2026-11-11 赢政指数 Smoke 快测覆盖 13 个模型，Claude Opus 4.7 以 79.56 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 | Claude Opus 4.7 | 79.56 | 72.4 | 88.3 | pass |
| #2 | 豆包 Pro | 79.18 | 78.5 | 80 | pass |
| #3 | GPT-6 Luna | 74.75 | 71.1 | 79.2 | pass |
| #4 | GPT-6.1 Sol | 74.53 | 74.8 | 74.2 | pass |
| #5 | GPT-6 Sol | 69.65 | 74.1 | 64.2 | pass |
| #6 | Claude Sonnet 4.6 | 59.86 | 56.3 | 64.2 | pass |
| #7 | GPT-o3 | 57.57 | 46 | 71.7 | pass |
| #8 | Gemini 3.1 Pro | 56.46 | 35.8 | 81.7 | pass |
| #9 | GPT-6 Astra | 56.28 | 49.8 | 64.2 | pass |
| #10 | GPT-5.5 | 51.06 | 49.8 | 52.6 | pass |
| #11 | DeepSeek V4 Pro | 48.92 | 16.7 | 88.3 | pass |
| #12 | Grok 4 | 48.68 | 27.8 | 74.2 | warn |
| #13 | Gemini 2.5 Pro | 46.81 | 24.4 | 74.2 | pass |
数据解读
今日赢政指数Smoke快测中，头部模型在代码执行与材料约束的搭配上呈现明显分化。Claude Opus 4.7以主榜79.56位居首位，其代码执行72.4、材料约束88.3，显示材料约束优势突出；豆包Pro主榜79.18紧随其后，代码执行78.5、材料约束80，代码执行得分更高；GPT-6 Luna主榜74.75，代码执行71.1、材料约束79.2，两项得分较为均衡。排名靠前的模型普遍在两项指标上保持较高水准，而中下游模型如DeepSeek V4 Pro代码执行仅16.7但材料约束达88.3，Gemini 3.1 Pro代码执行35.8、材料约束81.7，体现出单项突出却整体受限的结构特点。
与上一同口径run相比，GPT-6 Astra主榜下降36.2分，代码执行下降50.2分、材料约束下降19.1分；GPT-5.5主榜下降28.9分，代码执行下降32.6分、材料约束下降24.3分；Gemini 3.1 Pro主榜下降26分，代码执行下降45.9分；Gemini 2.5 Pro主榜下降18.2分，代码执行下降24.1分、材料约束下降11分；GPT-6.1 Sol主榜下降18分，代码执行下降25.2分、材料约束下降9.1分。这些变化主要集中在代码执行指标上，材料约束的波动幅度相对较小。
本次Smoke快测为小样本单日信号，上述分数变化可能源于题目抽样波动，也可能反映模型在特定场景下的真实表现差异，需后续run复核以确认稳定性。所有解读均基于当日数据，不做长期判断。
主要变化
- GPT-6 Astra：主榜下降36.2分，代码执行-50.2分，材料约束-19.1分
- GPT-5.5：主榜下降28.9分，代码执行-32.6分，材料约束-24.3分
- Gemini 3.1 Pro：主榜下降26分，代码执行-45.9分
- Gemini 2.5 Pro：主榜下降18.2分，代码执行-24.1分，材料约束-11分
- GPT-6.1 Sol：主榜下降18分，代码执行-25.2分，材料约束-9.1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 #421 | 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