2026-10-20 赢政指数 Smoke 快测覆盖 14 个模型，GPT-o3 以 97.83 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
| 排名 | 模型 | 主榜 | 代码执行 | 材料约束 | 诚信 |
|---|---|---|---|---|---|
| #1 | GPT-o3 | 97.83 | 98.5 | 97 | pass |
| #2 | Claude Opus 4.7 | 91.2 | 97 | 84.1 | pass |
| #3 | GPT-5.5 | 91.2 | 97 | 84.1 | pass |
| #4 | 豆包 Pro | 90.48 | 95.7 | 84.1 | pass |
| #5 | GPT-6 Luna | 89.04 | 97 | 79.3 | pass |
| #6 | Grok 4 | 88.89 | 92.8 | 84.1 | warn |
| #7 | Claude Sonnet 4.6 | 85.71 | 97 | 71.9 | pass |
| #8 | GPT-6.1 Sol | 84.76 | 97 | 69.8 | pass |
| #9 | GPT-6 Sol | 82.6 | 97 | 65 | pass |
| #10 | Gemini 2.5 Pro | 72.75 | 75 | 70 | pass |
| #11 | GPT-6 Astra | 71.01 | 72 | 69.8 | pass |
| #12 | Gemini 3.1 Pro | 63.7 | 47 | 84.1 | pass |
| #13 | GLM-4.6 | 63.7 | 47 | 84.1 | pass |
| #14 | DeepSeek V4 Pro | 59.6 | 47 | 75 | pass |
主要变化
- GPT-o3：主榜上升42.7分，代码执行+51.5分，材料约束+31.9分
- 豆包 Pro：主榜上升16分，代码执行+23.7分，材料约束+6.5分
- GLM-4.6：主榜上升15.4分，材料约束+34.1分
- Claude Opus 4.7：主榜上升11.4分，代码执行+25分，材料约束-5.2分
- Claude Sonnet 4.6：主榜上升11.4分，代码执行+25.4分，材料约束-5.7分
需要关注的信号
- GPT-6 Astra：主榜暴跌 -11.3 分
- Qwen3 Max：数据不完整（缺 execution,grounding,judgment,integrity,communication 维度，API 故障/超时），已进入自动补跑，本期不参与排名
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 #387 | 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