2026-10-27 赢政指数 Smoke 快测覆盖 13 个模型，Claude Opus 4.7 以 87.7 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 | 87.7 | 99.8 | 72.9 | pass |
| #2 | GPT-5.5 | 78.49 | 100 | 52.2 | pass |
| #3 | Gemini 3.1 Pro | 77.34 | 75 | 80.2 | pass |
| #4 | GPT-6 Astra | 76.65 | 100 | 48.1 | pass |
| #5 | Claude Sonnet 4.6 | 76.54 | 99.8 | 48.1 | pass |
| #6 | GPT-6 Luna | 72.46 | 100 | 38.8 | pass |
| #7 | Grok 4 | 72.28 | 94.6 | 45 | pass |
| #8 | GPT-6.1 Sol | 62.9 | 75 | 48.1 | pass |
| #9 | GPT-6 Sol | 61.91 | 75 | 45.9 | pass |
| #10 | GPT-o3 | 60.31 | 50 | 72.9 | pass |
| #11 | DeepSeek V4 Pro | 56.84 | 50 | 65.2 | pass |
| #12 | Gemini 2.5 Pro | 55 | 50 | 61.1 | pass |
| #13 | 豆包 Pro | 45.34 | 25 | 70.2 | pass |
数据解读
今日赢政指数Smoke快测中，Claude Opus 4.7以主榜87.7位居首位，其代码执行99.8与材料约束72.9形成高位搭配，显示两者均衡贡献于0.55×代码执行+0.45×材料约束的公式结果。GPT-5.5主榜78.49紧随，其代码执行100但材料约束仅52.2，体现代码执行主导的结构特点。Gemini 3.1 Pro主榜77.34则呈现代码执行75与材料约束80.2的相对均衡搭配，GPT-6 Astra主榜76.65同样依赖代码执行100而材料约束48.1。
与上一同口径run相比，GPT-5.5主榜上升46.3分，主要来自代码执行上升92.6分而材料约束下降10.2分；Claude Opus 4.7主榜上升36.7分伴随代码执行上升70分；Gemini 3.1 Pro主榜上升34.3分，其代码执行上升50分且材料约束上升15分。GPT-o3主榜上升24.9分对应代码执行上升50分，GPT-6.1 Sol主榜下降23.2分则伴随代码执行下降25分与材料约束下降20.9分。这些单日变动可能源于题目抽样波动，也可能反映模型真实表现变化，需后续run复核确认。
Smoke快测为小样本单日信号，当前无异常信号，所有模型诚信均pass，解读仅限于今日数据结构分析，不做长期推断。
主要变化
- GPT-5.5：主榜上升46.3分，代码执行+92.6分，材料约束-10.2分
- Claude Opus 4.7：主榜上升36.7分，代码执行+70分
- Gemini 3.1 Pro：主榜上升34.3分，代码执行+50分，材料约束+15分
- GPT-o3：主榜上升24.9分，代码执行+50分，材料约束-5.9分
- GPT-6.1 Sol：主榜下降23.2分，代码执行-25分，材料约束-20.9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 #398 | 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