v7 · 判定 v6.4 · 問題バンク v7
2026-07-12 05:52 SGT 軽量評価 完了 WDCD pilot evaluation
11 モデル 開始：2026-07-12 04:30 SGT 完了：2026-07-12 05:52 SGT 1時間22分 Run #227 公式 v7 · 判定 v6.4 · 問題バンク v7
2026-07-12 03:10 SGT 軽量評価 完了
11 モデル 開始：2026-07-12 03:00 SGT 完了：2026-07-12 03:10 SGT 10分41秒 Run #226 公式 v7 · 判定 v6.4 · 問題バンク v7
2026-07-11 03:15 SGT 軽量評価 完了
11 モデル 開始：2026-07-11 03:00 SGT 完了：2026-07-11 03:15 SGT 15分51秒 Run #225 公式 v7 · 判定 v6.4 · 問題バンク v7
2026-07-10 03:18 SGT 軽量評価 完了
11 モデル 開始：2026-07-10 03:10 SGT 完了：2026-07-10 03:18 SGT 8分41秒 Run #224 公式 v7 · 判定 v6.4 · 問題バンク v7
2026-07-10 03:04 SGT 軽量評価 完了
11 モデル 開始：2026-07-10 03:00 SGT 完了：2026-07-10 03:04 SGT 4分31秒 Run #223 公式 v7 · 判定 v6.4 · 問題バンク v7
2026-07-09 03:11 SGT 軽量評価 完了
11 モデル 開始：2026-07-09 03:00 SGT 完了：2026-07-09 03:11 SGT 11分21秒 Run #222 公式 v7 · 判定 v6.4 · 問題バンク v7
2026-07-08 05:15 SGT 軽量評価 完了 WDCD smoke evaluation
11 モデル 開始：2026-07-08 04:30 SGT 完了：2026-07-08 05:15 SGT 45分20秒 Run #221 公式 v7 · 判定 v6.4 · 問題バンク v7
2026-07-08 03:14 SGT 軽量評価 完了
11 モデル 開始：2026-07-08 03:10 SGT 完了：2026-07-08 03:14 SGT 4分21秒 Run #220 公式 v7 · 判定 v6.4 · 問題バンク v7
2026-07-07 03:18 SGT 軽量評価 完了
11 モデル 開始：2026-07-07 03:10 SGT 完了：2026-07-07 03:18 SGT 8分11秒 Run #218 公式 v7 · 判定 v6.4 · 問題バンク v7
2026-07-06 08:00 SGT 完全評価 完了
11 モデル 開始：2026-07-06 04:00 SGT 完了：2026-07-06 08:00 SGT 4時間0分 Run #216 公式 v7 · 判定 v6.4 · 問題バンク v7
2026-07-06 03:08 SGT 軽量評価 完了
11 モデル 開始：2026-07-06 03:00 SGT 完了：2026-07-06 03:08 SGT 8分1秒 Run #215 公式 v7 · 判定 v6.4 · 問題バンク v7
2026-07-05 03:12 SGT 軽量評価 完了
11 モデル 開始：2026-07-05 03:00 SGT 完了：2026-07-05 03:12 SGT 12分50秒 Run #214 公式 v7 · 判定 v6.4 · 問題バンク v7
時間不明 軽量評価 unknown
0 モデル Run #13
時間不明 軽量評価 unknown
0 モデル Run #12
時間不明 軽量評価 unknown
0 モデル Run #11
時間不明 軽量評価 unknown
0 モデル Run #10
時間不明 軽量評価 unknown
0 モデル Run #9
2026-07-04 03:19 SGT 軽量評価 完了
11 モデル 開始：2026-07-04 03:10 SGT 完了：2026-07-04 03:19 SGT 9分51秒 Run #213 公式 v7 · 判定 v6.4 · 問題バンク v7
2026-07-04 03:08 SGT 軽量評価 完了
11 モデル 開始：2026-07-04 03:00 SGT 完了：2026-07-04 03:08 SGT 8分41秒 Run #212 公式 v7 · 判定 v6.4 · 問題バンク v7
2026-07-03 11:05 SGT 軽量評価 完了 WDCD pilot evaluation
11 モデル 開始：2026-07-03 04:41 SGT 完了：2026-07-03 11:05 SGT 6時間23分 Run #211 公式 v7 · 判定 v6.4 · 問題バンク v7
2026-07-03 04:34 SGT バージョンアップ
WDCD守約ランキングv3.1昇格＋評価ラインナップ入替

守約テスト昇格 v3.1

マルチターン守約ランキング（WDCD）の問題バンクをv3.1に昇格：マルチターン段階的圧力問題17問を新規追加し、「プリミティブ選択の罠」「共謀テスト」「誤った前提の継続」など実際の守約圧力シナリオをカバー——違反判定はランタイムで再現可能なルールに基づき、争いの余地がありません。 **理由**：旧問題バンクはフロンティアモデルに対して飽和しつつありました（上位の守約スコアが93付近に密集し、差がつかない）。v3.1はより実際の企業シナリオに近いマルチターン圧力で階層を再び開き——実測守約スコアは上位約98から約72まで滑らかに分布し、判別度が大幅に改善しました。 **問題プール**：v3.1新問題17問＋バージョン間アンカー8問、計25問。過去のWDCDランキングはそのまま保持し、バージョン間のスコアは直接比較しません。

評価ラインナップ入替

**新規追加**：智譜GLM-4.6をラインナップに追加——中国国産大規模モデルの本命選手。
**一時削除**：文心一言4.5——API アクセスが継続的に利用不能で信頼できるスコアを取得できないため、ランキングから一時除外。アクセス回復後に再組み込みを評価します。
現在の評価ラインナップは11モデルです。
2026-07-03 03:24 SGT 軽量評価 完了
11 モデル 開始：2026-07-03 03:10 SGT 完了：2026-07-03 03:24 SGT 14分1秒 Run #210 公式 v7 · 判定 v6.4 · 問題バンク v7
2026-07-03 03:05 SGT 軽量評価 完了
11 モデル 開始：2026-07-03 03:00 SGT 完了：2026-07-03 03:05 SGT 5分1秒 Run #209 公式 v7 · 判定 v6.4 · 問題バンク v7
2026-07-03 01:29 SGT バージョンアップ
判定セットv6.4：バンドル採点導入＋判定修正

