Gemini 3.1 Pro以90.36分居首：2026-10-31 Smoke快测数据简报

2026-10-31 赢政指数 Smoke 快测覆盖 14 个模型，Gemini 3.1 Pro 以 90.36 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

今日赢政指数Smoke快测中，Gemini 3.1 Pro以主榜90.36位居首位，其代码执行94、材料约束85.9的搭配显示出较均衡的表现；豆包Pro主榜88.48，代码执行81.5、材料约束97则呈现材料约束更强的特点；GPT-6 Astra主榜86.44、代码执行94、材料约束77.2，以及Claude Sonnet 4.6主榜85.18、代码执行94、材料约束74.4等头部模型，普遍依靠代码执行94的较高水平支撑整体分数。

DeepSeek V4 Pro主榜+38.5分、代码执行+69分，Gemini 2.5 Pro主榜+31分、代码执行+57分，豆包Pro主榜+27分、代码执行+36.7分、材料约束+15.1分，Grok 4主榜+24.8分、代码执行+45.9分，这些模型的显著上升主要来自代码执行维度的提升；GPT-6 Sol主榜-16.4分、代码执行-33.2分则出现明显回落。

GPT-6 Luna材料约束暴跌-15.9分、GPT-6 Sol主榜暴跌-16.4分、GPT-5.5主榜暴跌-8.8分、GLM-4.6材料约束暴跌-43.6分等异常信号，可能源于题目抽样波动或真实退化，需后续run复核确认；Qwen3 Max因数据不完整未参与排名，Smoke作为小样本单日信号，相关解读保持克制。

主要变化

• DeepSeek V4 Pro：主榜上升38.5分，代码执行+69分，诚信warn→pass
• Gemini 2.5 Pro：主榜上升31分，代码执行+57分
• 豆包 Pro：主榜上升27分，代码执行+36.7分，材料约束+15.1分
• Grok 4：主榜上升24.8分，代码执行+45.9分
• GPT-6 Sol：主榜下降16.4分，代码执行-33.2分

需要关注的信号

• GPT-6 Luna：材料约束暴跌 -15.9 分
• GPT-6 Sol：主榜暴跌 -16.4 分
• GPT-5.5：主榜暴跌 -8.8 分
• GLM-4.6：材料约束暴跌 -43.6 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 #404 | 查看原始数据