2026-11-20 赢政指数 Smoke 快测覆盖 14 个模型,豆包 Pro 以 93.01 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 | 豆包 Pro | 93.01 | 98.5 | 86.3 | pass |
| #2 | Claude Opus 4.7 | 92.16 | 94.5 | 89.3 | pass |
| #3 | GPT-6 Astra | 88.93 | 96.8 | 79.3 | pass |
| #4 | Gemini 2.5 Pro | 80.09 | 75 | 86.3 | pass |
| #5 | GPT-6 Sol | 77.29 | 71.8 | 84 | pass |
| #6 | Grok 4 | 74.49 | 66.7 | 84 | pass |
| #7 | GPT-6.1 Sol | 72.79 | 71.8 | 74 | pass |
| #8 | GPT-5.5 | 72.39 | 71.8 | 73.1 | pass |
| #9 | Claude Sonnet 4.6 | 71.89 | 70.9 | 73.1 | pass |
| #10 | GLM-4.6 | 64.69 | 47 | 86.3 | pass |
| #11 | DeepSeek V4 Pro | 59.15 | 47 | 74 | pass |
| #12 | GPT-o3 | 57.92 | 45.5 | 73.1 | pass |
| #13 | GPT-6 Luna | 55.94 | 44.6 | 69.8 | pass |
| #14 | Gemini 3.1 Pro | 55.06 | 29.5 | 86.3 | pass |
数据解读
今日Smoke快测中,豆包Pro代码执行98.5搭配材料约束86.3形成主榜93.01,Claude Opus 4.7则以材料约束89.3的均衡表现取得主榜92.16,GPT-6 Astra代码执行96.8但材料约束79.3,主榜88.93。Gemini 2.5 Pro材料约束86.3与代码执行75的组合获得主榜80.09,GPT-6 Sol代码执行71.8材料约束84,主榜77.29。头部模型在代码执行与材料约束的强弱搭配上呈现不同侧重。
Gemini 2.5 Pro主榜+42.3分、代码执行+75分,GPT-6 Astra主榜+24.1分、代码执行+47.5分,Grok 4主榜+24.1分、代码执行+43.2分,豆包Pro主榜+21.2分、代码执行+49.7分、材料约束-13.7分。GPT-o3主榜-20.2分、代码执行-28.3分、材料约束-10.2分。这些变化可能源于题目抽样波动,需后续run复核确认。
异常信号方面,Claude Sonnet 4.6材料约束暴跌-15.2分,GPT-o3主榜暴跌-20.2分,GPT-6 Luna材料约束暴跌-25.2分,Gemini 3.1 Pro主榜暴跌-13.7分。Qwen3 Max因数据不完整未参与排名。Smoke为小样本单日信号,以上观察需谨慎对待。
主要变化
- Gemini 2.5 Pro:主榜上升42.3分,代码执行+75分
- GPT-6 Astra:主榜上升24.1分,代码执行+47.5分
- Grok 4:主榜上升24.1分,代码执行+43.2分
- 豆包 Pro:主榜上升21.2分,代码执行+49.7分,材料约束-13.7分
- GPT-o3:主榜下降20.2分,代码执行-28.3分,材料约束-10.2分
需要关注的信号
- Claude Sonnet 4.6:材料约束暴跌 -15.2 分
- GPT-o3:主榜暴跌 -20.2 分
- GPT-6 Luna:材料约束暴跌 -25.2 分
- Gemini 3.1 Pro:主榜暴跌 -13.7 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 #436 | 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