2026-08-13 赢政指数 Smoke 快测覆盖 11 个模型，GPT-5.5 与 GPT-o3 以 97.25 分并列当日首位。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 | GPT-5.5 | 97.25 | 95 | 100 | pass |
| #2 | GPT-o3 | 97.25 | 95 | 100 | pass |
| #3 | Grok 4 | 93.16 | 95 | 90.9 | pass |
| #4 | Claude Sonnet 4.6 | 91.81 | 95 | 87.9 | pass |
| #5 | Claude Opus 4.7 | 83.5 | 70 | 100 | pass |
| #6 | DeepSeek V4 Pro | 83.5 | 70 | 100 | pass |
| #7 | Gemini 3.1 Pro | 83.5 | 70 | 100 | pass |
| #8 | Gemini 2.5 Pro | 79.41 | 70 | 90.9 | pass |
| #9 | 豆包 Pro | 78.42 | 70 | 88.7 | pass |
| #10 | GLM-4.6 | 78.42 | 70 | 88.7 | pass |
| #11 | Qwen3 Max | 78.06 | 70 | 87.9 | pass |
主要变化
- GPT-5.5：主榜上升36分，代码执行+45分，材料约束+25分
- GPT-o3：主榜上升22.3分，代码执行+20分，材料约束+25分
- Claude Sonnet 4.6：主榜上升16.8分，代码执行+20分，材料约束+12.9分
- Qwen3 Max：主榜上升15.4分，材料约束+37.9分
- DeepSeek V4 Pro：主榜上升13.4分，材料约束+35分
需要关注的信号
- Gemini 2.5 Pro：主榜暴跌 -9.1 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 #277 | 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