Claude Opus 4.7 与 Qwen3 Max并列93.39分：2026-08-01 Smoke快测数据简报

2026-08-01 赢政指数 Smoke 快测覆盖 11 个模型，Claude Opus 4.7 与 Qwen3 Max 以 93.39 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快测中，Claude Opus 4.7与Qwen3 Max并列主榜93.39分，二者代码执行均为100、材料约束均为85.3，呈现代码执行与材料约束均衡的高位搭配。DeepSeek V4 Pro主榜90.99分，代码执行98.5、材料约束81.8，同样保持较强代码执行优势。豆包Pro主榜88.62分，代码执行100但材料约束74.7，显示代码执行突出而材料约束相对偏弱的结构特点。Gemini 3.1 Pro主榜82.16分则反向，代码执行75、材料约束90.9，材料约束成为其主要支撑。

GLM-4.6主榜76.47分，代码执行100但材料约束仅47.7，且诚信从pass转为warn，其材料约束较前次run出现-27.3分变化。Qwen3 Max较前次主榜上升21.1分，材料约束上升37.6分。GPT-5.5主榜66分，代码执行58.3、材料约束75.4，较前次主榜下降20.6分、代码执行下降36.7分。Claude Sonnet 4.6主榜55.02分，代码执行51.6、材料约束59.2，较前次主榜下降19分、代码执行下降48.4分。

异常信号方面，GPT-o3主榜下降13.9分、材料约束下降14.7分，GLM-4.6材料约束下降27.3分，Grok 4主榜下降8.2分，GPT-5.5主榜下降20.6分，Gemini 2.5 Pro主榜下降8.5分，Claude Sonnet 4.6主榜下降19分。这些单日波动可能源于题目抽样波动，也可能反映真实性能变化，需后续同口径run复核确认。Smoke快测为小样本单日信号，以上观察仅供当日数据参考。

主要变化

• GLM-4.6：主榜上升30.2分，代码执行+77.2分，材料约束-27.3分，诚信pass→warn
• Qwen3 Max：主榜上升21.1分，代码执行+7.5分，材料约束+37.6分
• GPT-5.5：主榜下降20.6分，代码执行-36.7分
• Claude Sonnet 4.6：主榜下降19分，代码执行-48.4分，材料约束+16.9分
• GPT-o3：主榜下降13.9分，代码执行-13.2分，材料约束-14.7分

需要关注的信号

• GPT-o3：主榜暴跌 -13.9 分
• GLM-4.6：材料约束暴跌 -27.3 分
• Grok 4：主榜暴跌 -8.2 分
• GPT-5.5：主榜暴跌 -20.6 分
• Gemini 2.5 Pro：主榜暴跌 -8.5 分
• Claude Sonnet 4.6：主榜暴跌 -19 分

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 #256 | 查看原始数据