Gemini 3.1 Pro以94.74分居首：2026-08-11 Smoke快测数据简报

2026-08-11 赢政指数 Smoke 快测覆盖 10 个模型，Gemini 3.1 Pro 以 94.74 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

主要变化

• Claude Sonnet 4.6：主榜上升30.5分，代码执行+50分，材料约束+6.6分
• Gemini 3.1 Pro：主榜上升28分，代码执行+33.3分，材料约束+21.6分
• GPT-5.5：主榜上升24.9分，代码执行+25分，材料约束+24.7分
• Claude Opus 4.7：主榜上升20.6分，代码执行+25分，材料约束+15.3分
• Qwen3 Max：主榜上升16.6分，代码执行+12.5分，材料约束+21.5分

需要关注的信号

• GLM-4.6：诚信评级降为 Fail (pass→fail)
• 豆包 Pro：数据不完整（缺 execution,grounding,judgment,integrity,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 #274 | 查看原始数据