2026-11-02 赢政指数 Smoke 快测覆盖 14 个模型，GPT-6 Astra 与 GPT-6 Sol 以 84.9 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 | GPT-6 Astra | 84.9 | 75 | 97 | pass |
| #2 | GPT-6 Sol | 84.9 | 75 | 97 | pass |
| #3 | Claude Opus 4.7 | 82.84 | 68.8 | 100 | pass |
| #4 | GPT-6 Luna | 79.79 | 67.5 | 94.8 | pass |
| #5 | Grok 4 | 79.71 | 63.1 | 100 | pass |
| #6 | Gemini 2.5 Pro | 74.29 | 73.7 | 75 | pass |
| #7 | GPT-5.5 | 72.5 | 50 | 100 | pass |
| #8 | GPT-6.1 Sol | 71.15 | 50 | 97 | pass |
| #9 | Claude Sonnet 4.6 | 70.93 | 49.6 | 97 | pass |
| #10 | GPT-o3 | 59 | 50 | 70 | pass |
| #11 | 豆包 Pro | 46.51 | 25 | 72.8 | pass |
| #12 | Gemini 3.1 Pro | 46.51 | 25 | 72.8 | pass |
| #13 | GLM-4.6 | 36.25 | 25 | 50 | pass |
| #14 | DeepSeek V4 Pro | 33.75 | 0 | 75 | pass |
数据解读
今日主榜前两名GPT-6 Astra与GPT-6 Sol均录得主榜84.9，代码执行75、材料约束97，显示两者在两项能力上形成均衡搭配。Claude Opus 4.7主榜82.84，代码执行68.8、材料约束100，其材料约束得分高于前两名但代码执行较低。Gemini 2.5 Pro主榜74.29，代码执行73.7、材料约束75，代码执行接近头部而材料约束相对偏低。
与上一同口径run相比，Gemini 2.5 Pro主榜上升24.3分，代码执行上升23.7分、材料约束上升25分；GLM-4.6主榜下降25分，代码执行与材料约束均下降25分；GPT-o3主榜下降18.5分，代码执行下降39.1分、材料约束上升6.7分。上述变化可能源于题目抽样波动，也可能反映真实表现退化，需后续run复核确认。
DeepSeek V4 Pro与Claude Opus 4.7同样出现双位数主榜回落，代码执行降幅分别为50分与29分，材料约束则有不同方向变动。Smoke作为小样本单日信号，上述结构特点仅供当日观察参考。
主要变化
- GLM-4.6：主榜下降25分，代码执行-25分，材料约束-25分
- Gemini 2.5 Pro：主榜上升24.3分，代码执行+23.7分，材料约束+25分
- GPT-o3：主榜下降18.5分，代码执行-39.1分，材料约束+6.7分
- DeepSeek V4 Pro：主榜下降16.3分，代码执行-50分，材料约束+24.9分
- Claude Opus 4.7：主榜下降16分，代码执行-29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 #407 | 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