2026-07-19 赢政指数 Smoke 快测覆盖 10 个模型，Claude Opus 4.7 以 95.19 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 | 95.19 | 100 | 89.3 | pass |
| #2 | Claude Sonnet 4.6 | 90.02 | 99.2 | 78.8 | pass |
| #3 | Qwen3 Max | 82.23 | 96.9 | 64.3 | pass |
| #4 | GPT-5.5 | 81.44 | 75 | 89.3 | pass |
| #5 | Grok 4 | 79.73 | 71.9 | 89.3 | pass |
| #6 | Gemini 2.5 Pro | 76.49 | 74.6 | 78.8 | pass |
| #7 | GPT-o3 | 66.86 | 48.5 | 89.3 | pass |
| #8 | DeepSeek V4 Pro | 62.96 | 50 | 78.8 | pass |
| #9 | Gemini 3.1 Pro | 56.44 | 50 | 64.3 | pass |
| #10 | 豆包 Pro | 49.21 | 25 | 78.8 | pass |
数据解读
今日赢政指数Smoke快测中，Claude Opus 4.7以主榜95.19位居首位，其代码执行100与材料约束89.3的搭配显示出两者均保持较高水准；Claude Sonnet 4.6主榜90.02紧随其后，代码执行99.2、材料约束78.8的结构同样偏向代码执行侧重；Qwen3 Max主榜82.23则呈现代码执行96.9与材料约束64.3的明显差异，GPT-5.5主榜81.44和Grok 4主榜79.73均体现材料约束89.3的高位支撑。
与上一同口径run相比，Grok 4主榜上升28.1分，主要来自代码执行上升46.9分；Claude Opus 4.7主榜上升16.1分，代码执行上升25分；Claude Sonnet 4.6主榜上升15.4分，代码执行上升24.2分；Qwen3 Max主榜上升12.1分，代码执行上升32.2分但材料约束下降12.5分。这些单日变动在小样本条件下可能源于题目抽样波动。
GPT-o3主榜暴跌13.8分、Gemini 3.1 Pro材料约束暴跌26.6分，需后续run复核以确认是否为真实退化信号；GLM-4.6因数据不完整未参与排名。Smoke快测作为单日信号，上述观察均保持克制描述。
主要变化
- Grok 4：主榜上升28.1分，代码执行+46.9分，材料约束+5.2分，诚信warn→pass
- Claude Opus 4.7：主榜上升16.1分，代码执行+25分，材料约束+5.2分
- Claude Sonnet 4.6：主榜上升15.4分，代码执行+24.2分
- GPT-o3：主榜下降13.8分，代码执行-21.8分
- Qwen3 Max：主榜上升12.1分，代码执行+32.2分，材料约束-12.5分
需要关注的信号
- GPT-o3：主榜暴跌 -13.8 分
- Gemini 3.1 Pro：材料约束暴跌 -26.6 分
- GLM-4.6：数据不完整（缺 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 #237 | 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