2026-10-21 赢政指数 Smoke 快测覆盖 14 个模型，Claude Opus 4.7 以 84.9 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 | Claude Opus 4.7 | 84.9 | 75 | 97 | pass |
| #2 | Gemini 3.1 Pro | 83.5 | 70 | 100 | pass |
| #3 | GLM-4.6 | 82.51 | 70 | 97.8 | pass |
| #4 | Claude Sonnet 4.6 | 80.99 | 75 | 88.3 | pass |
| #5 | DeepSeek V4 Pro | 80.99 | 75 | 88.3 | pass |
| #6 | Grok 4 | 80.99 | 75 | 88.3 | pass |
| #7 | 豆包 Pro | 79.65 | 64.8 | 97.8 | pass |
| #8 | GPT-6 Sol | 79.29 | 64.8 | 97 | pass |
| #9 | GPT-5.5 | 78.51 | 70 | 88.9 | pass |
| #10 | Gemini 2.5 Pro | 78.4 | 69.8 | 88.9 | pass |
| #11 | GPT-6 Astra | 74.3 | 64.8 | 85.9 | pass |
| #12 | GPT-6 Luna | 73.31 | 64.8 | 83.7 | pass |
| #13 | GPT-o3 | 66.25 | 50 | 86.1 | pass |
| #14 | GPT-6.1 Sol | 62.31 | 44.8 | 83.7 | pass |
数据解读
今日 Smoke 头部呈现“材料约束高、代码执行够用”的搭配。Claude Opus 4.7 主榜 84.9，代码执行 75、材料约束 97，优势较均衡；Gemini 3.1 Pro 主榜 83.5，代码执行 70、材料约束 100，更依赖材料端拉升；GLM-4.6 主榜 82.51，代码执行 70、材料约束 97.8，结构与其接近。
中上段取向略有分化：Claude Sonnet 4.6、DeepSeek V4 Pro、Grok 4 同为主榜 80.99，代码执行 75、材料约束 88.3，代码端更稳；豆包 Pro 主榜 79.65、GPT-6 Sol 主榜 79.29，代码执行均为 64.8，但材料约束分别为 97.8、97，说明材料遵循强，主榜受代码执行压制。
异动上，GPT-o3 主榜-31.6分、代码执行-48.5分、材料约束-10.9分，GPT-6.1 Sol 主榜-22.5分、代码执行-52.2分、材料约束+13.9分，压力集中在代码执行端；DeepSeek V4 Pro 主榜+21.4分、代码执行+28分、材料约束+13.3分，则更像双端修复。异常信号为（无），变化可能是题目抽样波动，也可能是真实退化或恢复；Smoke 属单日小样本，需后续 run 复核。
主要变化
- GPT-o3：主榜下降31.6分，代码执行-48.5分，材料约束-10.9分
- GPT-6.1 Sol：主榜下降22.5分，代码执行-52.2分，材料约束+13.9分
- DeepSeek V4 Pro：主榜上升21.4分，代码执行+28分，材料约束+13.3分
- Gemini 3.1 Pro：主榜上升19.8分，代码执行+23分，材料约束+15.9分
- GLM-4.6：主榜上升18.8分，代码执行+23分，材料约束+13.7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 #389 | 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