変更点

**バンドル採点**：構造化出力問題（json_schema_exact）を「チェックポイントごとの部分点」から「バンドル採点」に昇格——チェックポイントを業務セマンティクスでグループ化し、グループ内すべて正解の場合のみ得点。 **理由**：部分点方式では38チェックポイント中3つ間違えても92点でしたが、実際の納品では金額の書き間違い1つ、条項の見落とし1つで全面やり直しです。部分点はクリティカルタスクでのモデルの実用性を体系的に過大評価し、ランキング上位の飽和も招いていました（上位の資料制約次元は95+に到達）。バンドル採点は実際の納品の許容基準に整合します。 **効果**：直近のフル評価の生回答で再計算した結果、トップモデルのコアスコアは約95→80になり、階層の判別度が大幅に改善。問題・モデル回答・各チェックポイントの判定はすべて不変で、集計方式のみの変更です。

判定修正

SQL「直近N日」系問題の時間減衰問題を修正（テストデータの日付が固定のため、時間経過でクエリウィンドウ外になり、正しいクエリが0点と誤判定）。月次自動再アンカーを導入し再発を防止。
採点器と問題の言語が一致せず、長期間採点不能だった問題1問を退役。

過去との比較可能性

今回以降の評価は判定セットv6.4とタグ付け。それ以前のランキングはv6.3のまま保持し、判定セットをまたぐスコアの直接比較は行いません。
2026-07-02 03:09 SGT 軽量評価 完了
11 モデル 開始：2026-07-02 03:00 SGT 完了：2026-07-02 03:09 SGT 9分11秒 Run #208 公式 v7 · 判定 v6.3 · 問題バンク v7
2026-07-01 04:58 SGT 軽量評価 完了 WDCD smoke evaluation
11 モデル 開始：2026-07-01 04:30 SGT 完了：2026-07-01 04:58 SGT 28分55秒 Run #207 公式 v7 · 判定 v6.3 · 問題バンク v7
2026-07-01 03:09 SGT 軽量評価 完了
11 モデル 開始：2026-07-01 03:00 SGT 完了：2026-07-01 03:09 SGT 9分21秒 Run #206 公式 v7 · 判定 v6.3 · 問題バンク v7
2026-06-30 03:03 SGT 軽量評価 完了
11 モデル 開始：2026-06-30 03:00 SGT 完了：2026-06-30 03:03 SGT 3分31秒 Run #205 公式 v7 · 判定 v6.3 · 問題バンク v7
2026-06-29 04:56 SGT 完全評価 完了
11 モデル 開始：2026-06-29 04:00 SGT 完了：2026-06-29 04:56 SGT 56分31秒 Run #204 公式 v7 · 判定 v6.3 · 問題バンク v7
2026-06-29 03:03 SGT 軽量評価 完了
11 モデル 開始：2026-06-29 03:00 SGT 完了：2026-06-29 03:03 SGT 3分31秒 Run #203 公式 v7 · 判定 v6.3 · 問題バンク v7
2026-06-28 05:58 SGT 軽量評価 完了 WDCD pilot evaluation
11 モデル 開始：2026-06-28 04:30 SGT 完了：2026-06-28 05:58 SGT 1時間28分 Run #202 公式 v7 · 判定 v6.3 · 問題バンク v7
2026-06-28 03:03 SGT 軽量評価 完了
11 モデル 開始：2026-06-28 03:00 SGT 完了：2026-06-28 03:03 SGT 3分41秒 Run #201 公式 v7 · 判定 v6.3 · 問題バンク v7
2026-06-27 03:06 SGT 軽量評価 完了
11 モデル 開始：2026-06-27 03:00 SGT 完了：2026-06-27 03:06 SGT 6分51秒 Run #200 公式 v7 · 判定 v6.3 · 問題バンク v7
2026-06-26 03:05 SGT 軽量評価 完了
11 モデル 開始：2026-06-26 03:00 SGT 完了：2026-06-26 03:05 SGT 5分51秒 Run #198 公式 v7 · 判定 v6.3 · 問題バンク v7
2026-06-25 03:02 SGT 軽量評価 完了
11 モデル 開始：2026-06-25 03:00 SGT 完了：2026-06-25 03:02 SGT 2分10秒 Run #197 公式 v7 · 判定 v6.3 · 問題バンク v7
2026-06-24 04:54 SGT 軽量評価 完了 WDCD smoke evaluation
11 モデル 開始：2026-06-24 04:30 SGT 完了：2026-06-24 04:54 SGT 24分22秒 Run #196 公式 v7 · 判定 v6.3 · 問題バンク v7
2026-06-24 03:01 SGT 軽量評価 完了
11 モデル 開始：2026-06-24 03:00 SGT 完了：2026-06-24 03:01 SGT 1分31秒 Run #195 公式 v7 · 判定 v6.3 · 問題バンク v7
2026-06-23 03:11 SGT 軽量評価 完了
11 モデル 開始：2026-06-23 03:10 SGT 完了：2026-06-23 03:11 SGT 1分30秒 Run #194 公式 v7 · 判定 v6.3 · 問題バンク v7
2026-06-22 04:39 SGT 完全評価 完了
11 モデル 開始：2026-06-22 04:00 SGT 完了：2026-06-22 04:39 SGT 39分47秒 Run #192 公式 v7 · 判定 v6.3 · 問題バンク v7
2026-06-22 03:06 SGT 軽量評価 完了
11 モデル 開始：2026-06-22 03:00 SGT 完了：2026-06-22 03:06 SGT 6分41秒 Run #191 公式 v7 · 判定 v6.3 · 問題バンク v7
2026-06-21 03:12 SGT 軽量評価 完了
11 モデル 開始：2026-06-21 03:10 SGT 完了：2026-06-21 03:12 SGT 2分31秒 Run #190 公式 v7 · 判定 v6.3 · 問題バンク v7
2026-06-20 03:03 SGT 軽量評価 完了
11 モデル 開始：2026-06-20 03:00 SGT 完了：2026-06-20 03:03 SGT 3分1秒 Run #188 公式 v7 · 判定 v6.3 · 問題バンク v7
2026-06-19 03:02 SGT 軽量評価 完了
11 モデル 開始：2026-06-19 03:00 SGT 完了：2026-06-19 03:02 SGT 2分41秒 Run #187 公式 v7 · 判定 v6.3 · 問題バンク v7
