Claude Opus 4.7以81.57分居首：2026-10-04 Smoke快测数据简报

2026-10-04 赢政指数 Smoke 快测覆盖 15 个模型，Claude Opus 4.7 以 81.57 分位居当日首位。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

数据解读

今日主榜前三名中，Claude Opus 4.7以代码执行97、材料约束62.7的组合取得81.57分，GPT-o3则依靠代码执行97.8、材料约束57达到79.44分，豆包Pro代码执行96、材料约束50.6位列第三。这些模型在代码执行维度保持高位，而材料约束得分相对较低，形成明显偏科结构。DeepSeek V4 Pro与Gemini 3.1 Pro则呈现更均衡搭配，前者代码执行75、材料约束71.7，后者代码执行75、材料约束69.5，主榜分数分别为73.52与72.53。

多款模型较上一同口径run出现明显回落，其中GPT-6 Sol主榜下降24.1分，材料约束下降47.2分；Gemini 2.5 Pro主榜下降23.7分，代码执行下降30.2分；GPT-6 Astra主榜下降21.9分，材料约束下降32.1分；Claude Sonnet 4.6与Claude Opus 4.7的材料约束分别下降36.2分与34.3分。Smoke测试为小样本单日信号，此类变化既可能源于题目抽样波动，也可能反映真实能力退化，需后续run复核确认。

整体来看，头部模型多依赖代码执行优势拉高主榜，而材料约束较弱的搭配在今日数据中较为集中。Qwen3 Max代码执行61.6、材料约束72.9的逆向结构则使其主榜66.69，显示不同权重组合对排名的直接影响。所有解读均基于当日精确数值，未做外推。

主要变化

• GPT-6 Sol：主榜下降24.1分，代码执行-5.2分，材料约束-47.2分
• Gemini 2.5 Pro：主榜下降23.7分，代码执行-30.2分，材料约束-15.8分
• GPT-6 Astra：主榜下降21.9分，代码执行-13.5分，材料约束-32.1分
• Claude Sonnet 4.6：主榜下降17.3分，材料约束-36.2分
• Claude Opus 4.7：主榜下降17.1分，材料约束-34.3分

需要关注的信号

• 本次未保留可发布的异常信号。

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 #359 | 查看原始数据