2026-11-06 赢政指数 Smoke 快测覆盖 13 个模型，豆包 Pro 以 87.6 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
| 排名 | 模型 | 主榜 | 代码执行 | 材料约束 | 诚信 |
|---|---|---|---|---|---|
| #1 | 豆包 Pro | 87.6 | 90.3 | 84.3 | pass |
| #2 | Claude Opus 4.7 | 80.66 | 69.5 | 94.3 | pass |
| #3 | Gemini 3.1 Pro | 79.69 | 74.2 | 86.4 | pass |
| #4 | GPT-6 Astra | 79.29 | 94.5 | 60.7 | pass |
| #5 | GPT-6.1 Sol | 79.29 | 94.5 | 60.7 | pass |
| #6 | Grok 4 | 74.26 | 82 | 64.8 | pass |
| #7 | GPT-5.5 | 73.91 | 69.5 | 79.3 | pass |
| #8 | Gemini 2.5 Pro | 73.85 | 65.3 | 84.3 | pass |
| #9 | DeepSeek V4 Pro | 73.46 | 69.5 | 78.3 | pass |
| #10 | Claude Sonnet 4.6 | 69.76 | 82 | 54.8 | pass |
| #11 | GPT-6 Sol | 68.11 | 69.5 | 66.4 | pass |
| #12 | GPT-o3 | 67.79 | 69.5 | 65.7 | warn |
| #13 | GPT-6 Luna | 64.13 | 50 | 81.4 | pass |
主要变化
- Claude Opus 4.7：主榜上升29.6分，代码执行+50.1分
- GPT-5.5：主榜上升19.8分，代码执行+44.5分，材料约束-10.5分
- 豆包 Pro：主榜上升17.4分，代码执行+40.3分，材料约束-10.5分
- Gemini 2.5 Pro：主榜上升16.2分，代码执行+34分，材料约束-5.5分
- GPT-o3：主榜上升13.6分，代码执行+44.5分，材料约束-24.1分，诚信pass→warn
需要关注的信号
- GPT-6 Astra：材料约束暴跌 -29.1 分
- GPT-6.1 Sol：材料约束暴跌 -29.1 分
- Grok 4：材料约束暴跌 -25 分
- Claude Sonnet 4.6：材料约束暴跌 -38 分
- GPT-o3：材料约束暴跌 -24.1 分
- GLM-4.6：数据不完整（缺 grounding,communication 维度，API 故障/超时），已进入自动补跑，本期不参与排名
- Qwen3 Max：数据不完整（缺 execution,grounding,judgment,integrity,communication 维度，API 故障/超时），已进入自动补跑，本期不参与排名
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 #414 | 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