2026-09-06 赢政指数 Smoke 快测覆盖 11 个模型，Gemini 2.5 Pro 以 88.21 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 2.5 Pro | 88.21 | 90.1 | 85.9 | pass |
| #2 | Gemini 3.1 Pro | 79.19 | 86.7 | 70 | pass |
| #3 | DeepSeek V4 Pro | 77.44 | 91.7 | 60 | pass |
| #4 | GPT-o3 | 72.75 | 75 | 70 | pass |
| #5 | Grok 4 | 68.66 | 75 | 60.9 | pass |
| #6 | Claude Sonnet 4.6 | 68.32 | 70.3 | 65.9 | pass |
| #7 | GPT-5.5 | 67.75 | 70 | 65 | pass |
| #8 | 豆包 Pro | 66.16 | 50 | 85.9 | pass |
| #9 | GLM-4.6 | 63.66 | 70 | 55.9 | pass |
| #10 | Claude Opus 4.7 | 61.25 | 50 | 75 | pass |
| #11 | Qwen3 Max | 57.33 | 54.4 | 60.9 | warn |
数据解读
今日赢政指数 Smoke 快测中，Gemini 2.5 Pro 以主榜 88.21 位居首位，其代码执行 90.1 与材料约束 85.9 形成均衡搭配，Gemini 3.1 Pro 主榜 79.19、代码执行 86.7、材料约束 70 则显示代码执行相对突出。DeepSeek V4 Pro 主榜 77.44、代码执行 91.7、材料约束 60，体现代码执行强势而材料约束偏弱的结构特点。GPT-o3 主榜 72.75、代码执行 75、材料约束 70，整体搭配较为均衡。
与上一同口径 run 相比，Gemini 2.5 Pro 主榜+31.4分、代码执行+40.1分、材料约束+20.7分，DeepSeek V4 Pro 主榜+16.6分、代码执行+41.7分、材料约束-14.2分，Claude Opus 4.7 主榜-24.9分、代码执行-50分、材料约束+5.8分，GPT-o3 主榜-17.9分、代码执行-25分、材料约束-9.2分，豆包 Pro 主榜-17.8分、代码执行-46分、材料约束+16.7分。异常信号显示无，上述分数变化可能源于题目抽样波动，也可能反映真实退化，需后续 run 复核以确认信号稳定性。
Smoke 作为小样本单日信号，上述解读仅基于当日数据结构进行描述，未对模型长期表现作出判断。
主要变化
- Gemini 2.5 Pro：主榜上升31.4分，代码执行+40.1分，材料约束+20.7分
- Claude Opus 4.7：主榜下降24.9分，代码执行-50分，材料约束+5.8分
- GPT-o3：主榜下降17.9分，代码执行-25分，材料约束-9.2分
- 豆包 Pro：主榜下降17.8分，代码执行-46分，材料约束+16.7分
- DeepSeek V4 Pro：主榜上升16.6分，代码执行+41.7分，材料约束-14.2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 #310 | 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