2026-07-12 赢政指数 Smoke 快测覆盖 11 个模型，Claude Opus 4.7 与 Claude Sonnet 4.6 与 DeepSeek V4 Pro 与 Grok 4 以 96.99 分并列当日首位。Smoke 为每日 10 题快测，适合观察短期信号，不等同 Full 周榜结论。
本次 Smoke 评测只覆盖代码执行和材料约束两个主榜维度，主榜公式为 0.55 × 代码执行 + 0.45 × 材料约束。由于每日样本量较小，单日分数更适合作为监控信号，而不是对模型能力做长期定论。
当日排名
| 排名 | 模型 | 主榜 | 代码执行 | 材料约束 | 诚信 |
|---|---|---|---|---|---|
| #1 | Claude Opus 4.7 | 96.99 | 100 | 93.3 | pass |
| #2 | Claude Sonnet 4.6 | 96.99 | 100 | 93.3 | pass |
| #3 | DeepSeek V4 Pro | 96.99 | 100 | 93.3 | pass |
| #4 | Grok 4 | 96.99 | 100 | 93.3 | pass |
| #5 | Gemini 2.5 Pro | 94.24 | 95 | 93.3 | pass |
| #6 | Qwen3 Max | 94.24 | 95 | 93.3 | pass |
| #7 | 豆包 Pro | 91.99 | 95 | 88.3 | pass |
| #8 | Gemini 3.1 Pro | 80.49 | 70 | 93.3 | pass |
| #9 | GPT-5.5 | 80.27 | 75 | 86.7 | pass |
| #10 | GPT-o3 | 80.27 | 75 | 86.7 | pass |
| #11 | GLM-4.6 | 52.5 | 75 | 25 | warn |
数据解读
今日赢政指数Smoke快测中，Claude Opus 4.7、Claude Sonnet 4.6、DeepSeek V4 Pro与Grok 4四款模型主榜同为96.99，代码执行均为100、材料约束均为93.3，呈现代码执行与材料约束的均衡高位搭配；Gemini 2.5 Pro与Qwen3 Max主榜同为94.24，代码执行均为95、材料约束均为93.3，同样维持较强材料约束下的代码执行表现。
与上一同口径run相比，Gemini 2.5 Pro主榜上升33.4分、代码执行上升57.5分，DeepSeek V4 Pro主榜上升29.3分、代码执行上升50分，Grok 4主榜上升22.4分、代码执行上升37.5分，Qwen3 Max主榜上升19.7分、代码执行上升32.5分；GLM-4.6则出现材料约束暴跌-25分，主榜仅52.5、材料约束25，此类单日异动可能源于题目抽样波动，亦可能反映真实退化，需后续run复核确认。
Smoke快测为小样本单日信号，以上分数结构与变化仅供当日观察，不构成长期结论。
主要变化
- Gemini 2.5 Pro：主榜上升33.4分，代码执行+57.5分
- DeepSeek V4 Pro：主榜上升29.3分，代码执行+50分
- Grok 4：主榜上升22.4分，代码执行+37.5分
- Qwen3 Max：主榜上升19.7分，代码执行+32.5分
- GLM-4.6：主榜上升16.3分，代码执行+50分，材料约束-25分
需要关注的信号
- GLM-4.6：材料约束暴跌 -25 分
读这类 Smoke 简报时，重点应放在两个问题上：第一，某个模型是否连续多日暴露同一类弱点；第二，诚信评级是否从 pass 进入 warn 或 fail。单日执行或约束分数的大幅变化，可能来自题目抽样，也可能是真实退化的早期信号，需要后续 run 复核。
数据来源：赢政指数 (YZ Index) | Run #226 | 查看原始数据
© 2026 Winzheng.com 赢政天下 | 转载请注明来源并附原文链接