2026-07-28 赢政指数 Smoke 快测覆盖 11 个模型，Gemini 3.1 Pro 以 100 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 | Gemini 3.1 Pro | 100 | 100 | 100 | pass |
| #2 | GPT-o3 | 97.75 | 100 | 95 | pass |
| #3 | GPT-5.5 | 93.66 | 100 | 85.9 | pass |
| #4 | 豆包 Pro | 92.07 | 95.8 | 87.5 | pass |
| #5 | Grok 4 | 84.47 | 83.3 | 85.9 | pass |
| #6 | DeepSeek V4 Pro | 84 | 75 | 95 | pass |
| #7 | Claude Sonnet 4.6 | 79.91 | 75 | 85.9 | pass |
| #8 | Gemini 2.5 Pro | 77.6 | 70.8 | 85.9 | pass |
| #9 | GLM-4.6 | 77.6 | 70.8 | 85.9 | pass |
| #10 | Qwen3 Max | 59.28 | 37.5 | 85.9 | pass |
| #11 | Claude Opus 4.7 | 56.5 | 25 | 95 | pass |
数据解读
Gemini 3.1 Pro 以主榜 100、代码执行 100 和材料约束 100 位居首位，其代码执行与材料约束呈现均衡高配特点。GPT-o3 主榜 97.75，代码执行 100，材料约束 95，代码执行表现突出于材料约束。GPT-5.5 主榜 93.66，代码执行 100，材料约束 85.9，同样以代码执行为主要支撑。豆包 Pro 主榜 92.07，代码执行 95.8，材料约束 87.5，结构相对均衡。
异动方面，Gemini 3.1 Pro 主榜+11分，材料约束+20.7分，显示材料约束提升带动整体。Grok 4 主榜+9.3分，材料约束+15.7分，GPT-5.5 主榜+7.4分，材料约束+12.7分，豆包 Pro 主榜+7.1分，材料约束+17.3分，均体现材料约束分数的显著上升。
异常信号中，DeepSeek V4 Pro 代码执行暴跌 -25 分，Claude Sonnet 4.6 代码执行暴跌 -22 分，Gemini 2.5 Pro 代码执行暴跌 -25 分，Qwen3 Max 代码执行暴跌 -22 分，Claude Opus 4.7 主榜暴跌 -9.5 分，这些变化可能源于题目抽样波动或真实退化，需后续 run 复核以确认。Smoke 作为小样本单日信号，相关解读保持克制。
主要变化
- Gemini 3.1 Pro：主榜上升11分，材料约束+20.7分
- Claude Opus 4.7：主榜下降9.5分，代码执行-22分，材料约束+5.7分
- Grok 4：主榜上升9.3分，材料约束+15.7分
- GPT-5.5：主榜上升7.4分，材料约束+12.7分
- 豆包 Pro：主榜上升7.1分，材料约束+17.3分
需要关注的信号
- DeepSeek V4 Pro：代码执行暴跌 -25 分
- Claude Sonnet 4.6：代码执行暴跌 -22 分
- Gemini 2.5 Pro：代码执行暴跌 -25 分
- Qwen3 Max：代码执行暴跌 -22 分
- Claude Opus 4.7：主榜暴跌 -9.5 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 #250 | 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