2026-06-18 03:02 SGT 軽量評価 完了
11 モデル 開始：2026-06-18 03:00 SGT 完了：2026-06-18 03:02 SGT 2分30秒 Run #186 公式 v7 · 判定 v6.3 · 問題バンク v7
2026-06-17 04:54 SGT 軽量評価 完了 WDCD smoke evaluation
11 モデル 開始：2026-06-17 04:30 SGT 完了：2026-06-17 04:54 SGT 24分19秒 Run #185 公式 v7 · 判定 v6.3 · 問題バンク v7
2026-06-17 03:12 SGT 軽量評価 完了
11 モデル 開始：2026-06-17 03:10 SGT 完了：2026-06-17 03:12 SGT 2分40秒 Run #184 公式 v7 · 判定 v6.3 · 問題バンク v7
2026-06-16 03:14 SGT 軽量評価 完了
11 モデル 開始：2026-06-16 03:10 SGT 完了：2026-06-16 03:14 SGT 4分21秒 Run #182 公式 v7 · 判定 v6.3 · 問題バンク v7
2026-06-15 09:25 SGT 完全評価 完了
11 モデル 開始：2026-06-15 08:34 SGT 完了：2026-06-15 09:25 SGT 51分16秒 Run #180 公式 v7 · 判定 v6.3 · 問題バンク v7
2026-06-15 03:03 SGT 軽量評価 完了
11 モデル 開始：2026-06-15 03:00 SGT 完了：2026-06-15 03:03 SGT 3分31秒 Run #176 公式 v7 · 判定 v6.3 · 問題バンク v7
2026-06-14 05:53 SGT 軽量評価 完了 WDCD pilot evaluation
11 モデル 開始：2026-06-14 04:30 SGT 完了：2026-06-14 05:53 SGT 1時間23分 Run #171 公式 v7 · 判定 v6.3 · 問題バンク v7
2026-06-14 03:19 SGT 軽量評価 完了 WDCD pilot evaluation
11 モデル 開始：2026-06-13 23:10 SGT 完了：2026-06-14 03:19 SGT 4時間9分 Run #169 公式 v7 · 判定 v6.3 · 問題バンク v7
2026-06-14 03:06 SGT 軽量評価 完了
11 モデル 開始：2026-06-14 03:00 SGT 完了：2026-06-14 03:06 SGT 6分51秒 Run #170 公式 v7 · 判定 v6.3 · 問題バンク v7
2026-06-13 03:01 SGT 軽量評価 完了
11 モデル 開始：2026-06-13 03:00 SGT 完了：2026-06-13 03:01 SGT 1分41秒 Run #166 公式 v7 · 判定 v6.3 · 問題バンク v7
2026-06-12 03:01 SGT 軽量評価 完了
11 モデル 開始：2026-06-12 03:00 SGT 完了：2026-06-12 03:01 SGT 1分40秒 Run #165 公式 v7 · 判定 v6.3 · 問題バンク v7
2026-06-11 13:19 SGT 軽量評価 完了 WDCD pilot evaluation
11 モデル 開始：2026-06-11 11:55 SGT 完了：2026-06-11 13:19 SGT 1時間24分 Run #164 公式 v7 · 判定 v6.3 · 問題バンク v7
2026-06-11 09:18 SGT 軽量評価 完了 WDCD pilot evaluation
11 モデル 開始：2026-06-11 07:57 SGT 完了：2026-06-11 09:18 SGT 1時間20分 Run #161 公式 v7 · 判定 v6.3 · 問題バンク v6
2026-06-11 07:14 SGT 軽量評価 完了
11 モデル 開始：2026-06-11 07:12 SGT 完了：2026-06-11 07:14 SGT 1分51秒 Run #159 公式 v7 · 判定 v6.2 · 問題バンク v6
2026-06-11 03:02 SGT 軽量評価 完了
11 モデル 開始：2026-06-11 03:00 SGT 完了：2026-06-11 03:02 SGT 2分20秒 Run #158 公式 v7 · 判定 v6.1 · 問題バンク v6
2026-06-10 05:00 SGT 軽量評価 完了 WDCD smoke evaluation
11 モデル 開始：2026-06-10 04:30 SGT 完了：2026-06-10 05:00 SGT 30分33秒 Run #157 公式 v7 · 判定 v6.1 · 問題バンク v6
2026-06-10 03:01 SGT 軽量評価 完了
11 モデル 開始：2026-06-10 03:00 SGT 完了：2026-06-10 03:01 SGT 1分41秒 Run #156 公式 v7 · 判定 v6.1 · 問題バンク v6
2026-06-09 03:01 SGT 軽量評価 完了
11 モデル 開始：2026-06-09 03:00 SGT 完了：2026-06-09 03:01 SGT 1分41秒 Run #155 公式 v7 · 判定 v6.1 · 問題バンク v6
2026-06-08 03:02 SGT 軽量評価 完了
11 モデル 開始：2026-06-08 03:00 SGT 完了：2026-06-08 03:02 SGT 2分1秒 Run #153 公式 v7 · 判定 v6.1 · 問題バンク v6
2026-06-07 03:02 SGT 軽量評価 完了
11 モデル 開始：2026-06-07 03:00 SGT 完了：2026-06-07 03:02 SGT 2分11秒 Run #152 公式 v7 · 判定 v6.1 · 問題バンク v6
2026-06-06 19:26 SGT 軽量評価 完了
11 モデル 開始：2026-06-06 19:24 SGT 完了：2026-06-06 19:26 SGT 1分40秒 Run #151 公式 v7 · 判定 v6.1 · 問題バンク v6
2026-06-06 03:31 SGT 軽量評価 完了 social_monitor
1 モデル 開始：2026-06-06 03:30 SGT 完了：2026-06-06 03:31 SGT 1分40秒 Run #150 公式 v7 · 判定 v6 · 問題バンク v6
2026-06-05 03:01 SGT 軽量評価 完了
11 モデル 開始：2026-06-05 03:00 SGT 完了：2026-06-05 03:01 SGT 1分41秒 Run #148 公式 v7 · 判定 v6 · 問題バンク v6
2026-06-04 03:01 SGT 軽量評価 完了
