2026-11-10 赢政指数 Smoke 快测覆盖 13 个模型，GPT-6 Astra 与 GPT-6.1 Sol 以 92.49 分并列当日首位。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-6 Astra | 92.49 | 100 | 83.3 | pass |
| #2 | GPT-6.1 Sol | 92.49 | 100 | 83.3 | pass |
| #3 | GPT-6 Luna | 87.42 | 81.7 | 94.4 | pass |
| #4 | Gemini 3.1 Pro | 82.42 | 81.7 | 83.3 | pass |
| #5 | GPT-5.5 | 79.93 | 82.4 | 76.9 | pass |
| #6 | GPT-6 Sol | 76.98 | 81.7 | 71.2 | pass |
| #7 | 豆包 Pro | 73.19 | 69.5 | 77.7 | pass |
| #8 | Claude Opus 4.7 | 66.37 | 57.1 | 77.7 | pass |
| #9 | Gemini 2.5 Pro | 65.02 | 48.5 | 85.2 | pass |
| #10 | Claude Sonnet 4.6 | 64.89 | 73.3 | 54.6 | pass |
| #11 | GPT-o3 | 63.99 | 44.1 | 88.3 | pass |
| #12 | Grok 4 | 61.84 | 37.4 | 91.7 | pass |
| #13 | DeepSeek V4 Pro | 58.75 | 25 | 100 | pass |
数据解读
今日主榜前两名GPT-6 Astra与GPT-6.1 Sol均取得92.49分，代码执行均为100、材料约束均为83.3，呈现代码执行满分搭配材料约束83.3的结构。第三名GPT-6 Luna主榜87.42分，代码执行81.7、材料约束94.4，其材料约束得分高于前两名，代码执行则相对较低。第四名Gemini 3.1 Pro主榜82.42分，代码执行81.7、材料约束83.3，与前述模型形成不同强弱搭配。
Grok 4主榜下降29.5分，代码执行下降56.4分。GPT-o3主榜下降28.5分，代码执行下降55.9分、材料约束上升5分。Claude Sonnet 4.6主榜下降26.1分，代码执行下降26.7分、材料约束下降25.4分。Gemini 2.5 Pro主榜下降17.5分，代码执行下降26.5分、材料约束下降6.5分。GPT-6 Sol主榜下降15.5分，代码执行下降18.3分、材料约束下降12.1分。这些分数变化可能来自题目抽样波动，也可能是真实退化，需后续run复核确认。
Smoke为小样本单日信号，以上观察仅反映当日数据结构，未做长期推断。
主要变化
- Grok 4：主榜下降29.5分，代码执行-56.4分
- GPT-o3：主榜下降28.5分，代码执行-55.9分，材料约束+5分
- Claude Sonnet 4.6：主榜下降26.1分，代码执行-26.7分，材料约束-25.4分
- Gemini 2.5 Pro：主榜下降17.5分，代码执行-26.5分，材料约束-6.5分
- GPT-6 Sol：主榜下降15.5分，代码执行-18.3分，材料约束-12.1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 #420 | 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