豆包 Pro 与 GPT-6.1 Sol并列87.27分：2026-10-23 Smoke快测数据简报

2026-10-23 赢政指数 Smoke 快测覆盖 14 个模型，豆包 Pro 与 GPT-6.1 Sol 以 87.27 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

数据解读

今日赢政指数 Smoke 快测显示，豆包 Pro 与 GPT-6.1 Sol 主榜同为 87.27 分，二者代码执行均为 100、材料约束均为 71.7，体现代码执行强势搭配中等材料约束的结构。Grok 4 主榜 85.02 分，代码执行 100、材料约束 66.7，同样以高代码执行支撑排名。Claude Opus 4.7 与 GPT-6 Luna 主榜 78.02 分，代码执行 75、材料约束 81.7，呈现材料约束更强的搭配特点，而 Claude Sonnet 4.6 主榜 78.27 分则代码执行 100、材料约束 51.7。

GPT-5.5 主榜下降 24.8 分，代码执行下降 22 分、材料约束下降 28.3 分；Gemini 2.5 Pro 主榜下降 24.7 分，代码执行下降 27.2 分、材料约束下降 21.6 分；Gemini 3.1 Pro 主榜下降 17.3 分，代码执行下降 22 分、材料约束下降 11.6 分；DeepSeek V4 Pro 主榜下降 15.6 分，代码执行下降 18.9 分、材料约束下降 11.6 分。这些分数起伏可能来自题目抽样波动，需后续 run 复核确认是否存在真实退化。Claude Sonnet 4.6 主榜上升 14.1 分，代码执行上升 31.1 分、材料约束下降 6.6 分。

Smoke 快测为小样本单日信号，模型在代码执行与材料约束的强弱搭配上各有差异，异动情况需保持克制解读，不做长期结论。

主要变化

• GPT-5.5：主榜下降24.8分，代码执行-22分，材料约束-28.3分
• Gemini 2.5 Pro：主榜下降24.7分，代码执行-27.2分，材料约束-21.6分
• Gemini 3.1 Pro：主榜下降17.3分，代码执行-22分，材料约束-11.6分
• DeepSeek V4 Pro：主榜下降15.6分，代码执行-18.9分，材料约束-11.6分
• Claude Sonnet 4.6：主榜上升14.1分，代码执行+31.1分，材料约束-6.6分

需要关注的信号

• GLM-4.6：今日诚信评级为 fail（基于当日 Smoke 数据）。

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 #392 | 查看原始数据