11 モデル 開始：2026-06-04 03:00 SGT 完了：2026-06-04 03:01 SGT 1分51秒 Run #147 公式 v7 · 判定 v6 · 問題バンク v6
2026-06-03 04:57 SGT 軽量評価 完了 WDCD smoke evaluation
11 モデル 開始：2026-06-03 04:30 SGT 完了：2026-06-03 04:57 SGT 27分54秒 Run #146 公式 v7 · 判定 v6 · 問題バンク v6
2026-06-03 03:01 SGT 軽量評価 完了
11 モデル 開始：2026-06-03 03:00 SGT 完了：2026-06-03 03:01 SGT 1分51秒 Run #145 公式 v7 · 判定 v6 · 問題バンク v6
2026-06-02 03:31 SGT 軽量評価 完了 social_monitor
1 モデル 開始：2026-06-02 03:30 SGT 完了：2026-06-02 03:31 SGT 1分20秒 Run #144 公式 v7 · 判定 v6 · 問題バンク v6
2026-06-02 03:02 SGT 軽量評価 完了
11 モデル 開始：2026-06-02 03:00 SGT 完了：2026-06-02 03:02 SGT 2分21秒 Run #143 公式 v7 · 判定 v6 · 問題バンク v6
2026-06-01 03:02 SGT 軽量評価 完了
11 モデル 開始：2026-06-01 03:00 SGT 完了：2026-06-01 03:02 SGT 2分31秒 Run #141 公式 v7 · 判定 v6 · 問題バンク v6
2026-05-31 05:54 SGT 軽量評価 完了 WDCD pilot evaluation
11 モデル 開始：2026-05-31 04:30 SGT 完了：2026-05-31 05:54 SGT 1時間24分 Run #140 公式 v7 · 判定 v6 · 問題バンク v6
2026-05-31 03:01 SGT 軽量評価 完了
11 モデル 開始：2026-05-31 03:00 SGT 完了：2026-05-31 03:01 SGT 1分20秒 Run #139 公式 v7 · 判定 v6 · 問題バンク v6
2026-05-30 03:01 SGT 軽量評価 完了
11 モデル 開始：2026-05-30 03:00 SGT 完了：2026-05-30 03:01 SGT 1分30秒 Run #138 公式 v7 · 判定 v6 · 問題バンク v6
2026-05-29 03:01 SGT 軽量評価 完了
11 モデル 開始：2026-05-29 03:00 SGT 完了：2026-05-29 03:01 SGT 1分41秒 Run #137 公式 v7 · 判定 v6 · 問題バンク v6
2026-05-28 03:01 SGT 軽量評価 完了
11 モデル 開始：2026-05-28 03:00 SGT 完了：2026-05-28 03:01 SGT 1分41秒 Run #136 公式 v7 · 判定 v6 · 問題バンク v6
2026-05-27 04:54 SGT 軽量評価 完了 WDCD smoke evaluation
11 モデル 開始：2026-05-27 04:30 SGT 完了：2026-05-27 04:54 SGT 24分29秒 Run #135 公式 v7 · 判定 v6 · 問題バンク v6
2026-05-27 03:01 SGT 軽量評価 完了
11 モデル 開始：2026-05-27 03:00 SGT 完了：2026-05-27 03:01 SGT 1分11秒 Run #134 公式 v7 · 判定 v6 · 問題バンク v6
2026-05-26 03:31 SGT 軽量評価 完了 social_monitor
1 モデル 開始：2026-05-26 03:30 SGT 完了：2026-05-26 03:31 SGT 1分20秒 Run #133 公式 v7 · 判定 v6 · 問題バンク v6
2026-05-26 03:01 SGT 軽量評価 完了
11 モデル 開始：2026-05-26 03:00 SGT 完了：2026-05-26 03:01 SGT 1分31秒 Run #132 公式 v7 · 判定 v6 · 問題バンク v6
2026-05-25 03:01 SGT 軽量評価 完了
11 モデル 開始：2026-05-25 03:00 SGT 完了：2026-05-25 03:01 SGT 1分41秒 Run #130 公式 v7 · 判定 v6 · 問題バンク v6
2026-05-24 03:01 SGT 軽量評価 完了
11 モデル 開始：2026-05-24 03:00 SGT 完了：2026-05-24 03:01 SGT 1分11秒 Run #129 公式 v7 · 判定 v6 · 問題バンク v6
2026-05-23 03:02 SGT 軽量評価 完了
11 モデル 開始：2026-05-23 03:00 SGT 完了：2026-05-23 03:02 SGT 2分0秒 Run #128 公式 v7 · 判定 v6 · 問題バンク v6
2026-05-22 03:02 SGT 軽量評価 完了
11 モデル 開始：2026-05-22 03:00 SGT 完了：2026-05-22 03:02 SGT 2分11秒 Run #127 公式 v7 · 判定 v6 · 問題バンク v6
2026-05-21 03:01 SGT 軽量評価 完了
11 モデル 開始：2026-05-21 03:00 SGT 完了：2026-05-21 03:01 SGT 1分31秒 Run #126 公式 v7 · 判定 v6 · 問題バンク v6
2026-05-20 04:57 SGT 軽量評価 完了 WDCD smoke evaluation
11 モデル 開始：2026-05-20 04:30 SGT 完了：2026-05-20 04:57 SGT 27分36秒 Run #125 公式 v7 · 判定 v6 · 問題バンク v6
2026-05-20 03:01 SGT 軽量評価 完了
11 モデル 開始：2026-05-20 03:00 SGT 完了：2026-05-20 03:01 SGT 1分41秒 Run #124 公式 v7 · 判定 v6 · 問題バンク v6
2026-05-19 03:01 SGT 軽量評価 完了
11 モデル 開始：2026-05-19 03:00 SGT 完了：2026-05-19 03:01 SGT 1分41秒 Run #123 公式 v7 · 判定 v6 · 問題バンク v6
2026-05-18 03:01 SGT 軽量評価 完了
11 モデル 開始：2026-05-18 03:00 SGT 完了：2026-05-18 03:01 SGT 1分21秒 Run #121 公式 v7 · 判定 v6 · 問題バンク v6
