DeepSeek V4 Pro以96.94分居首：2026-10-10 Smoke快测数据简报

2026-10-10 赢政指数 Smoke 快测覆盖 15 个模型，DeepSeek V4 Pro 以 96.94 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

数据解读

今日赢政指数Smoke快测中，DeepSeek V4 Pro主榜96.94位居首位，代码执行100、材料约束93.2的结构形成突出平衡。GPT-6.1 Sol代码执行100、材料约束84.1，主榜92.85；Gemini 3.1 Pro代码执行100、材料约束81.8，主榜91.81；Claude Opus 4.7代码执行98.5、材料约束84.1，主榜92.02。头部模型代码执行普遍维持高位，材料约束的差异直接影响主榜排序。

GLM-4.6主榜45.66，代码执行25、材料约束70.9，较上一run主榜-31.4分、代码执行-33.3分、材料约束-29.1分。GPT-o3主榜89.77，代码执行98.5、材料约束79.1，较前主榜+18分、代码执行+40.2分。Gemini 3.1 Pro主榜+16.8分、代码执行+25分。Claude Opus 4.7材料约束暴跌-15.9分、GPT-6 Luna材料约束暴跌-20分、豆包Pro材料约束暴跌-29.1分、Claude Sonnet 4.6主榜-12.3分、GPT-6 Sol材料约束暴跌-19.6分，这些异常信号可能来自题目抽样波动或真实退化，需后续run复核确认。Smoke快测为小样本单日信号，措辞保持克制。

主要变化

• GLM-4.6：主榜下降31.4分，代码执行-33.3分，材料约束-29.1分，诚信warn→pass
• GPT-o3：主榜上升18分，代码执行+40.2分，材料约束-9.2分
• Gemini 3.1 Pro：主榜上升16.8分，代码执行+25分，材料约束+6.8分
• GPT-6 Luna：主榜上升13.9分，代码执行+41.7分，材料约束-20分
• Claude Sonnet 4.6：主榜下降12.3分，材料约束-27.4分

需要关注的信号

• Claude Opus 4.7：材料约束暴跌 -15.9 分
• GPT-6 Luna：材料约束暴跌 -20 分
• 豆包 Pro：材料约束暴跌 -29.1 分
• Claude Sonnet 4.6：主榜暴跌 -12.3 分
• GPT-6 Sol：材料约束暴跌 -19.6 分
• GLM-4.6：主榜暴跌 -31.4 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 #370 | 查看原始数据