GPT-5.5 与 GPT-6 Sol并列92.44分：2026-11-16 Smoke快测数据简报

2026-11-16 赢政指数 Smoke 快测覆盖 14 个模型，GPT-5.5 与 GPT-6 Sol 以 92.44 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

数据解读

今日赢政指数Smoke快测显示，GPT-5.5与GPT-6 Sol主榜并列92.44分，代码执行均为95、材料约束均为89.3，体现代码执行与材料约束的强强搭配。GPT-6 Luna主榜88.75分，代码执行88.3、材料约束89.3，同样依托材料约束维持较高位置。Claude Opus 4.7主榜82.43分，代码执行76.8、材料约束89.3，Grok 4主榜81.99分，代码执行76、材料约束89.3，此后模型多呈现代码执行下降而材料约束维持89.3的结构特点。

GPT-o3主榜下降25.9分、代码执行下降47分，豆包Pro主榜下降24.6分、代码执行下降24.2分且材料约束下降25分，Claude Sonnet 4.6主榜下降24.5分、代码执行下降24分且材料约束下降25分，这些异常信号可能来自题目抽样波动，也可能是真实退化迹象，需后续run复核。GPT-6 Astra代码执行暴跌27.3分、GPT-6.1 Sol代码执行暴跌27.3分、Gemini 3.1 Pro材料约束暴跌25分、Gemini 2.5 Pro主榜下降8.9分，同样需多轮验证以区分波动与退化。

Smoke作为小样本单日信号，解读保持克制，未对长期表现下结论。

主要变化

• GPT-o3：主榜下降25.9分，代码执行-47分
• 豆包 Pro：主榜下降24.6分，代码执行-24.2分，材料约束-25分
• Claude Sonnet 4.6：主榜下降24.5分，代码执行-24分，材料约束-25分
• Gemini 2.5 Pro：主榜下降8.9分，材料约束-25分
• GPT-6 Luna：主榜下降6.4分，代码执行-11.7分

需要关注的信号

• GPT-6 Astra：代码执行暴跌 -27.3 分
• GPT-6.1 Sol：代码执行暴跌 -27.3 分
• Claude Sonnet 4.6：主榜暴跌 -24.5 分
• GPT-o3：主榜暴跌 -25.9 分
• Gemini 3.1 Pro：材料约束暴跌 -25 分
• Gemini 2.5 Pro：主榜暴跌 -8.9 分
• 豆包 Pro：主榜暴跌 -24.6 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 #429 | 查看原始数据