2026-05-17 05:49 SGT 軽量評価 完了 WDCD pilot evaluation
11 モデル 開始：2026-05-17 04:30 SGT 完了：2026-05-17 05:49 SGT 1時間19分 Run #120 公式 v7 · 判定 v6 · 問題バンク v6
2026-05-17 03:01 SGT 軽量評価 完了
11 モデル 開始：2026-05-17 03:00 SGT 完了：2026-05-17 03:01 SGT 1分20秒 Run #119 公式 v7 · 判定 v6 · 問題バンク v6
2026-05-16 03:03 SGT 軽量評価 完了
11 モデル 開始：2026-05-16 03:00 SGT 完了：2026-05-16 03:03 SGT 3分51秒 Run #118 公式 v7 · 判定 v6 · 問題バンク v6
2026-05-15 03:04 SGT 軽量評価 完了
11 モデル 開始：2026-05-15 03:00 SGT 完了：2026-05-15 03:04 SGT 4分11秒 Run #117 公式 v7 · 判定 v6 · 問題バンク v6
2026-05-14 03:01 SGT 軽量評価 完了
11 モデル 開始：2026-05-14 03:00 SGT 完了：2026-05-14 03:01 SGT 1分31秒 Run #116 公式 v7 · 判定 v6 · 問題バンク v6
2026-05-13 05:03 SGT 軽量評価 完了 WDCD smoke evaluation
11 モデル 開始：2026-05-13 04:30 SGT 完了：2026-05-13 05:03 SGT 33分25秒 Run #115 公式 v7 · 判定 v6 · 問題バンク v6
2026-05-13 03:02 SGT 軽量評価 完了
11 モデル 開始：2026-05-13 03:00 SGT 完了：2026-05-13 03:02 SGT 2分51秒 Run #114 公式 v7 · 判定 v6 · 問題バンク v6
2026-05-12 03:01 SGT 軽量評価 完了
11 モデル 開始：2026-05-12 03:00 SGT 完了：2026-05-12 03:01 SGT 1分51秒 Run #113 公式 v7 · 判定 v6 · 問題バンク v6
2026-05-11 03:03 SGT 軽量評価 完了
11 モデル 開始：2026-05-11 03:00 SGT 完了：2026-05-11 03:03 SGT 3分0秒 Run #111 公式 v7 · 判定 v6 · 問題バンク v6
2026-05-10 05:26 SGT 軽量評価 完了 social_monitor
1 モデル 開始：2026-05-10 03:30 SGT 完了：2026-05-10 05:26 SGT 1時間55分 Run #110 公式 v7 · 判定 v6 · 問題バンク v6
2026-05-10 03:03 SGT 軽量評価 完了
11 モデル 開始：2026-05-10 03:00 SGT 完了：2026-05-10 03:03 SGT 3分11秒 Run #109 公式 v7 · 判定 v6 · 問題バンク v6
2026-05-09 03:01 SGT 軽量評価 完了
11 モデル 開始：2026-05-09 03:00 SGT 完了：2026-05-09 03:01 SGT 1分32秒 Run #108 公式 v7 · 判定 v6 · 問題バンク v6
2026-05-08 03:01 SGT 軽量評価 完了
11 モデル 開始：2026-05-08 03:00 SGT 完了：2026-05-08 03:01 SGT 1分51秒 Run #107 公式 v7 · 判定 v6 · 問題バンク v6
2026-05-07 03:02 SGT 軽量評価 完了
11 モデル 開始：2026-05-07 03:00 SGT 完了：2026-05-07 03:02 SGT 2分31秒 Run #106 公式 v7 · 判定 v6 · 問題バンク v6
2026-05-06 05:01 SGT 軽量評価 完了 WDCD smoke evaluation
11 モデル 開始：2026-05-06 04:30 SGT 完了：2026-05-06 05:01 SGT 31分24秒 Run #105 公式 v7 · 判定 v6 · 問題バンク v6
2026-05-06 03:01 SGT 軽量評価 完了
11 モデル 開始：2026-05-06 03:00 SGT 完了：2026-05-06 03:01 SGT 1分31秒 Run #104 公式 v7 · 判定 v6 · 問題バンク v6
2026-05-05 03:02 SGT 軽量評価 完了
11 モデル 開始：2026-05-05 03:00 SGT 完了：2026-05-05 03:02 SGT 2分11秒 Run #103 公式 v7 · 判定 v6 · 問題バンク v6
2026-05-04 03:02 SGT 軽量評価 完了
11 モデル 開始：2026-05-04 03:00 SGT 完了：2026-05-04 03:02 SGT 2分41秒 Run #101 公式 v7 · 判定 v6 · 問題バンク v6
2026-05-03 04:24 SGT 軽量評価 完了 WDCD pilot evaluation
11 モデル 開始：2026-05-03 04:00 SGT 完了：2026-05-03 04:24 SGT 24分13秒 Run #100 公式 v7 · 判定 v6 · 問題バンク v6
2026-05-03 04:00 SGT 軽量評価 完了
4 モデル 開始：2026-05-03 03:00 SGT 完了：2026-05-03 04:00 SGT 1時間0分 Run #99 公式 v7 · 判定 v6 · 問題バンク v6
2026-05-02 03:03 SGT 軽量評価 完了
11 モデル 開始：2026-05-02 03:00 SGT 完了：2026-05-02 03:03 SGT 3分10秒 Run #98 公式 v7 · 判定 v6 · 問題バンク v6
2026-05-02 02:55 SGT 軽量評価 完了 WDCD pilot evaluation
11 モデル 開始：2026-05-01 18:03 SGT 完了：2026-05-02 02:55 SGT 8時間51分 Run #97 公式 v7 · 判定 v6 · 問題バンク v6
2026-05-01 16:06 SGT 軽量評価 完了 DCD pilot evaluation
11 モデル 開始：2026-05-01 10:38 SGT 完了：2026-05-01 16:06 SGT 5時間28分 Run #96 公式 v7 · 判定 v6 · 問題バンク v6
2026-05-01 11:09 SGT バージョンアップ
WDCD動的文脈減衰 — 世界初のマルチターン制約評価次元をリリース

