2026-08-10 赢政指数 Smoke 快测覆盖 10 个模型，DeepSeek V4 Pro 以 87.2 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 | DeepSeek V4 Pro | 87.2 | 91.7 | 81.7 | pass |
| #2 | Grok 4 | 73.52 | 75 | 71.7 | pass |
| #3 | Gemini 2.5 Pro | 72.86 | 73.8 | 71.7 | pass |
| #4 | Claude Opus 4.7 | 72.3 | 75 | 69 | pass |
| #5 | GPT-o3 | 71.27 | 75 | 66.7 | pass |
| #6 | Gemini 3.1 Pro | 66.7 | 66.7 | 66.7 | pass |
| #7 | Qwen3 Max | 65.01 | 75 | 52.8 | pass |
| #8 | GLM-4.6 | 61.25 | 50 | 75 | pass |
| #9 | GPT-5.5 | 58.31 | 75 | 37.9 | pass |
| #10 | Claude Sonnet 4.6 | 55.27 | 50 | 61.7 | pass |
数据解读
今日赢政指数Smoke快测中，DeepSeek V4 Pro以主榜87.2位居首位，其代码执行91.7与材料约束81.7形成均衡高位搭配，0.55与0.45权重下整体表现突出。Grok 4主榜73.52、代码执行75、材料约束71.7，Gemini 2.5 Pro主榜72.86、代码执行73.8、材料约束71.7，Claude Opus 4.7主榜72.3、代码执行75、材料约束69，GPT-o3主榜71.27、代码执行75、材料约束66.7，均呈现代码执行略强于材料约束的结构特征。GLM-4.6则以代码执行50、材料约束75形成反向搭配，主榜61.25；Qwen3 Max代码执行75、材料约束52.8，主榜65.01，此类强弱互补在榜单中较为常见。
与上一同口径run相比，GPT-5.5主榜下降30.4分，代码执行下降25分，材料约束下降37.1分；GPT-o3主榜下降24.6分，代码执行下降25分，材料约束下降24.2分；Qwen3 Max主榜下降20.8分，代码执行下降24分，材料约束下降16.9分；Claude Opus 4.7主榜下降20.6分，代码执行下降25分，材料约束下降15.1分。GLM-4.6主榜上升23.5分，材料约束上升52.2分。这些变化可能源于题目抽样波动，亦可能是单日信号的偶然表现，需后续run复核确认。Smoke作为小样本单日信号，当前数据仅供参考，不构成长期判断依据。
主要变化
- GPT-5.5：主榜下降30.4分，代码执行-25分，材料约束-37.1分
- GPT-o3：主榜下降24.6分，代码执行-25分，材料约束-24.2分，诚信warn→pass
- GLM-4.6：主榜上升23.5分，材料约束+52.2分，诚信warn→pass
- Qwen3 Max：主榜下降20.8分，代码执行-24分，材料约束-16.9分
- Claude Opus 4.7：主榜下降20.6分，代码执行-25分，材料约束-15.1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 #272 | 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