GPT-6 Luna以88.93分居首：2026-11-12 Smoke快测数据简报

2026-11-12 赢政指数 Smoke 快测覆盖 14 个模型，GPT-6 Luna 以 88.93 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

今日赢政指数Smoke快测中，头部模型在代码执行与材料约束的搭配上呈现明显分化。GPT-6 Luna以主榜88.93分居首，其代码执行89.6分与材料约束88.1分形成均衡高位组合；Claude Sonnet 4.6主榜88.27分紧随其后，代码执行95.2分突出但材料约束仅79.8分，显示强代码执行支撑下的偏科结构。GPT-6.1 Sol、Claude Opus 4.7与GPT-6 Sol三者主榜分值分别为84.27、84.11与83.83，代码执行均维持94以上而材料约束同为71.4分，体现相似的高代码执行、低材料约束搭配模式。

多模型较上一同口径run出现显著分值变动。Claude Sonnet 4.6主榜上升28.4分、代码执行上升38.9分、材料约束上升15.6分；Grok 4主榜上升28.1分、代码执行上升45.2分；GPT-6 Astra主榜上升25分、代码执行上升45分。这些升幅可能源于单日题目抽样波动，亦可能反映模型在特定维度上的临时表现差异，需后续run复核以确认稳定性。GPT-5.5与GPT-o3同样录得主榜分别上升19.4分与17.1分，代码执行分别上升25.2分与23.1分，材料约束分别上升12.2分与9.7分，同样需进一步数据验证。

异常信号方面，Claude Opus 4.7材料约束暴跌16.9分，豆包Pro主榜暴跌10.6分，均可能由题目抽样波动导致或提示真实退化风险，需后续run复核确认。Qwen3 Max因数据不完整未参与排名，整体Smoke快测仍属小样本单日信号，解读保持克制。

主要变化

• Claude Sonnet 4.6：主榜上升28.4分，代码执行+38.9分，材料约束+15.6分
• Grok 4：主榜上升28.1分，代码执行+45.2分，材料约束+7.2分，诚信warn→pass
• GPT-6 Astra：主榜上升25分，代码执行+45分
• GPT-5.5：主榜上升19.4分，代码执行+25.2分，材料约束+12.2分
• GPT-o3：主榜上升17.1分，代码执行+23.1分，材料约束+9.7分

需要关注的信号

• Claude Opus 4.7：材料约束暴跌 -16.9 分
• 豆包 Pro：主榜暴跌 -10.6 分
• 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
• 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 #423 | 查看原始数据