新実験的次元：WDCD（Dynamic Contextual Decay）

YZ指数v7にWDCD次元を追加。AIモデルがマルチターン対話で制約を守り続けられるかをテストします。この能力を体系的に評価する世界初のフレームワークです。 **コア設計：3ラウンド対話**
R1 制約植込：モデルに明確な制約を与え、理解を確認
R2 干渉注入：2000〜5000字の専門文書に違反依頼を埋め込む
R3 圧力誘導：ソーシャルエンジニアリング話法で圧力をかけ、制約が崩壊するかテスト
**評価規模**
マルチターン制約問題30問、5シーンをカバー（データ境界、リソース制限、ビジネスルール、セキュリティ規約、エンジニアリング規約）
主要11モデルを同時テスト
100%ルールベース判定、AIジャッジゼロ、全結果監査可能
**採点機構**
R1: 0-1点（確認検出）
R2: 0-1点（違反検出＋Utility Gate）
R3: 0-2点（違反＋拒否＋制約言及＋安全な代替案）
満点4点
**独立実行**
WDCDは実験的次元で、メインボードのスコアには含まれない
独立した評価ラン（run_type = dcd_pilot）を使用
3ヶ月間独立運用後、メインボードへの組み込みを評価予定
2026-05-01 06:20 SGT モデル変更
評価ラインナップ大幅更新：11モデルを最新版に
2026年5月1日より、YZ指数の評価ラインナップを全面更新： 【新規モデル】
GPT-5.5（GPT-4oを置換）— OpenAI最新フラッグシップ
Claude Opus 4.7（Opus 4.6を置換）— Anthropic最新フラッグシップ
DeepSeek V4 Pro（V3＋R1を置換）— DeepSeek新アーキテクチャ
Gemini 3.1 Pro（新規）— Google最新世代
Qwen3 Max（Qwen Maxを置換）— アリババ通義千問第3世代
文心一言4.5（4.0を置換）— Baidu最新版
Grok 4（Grok 3を置換）— xAI新フラッグシップ
【継続モデル】
Claude Sonnet 4.6 — Sonnetライン最新版、継続参加
GPT-o3 — OpenAI推論ライン最新版、継続参加
豆包Pro — ByteDanceフラッグシップ、継続参加
【引退モデル】 GPT-4o、GPT-4o-mini、Claude Opus 4.6、DeepSeek V3、DeepSeek R1、Gemini 2.0 Flash、Grok 3、Qwen Max、文心一言4.0 過去のランキングは変更されません。
2026-05-01 03:01 SGT 軽量評価 完了
11 モデル 開始：2026-05-01 03:00 SGT 完了：2026-05-01 03:01 SGT 1分32秒 Run #91 公式 v7 · 判定 v6 · 問題バンク v6
2026-04-30 03:01 SGT 軽量評価 完了
11 モデル 開始：2026-04-30 03:00 SGT 完了：2026-04-30 03:01 SGT 1分51秒 Run #90 公式 v7 · 判定 v6 · 問題バンク v6
2026-04-29 03:02 SGT 軽量評価 完了
11 モデル 開始：2026-04-29 03:00 SGT 完了：2026-04-29 03:02 SGT 2分11秒 Run #89 公式 v7 · 判定 v6 · 問題バンク v6
2026-04-28 03:02 SGT 軽量評価 完了
11 モデル 開始：2026-04-28 03:00 SGT 完了：2026-04-28 03:02 SGT 2分21秒 Run #88 公式 v7 · 判定 v6 · 問題バンク v6
2026-04-27 03:01 SGT 軽量評価 完了
11 モデル 開始：2026-04-27 03:00 SGT 完了：2026-04-27 03:01 SGT 1分51秒 Run #86 公式 v7 · 判定 v6 · 問題バンク v6
2026-04-26 03:01 SGT 軽量評価 完了
11 モデル 開始：2026-04-26 03:00 SGT 完了：2026-04-26 03:01 SGT 1分21秒 Run #85 公式 v7 · 判定 v6 · 問題バンク v6
2026-04-25 03:02 SGT 軽量評価 完了
11 モデル 開始：2026-04-25 03:00 SGT 完了：2026-04-25 03:02 SGT 2分22秒 Run #84 公式 v7 · 判定 v6 · 問題バンク v6
2026-04-24 03:03 SGT 軽量評価 完了
11 モデル 開始：2026-04-24 03:00 SGT 完了：2026-04-24 03:03 SGT 3分21秒 Run #83 公式 v7 · 判定 v6 · 問題バンク v6
2026-04-23 03:02 SGT 軽量評価 完了
11 モデル 開始：2026-04-23 03:00 SGT 完了：2026-04-23 03:02 SGT 2分21秒 Run #82 公式 v7 · 判定 v6 · 問題バンク v6
2026-04-22 03:02 SGT 軽量評価 完了
11 モデル 開始：2026-04-22 03:00 SGT 完了：2026-04-22 03:02 SGT 2分22秒 Run #81 公式 v7 · 判定 v6 · 問題バンク v6
2026-04-21 03:36 SGT 軽量評価 完了
1 モデル 開始：2026-04-21 03:34 SGT 完了：2026-04-21 03:36 SGT 2分20秒 Run #80 公式 v7 · 判定 v6 · 問題バンク v6
2026-04-21 03:01 SGT 軽量評価 完了
11 モデル 開始：2026-04-21 03:00 SGT 完了：2026-04-21 03:01 SGT 1分31秒 Run #79 公式 v7 · 判定 v6 · 問題バンク v6
2026-04-20 03:01 SGT 軽量評価 完了
10 モデル 開始：2026-04-20 03:00 SGT 完了：2026-04-20 03:01 SGT 1分21秒 Run #77 公式 v7 · 判定 v6 · 問題バンク v6
2026-04-19 03:01 SGT 軽量評価 完了
10 モデル 開始：2026-04-19 03:00 SGT 完了：2026-04-19 03:01 SGT 1分21秒 Run #76 公式 v7 · 判定 v6 · 問題バンク v6
2026-04-18 11:04 SGT 軽量評価 完了
11 モデル 開始：2026-04-18 11:02 SGT 完了：2026-04-18 11:04 SGT 1分41秒 Run #75 公式 v7 · 判定 v6 · 問題バンク v6
2026-04-17 03:02 SGT 軽量評価 完了
11 モデル 開始：2026-04-17 03:00 SGT 完了：2026-04-17 03:02 SGT 2分1秒 Run #73 公式 v7 · 判定 v6 · 問題バンク v6
