2026-10-11 赢政指数 Smoke 快测覆盖 13 个模型，Claude Opus 4.7 与 GPT-6 Astra 与 GPT-6.1 Sol 以 79.79 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 | Claude Opus 4.7 | 79.79 | 72 | 89.3 | pass |
| #2 | GPT-6 Astra | 79.79 | 72 | 89.3 | pass |
| #3 | GPT-6.1 Sol | 79.79 | 72 | 89.3 | pass |
| #4 | Claude Sonnet 4.6 | 74.52 | 72 | 77.6 | pass |
| #5 | Gemini 3.1 Pro | 68.54 | 72 | 64.3 | pass |
| #6 | Gemini 2.5 Pro | 66.04 | 47 | 89.3 | pass |
| #7 | GPT-6 Sol | 66.04 | 47 | 89.3 | pass |
| #8 | Grok 4 | 64.92 | 75 | 52.6 | pass |
| #9 | GPT-6 Luna | 62.1 | 72 | 50 | pass |
| #10 | 豆包 Pro | 54.79 | 47 | 64.3 | pass |
| #11 | GPT-o3 | 54.79 | 47 | 64.3 | pass |
| #12 | DeepSeek V4 Pro | 49.52 | 47 | 52.6 | pass |
| #13 | GPT-5.5 | 48.35 | 47 | 50 | pass |
数据解读
今日主榜前三名Claude Opus 4.7、GPT-6 Astra与GPT-6.1 Sol均录得79.79分，其中代码执行72分、材料约束89.3分，三者结构完全一致，显示在材料约束维度保持较高水准的同时，代码执行得分处于同一区间。第四名Claude Sonnet 4.6以74.52分紧随，其代码执行同样为72分，但材料约束降至77.6分，反映材料约束相对弱化对整体排名的影响。Gemini 3.1 Pro代码执行72分、材料约束64.3分，主榜68.54分，Grok 4则以代码执行75分、材料约束52.6分取得64.92分，体现代码执行与材料约束强弱搭配不同的模型在当日得分分布。
DeepSeek V4 Pro主榜下降47.4分，代码执行下降53分、材料约束下降40.6分；GPT-5.5主榜下降38.6分，代码执行下降53分、材料约束下降20.9分；GPT-o3主榜下降35分，代码执行下降51.5分、材料约束下降14.8分；豆包 Pro主榜下降32.1分，代码执行下降53分、材料约束下降6.6分；GPT-6 Luna主榜下降26.7分，代码执行下降28分、材料约束下降25分。这些显著变化可能源于单日题目抽样波动，也可能反映模型真实表现退化，需后续同口径run复核确认。Smoke快测为小样本单日信号，以上观察仅供当日参考，不构成长期判断依据。
主要变化
- DeepSeek V4 Pro：主榜下降47.4分，代码执行-53分，材料约束-40.6分
- GPT-5.5：主榜下降38.6分，代码执行-53分，材料约束-20.9分
- GPT-o3：主榜下降35分，代码执行-51.5分，材料约束-14.8分
- 豆包 Pro：主榜下降32.1分，代码执行-53分，材料约束-6.6分
- GPT-6 Luna：主榜下降26.7分，代码执行-28分，材料约束-25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 #371 | 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