Claude Opus 4.7以81.91分居首：2026-10-18 Smoke快测数据简报

2026-10-18 赢政指数 Smoke 快测覆盖 14 个模型，Claude Opus 4.7 以 81.91 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

从今日赢政指数 Smoke 快测数据看，头部模型在代码执行与材料约束两项上的搭配呈现不同特点。Claude Opus 4.7 主榜 81.91 分，代码执行 83.3 分、材料约束 80.2 分，两项较为均衡；豆包 Pro 主榜 77.34 分，代码执行 75 分、材料约束 80.2 分，材料约束相对更强；Grok 4 主榜 72.09 分，代码执行 72.9 分、材料约束 71.1 分，结构接近；Gemini 2.5 Pro 主榜 70.45 分，代码执行 78.1 分、材料约束 61.1 分，代码执行优势明显而材料约束偏低；DeepSeek V4 Pro 与 GPT-5.5 主榜同为 68.16 分，代码执行均为 58.3 分、材料约束均为 80.2 分，材料约束得分突出。

与上一同口径 run 相比，GPT-o3 主榜下降 39.2 分，代码执行下降 55.2 分、材料约束下降 19.7 分；GPT-6.1 Sol 主榜下降 28.3 分，代码执行下降 30.2 分、材料约束下降 25.9 分；Gemini 3.1 Pro 主榜下降 23.7 分，代码执行下降 41.7 分；GPT-6 Luna 主榜下降 21.4 分，代码执行下降 17.7 分、材料约束下降 25.9 分；GPT-6 Astra 主榜下降 19.6 分，代码执行下降 25 分、材料约束下降 12.9 分。这些变化可能源于题目抽样波动，也可能是模型真实表现出现退化，需后续 run 复核确认。

Smoke 作为小样本单日信号，上述观察仅反映当日数据结构，暂不做长期判断。

主要变化

• GPT-o3：主榜下降39.2分，代码执行-55.2分，材料约束-19.7分
• GPT-6.1 Sol：主榜下降28.3分，代码执行-30.2分，材料约束-25.9分
• Gemini 3.1 Pro：主榜下降23.7分，代码执行-41.7分
• GPT-6 Luna：主榜下降21.4分，代码执行-17.7分，材料约束-25.9分
• GPT-6 Astra：主榜下降19.6分，代码执行-25分，材料约束-12.9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 #383 | 查看原始数据