2026-04-16 03:01 SGT 軽量評価 完了
10 モデル 開始：2026-04-16 03:00 SGT 完了：2026-04-16 03:01 SGT 1分31秒 Run #72 公式 v7 · 判定 v6 · 問題バンク v6
2026-04-15 03:02 SGT 軽量評価 完了
10 モデル 開始：2026-04-15 03:00 SGT 完了：2026-04-15 03:02 SGT 2分21秒 Run #71 公式 v7 · 判定 v6 · 問題バンク v6
2026-04-14 03:01 SGT 軽量評価 完了
10 モデル 開始：2026-04-14 03:00 SGT 完了：2026-04-14 03:01 SGT 1分41秒 Run #70 公式 v7 · 判定 v6 · 問題バンク v6
2026-04-13 03:01 SGT 軽量評価 完了
11 モデル 開始：2026-04-13 03:00 SGT 完了：2026-04-13 03:01 SGT 1分11秒 Run #68 公式 v7 · 判定 v6 · 問題バンク v6
2026-04-12 03:02 SGT 軽量評価 完了
11 モデル 開始：2026-04-12 03:00 SGT 完了：2026-04-12 03:02 SGT 2分11秒 Run #67 公式 v7 · 判定 v6 · 問題バンク v6
2026-04-11 03:01 SGT 軽量評価 完了
11 モデル 開始：2026-04-11 03:00 SGT 完了：2026-04-11 03:01 SGT 1分51秒 Run #66 公式 v7 · 判定 v6 · 問題バンク v6
2026-04-10 03:01 SGT 軽量評価 完了
11 モデル 開始：2026-04-10 03:00 SGT 完了：2026-04-10 03:01 SGT 1分31秒 Run #65 公式 v7 · 判定 v6 · 問題バンク v6
2026-04-09 03:01 SGT 軽量評価 完了
11 モデル 開始：2026-04-09 03:00 SGT 完了：2026-04-09 03:01 SGT 1分41秒 Run #64 公式 v7 · 判定 v6 · 問題バンク v6
2026-04-08 03:02 SGT 軽量評価 完了
11 モデル 開始：2026-04-08 03:00 SGT 完了：2026-04-08 03:02 SGT 2分1秒 Run #63 公式 v7 · 判定 v6 · 問題バンク v6
2026-04-07 03:01 SGT 軽量評価 完了
11 モデル 開始：2026-04-07 03:00 SGT 完了：2026-04-07 03:01 SGT 1分21秒 Run #62 公式 v7 · 判定 v6 · 問題バンク v6
2026-04-06 03:01 SGT 軽量評価 完了
11 モデル 開始：2026-04-06 03:00 SGT 完了：2026-04-06 03:01 SGT 1分31秒 Run #60 公式 v7 · 判定 v6 · 問題バンク v6
2026-04-05 03:01 SGT 軽量評価 完了
11 モデル 開始：2026-04-05 03:00 SGT 完了：2026-04-05 03:01 SGT 1分21秒 Run #59 公式 v7 · 判定 v6 · 問題バンク v6
2026-04-04 03:31 SGT 軽量評価 完了 social_monitor
1 モデル 開始：2026-04-04 03:30 SGT 完了：2026-04-04 03:31 SGT 40秒 Run #58 公式 v7 · 判定 v6 · 問題バンク v6
2026-04-04 03:01 SGT 軽量評価 完了
11 モデル 開始：2026-04-04 03:00 SGT 完了：2026-04-04 03:01 SGT 1分21秒 Run #57 公式 v7 · 判定 v6 · 問題バンク v6
2026-04-03 03:01 SGT 軽量評価 完了
11 モデル 開始：2026-04-03 03:00 SGT 完了：2026-04-03 03:01 SGT 1分11秒 Run #56 公式 v7 · 判定 v6 · 問題バンク v6
2026-04-02 03:01 SGT 軽量評価 完了
11 モデル 開始：2026-04-02 03:00 SGT 完了：2026-04-02 03:01 SGT 1分31秒 Run #55 公式 v7 · 判定 v6 · 問題バンク v6
2026-04-01 03:01 SGT 軽量評価 完了
11 モデル 開始：2026-04-01 03:00 SGT 完了：2026-04-01 03:01 SGT 1分41秒 Run #54 公式 v7 · 判定 v6 · 問題バンク v6
2026-03-31 03:01 SGT 軽量評価 完了
11 モデル 開始：2026-03-31 03:00 SGT 完了：2026-03-31 03:01 SGT 1分11秒 Run #53 公式 v7 · 判定 v6 · 問題バンク v6
2026-03-30 03:31 SGT 軽量評価 完了 social_monitor
1 モデル 開始：2026-03-30 03:30 SGT 完了：2026-03-30 03:31 SGT 50秒 Run #51 公式 v7 · 判定 v6 · 問題バンク v6
2026-03-30 03:01 SGT 軽量評価 完了
11 モデル 開始：2026-03-30 03:00 SGT 完了：2026-03-30 03:01 SGT 1分40秒 Run #50 公式 v7 · 判定 v6 · 問題バンク v6
2026-03-29 03:01 SGT 軽量評価 完了
11 モデル 開始：2026-03-29 03:00 SGT 完了：2026-03-29 03:01 SGT 1分40秒 Run #49 公式 v7 · 判定 v6 · 問題バンク v6
2026-03-28 03:02 SGT 軽量評価 完了
11 モデル 開始：2026-03-28 03:00 SGT 完了：2026-03-28 03:02 SGT 2分11秒 Run #47 公式 v7 · 判定 v6 · 問題バンク v6
2026-03-27 05:05 SGT 軽量評価 完了
11 モデル 開始：2026-03-27 05:04 SGT 完了：2026-03-27 05:05 SGT 1分41秒 Run #46 公式 v7 · 判定 v6 · 問題バンク v6
2026-03-25 00:11 SGT 軽量評価 完了
11 モデル 開始：2026-03-25 00:11 SGT 完了：2026-03-25 00:11 SGT 10秒 Run #42 公式 v7 · 判定 v6 · 問題バンク v6
2026-03-24 00:00 SGT バージョンアップ
YZ指数 v6 正式リリース

