2026-09-07 赢政指数 Smoke 快测覆盖 11 个模型，DeepSeek V4 Pro 与 Gemini 3.1 Pro 与 GLM-4.6 以 83.49 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 | DeepSeek V4 Pro | 83.49 | 100 | 63.3 | pass |
| #2 | Gemini 3.1 Pro | 83.49 | 100 | 63.3 | pass |
| #3 | GLM-4.6 | 83.49 | 100 | 63.3 | warn |
| #4 | 豆包 Pro | 80.85 | 99.3 | 58.3 | pass |
| #5 | Grok 4 | 80.13 | 99.3 | 56.7 | pass |
| #6 | GPT-o3 | 77.5 | 100 | 50 | pass |
| #7 | GPT-5.5 | 72.03 | 75 | 68.4 | pass |
| #8 | Gemini 2.5 Pro | 71.16 | 73.5 | 68.3 | pass |
| #9 | Claude Sonnet 4.6 | 65.24 | 75 | 53.3 | pass |
| #10 | Claude Opus 4.7 | 61.25 | 50 | 75 | pass |
| #11 | Qwen3 Max | 55.99 | 50 | 63.3 | pass |
主要变化
- GLM-4.6：主榜上升19.8分，代码执行+30分，材料约束+7.4分，诚信pass→warn
- Gemini 2.5 Pro：主榜下降17.1分，代码执行-16.6分，材料约束-17.6分
- 豆包 Pro：主榜上升14.7分，代码执行+49.3分，材料约束-27.6分
- Grok 4：主榜上升11.5分，代码执行+24.3分
- DeepSeek V4 Pro：主榜上升6.1分，代码执行+8.3分
需要关注的信号
- 豆包 Pro：材料约束暴跌 -27.6 分
- GPT-o3：材料约束暴跌 -20 分
- Gemini 2.5 Pro：主榜暴跌 -17.1 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 #312 | 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