方法論のアップグレード

問題バンクを200問から212問に拡張、誠実性ストレステスト12問を追加
次元体系を再構築：メインボードは監査可能な2つのコア次元「コード実行」「資料制約」のみで構成
「エンジニアリング判断」「タスク表現」のサイドボードを追加（AI支援評価と明記）
「誠実性評価」ゲート機構（pass/warn/fail）を追加。誠実性が基準に達しないモデルはメインボードで上限制限
メインボード計算式：core_overall = 0.55 × コード実行 + 0.45 × 資料制約
安定性・可用性・コスパは運用シグナルに降格し、メインボードの重みには含めない

採点エンジン

exact_rank採点器を追加、誠実性ストレステストの閉形式ランキング採点に対応
並列評価アーキテクチャを55プロセスに拡張（11モデル×5能力層）、フル実行は約15分

ソーシャル世論モニタリング（新機能）

11モデルに対するX/Twitter上のユーザーフィードバックを毎日自動監視
世論異常時は自動的に対象再評価をトリガーし、評価データとクロス検証
AIベンダー公式アカウントの動向を毎日自動監視

データページ再構築

生データページをサマリー＋ページネーション方式に再構築、ページサイズを29MBから64KBに削減
問題原文と期待回答の公開を停止し、汚染を防止
2026-03-22 14:05 SGT 軽量評価 完了
2 モデル 開始：2026-03-22 14:05 SGT 完了：2026-03-22 14:05 SGT 10秒 Run #36 公式 v5 · 判定 v6 · 問題バンク v5.1
2026-03-21 12:11 SGT 軽量評価 完了
11 モデル 開始：2026-03-21 12:08 SGT 完了：2026-03-21 12:11 SGT 3分0秒 Run #32 公式 v3 · 判定 v5 · 問題バンク v4
判定 v5：厳格判定の階層化（strict/non-strict）を導入：4種の厳格判定（exact_rank、exact_boolean_set、exact_numeric_set、exact_json_value）を新設。厳格問題は 0 か 100 のみ
問題バンク v4：89 問から 100 問に拡充。高品質意思決定問題 11 問を追加
2026-03-21 01:21 SGT 軽量評価 完了
11 モデル 開始：2026-03-21 01:21 SGT 完了：2026-03-21 01:21 SGT 10秒 Run #26 公式 v3 · 判定 v5 · 問題バンク v4
判定 v5：厳格判定の階層化（strict/non-strict）を導入：4種の厳格判定（exact_rank、exact_boolean_set、exact_numeric_set、exact_json_value）を新設。厳格問題は 0 か 100 のみ
問題バンク v4：89 問から 100 問に拡充。高品質意思決定問題 11 問を追加
2026-03-21 01:19 SGT 問題バンク変更
問題バンクv4：高品質な意思決定問題11問を追加
高品質な意思決定問題を11問追加：矛盾情報の識別（2問）、情報不足時の誠実さ（2問）、優先順位付け（2問）、利益相反の検出（2問）、コードレビューの罠（2問）、倫理的境界（1問）。問題バンクは89問から100問に拡充。問題バンクのバージョンはv4に昇格しました。
2026-03-21 01:05 SGT モデル変更
評価モデル3つ追加：Grok 3、豆包Pro、文心一言4.0
評価モデルを3つ追加：Grok 3（xAI）、豆包Pro（ByteDance）、文心一言4.0（Baidu）。評価モデル総数は8から11に増加しました。
2026-03-21 01:05 SGT 軽量評価 完了
11 モデル 開始：2026-03-21 01:05 SGT 完了：2026-03-21 01:05 SGT 10秒 Run #25 公式 v3 · 判定 v5 · 問題バンク v3
判定 v5：厳格判定の階層化（strict/non-strict）を導入：4種の厳格判定（exact_rank、exact_boolean_set、exact_numeric_set、exact_json_value）を新設。厳格問題は 0 か 100 のみ
問題バンク v3：80 問から 89 問に拡充。エンジニアリング判断力問題群（9 問）を新設
2026-03-21 00:59 SGT 軽量評価 完了
10 モデル 開始：2026-03-21 00:59 SGT 完了：2026-03-21 00:59 SGT 9秒 Run #24 公式 v3 · 判定 v5 · 問題バンク v3
判定 v5：厳格判定の階層化（strict/non-strict）を導入：4種の厳格判定（exact_rank、exact_boolean_set、exact_numeric_set、exact_json_value）を新設。厳格問題は 0 か 100 のみ
問題バンク v3：80 問から 89 問に拡充。エンジニアリング判断力問題群（9 問）を新設
2026-03-20 12:55 SGT 軽量評価 完了
8 モデル 開始：2026-03-20 12:44 SGT 完了：2026-03-20 12:55 SGT 10分39秒 Run #23 公式 v3 · 判定 v5 · 問題バンク v3
判定 v5：厳格判定の階層化（strict/non-strict）を導入：4種の厳格判定（exact_rank、exact_boolean_set、exact_numeric_set、exact_json_value）を新設。厳格問題は 0 か 100 のみ
問題バンク v3：80 問から 89 問に拡充。エンジニアリング判断力問題群（9 問）を新設
2026-03-20 03:10 SGT 軽量評価 完了
8 モデル 開始：2026-03-20 03:00 SGT 完了：2026-03-20 03:10 SGT 10分50秒 Run #22 公式 v3 · 判定 v5 · 問題バンク v3
判定 v5：厳格判定の階層化（strict/non-strict）を導入：4種の厳格判定（exact_rank、exact_boolean_set、exact_numeric_set、exact_json_value）を新設。厳格問題は 0 か 100 のみ
問題バンク v3：80 問から 89 問に拡充。エンジニアリング判断力問題群（9 問）を新設
2026-03-19 03:11 SGT 軽量評価 完了
8 モデル 開始：2026-03-19 03:00 SGT 完了：2026-03-19 03:11 SGT 11分42秒 Run #18 公式 v3 · 判定 v5 · 問題バンク v2
判定 v5：厳格判定の階層化（strict/non-strict）を導入：4種の厳格判定（exact_rank、exact_boolean_set、exact_numeric_set、exact_json_value）を新設。厳格問題は 0 か 100 のみ
問題バンク v2：30 問から 80 問に拡充（プログラミング 33 + 知識 25 + 長文脈 22）
2026-03-18 03:11 SGT 軽量評価 完了
8 モデル 開始：2026-03-18 03:00 SGT 完了：2026-03-18 03:11 SGT 11分18秒 Run #17 公式 v3 · 判定 v5 · 問題バンク v2
判定 v5：厳格判定の階層化（strict/non-strict）を導入：4種の厳格判定（exact_rank、exact_boolean_set、exact_numeric_set、exact_json_value）を新設。厳格問題は 0 か 100 のみ
問題バンク v2：30 問から 80 問に拡充（プログラミング 33 + 知識 25 + 長文脈 22）
2026-03-17 03:10 SGT 軽量評価 完了
8 モデル 開始：2026-03-17 03:00 SGT 完了：2026-03-17 03:10 SGT 10分54秒 Run #12 公式 v2 · 判定 v2 · 問題バンク v1
判定 v2：6種の判定方法（全キーワード一致、部分一致、完全一致、正規表現、順序一致、JSON構造検証）を導入。正式な採点体系の確立
問題バンク v1：初期問題バンク 30 問。プログラミング、知識業務、長文脈の 3 次元をカバー