2026-11-15 赢政指数 Smoke 快测覆盖 13 个模型，Claude Sonnet 4.6 与 GPT-6 Luna 以 95.19 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 | Claude Sonnet 4.6 | 95.19 | 100 | 89.3 | pass |
| #2 | GPT-6 Luna | 95.19 | 100 | 89.3 | pass |
| #3 | GPT-o3 | 94.31 | 98.4 | 89.3 | pass |
| #4 | GPT-6 Sol | 90.69 | 100 | 79.3 | pass |
| #5 | GPT-5.5 | 88.75 | 100 | 75 | pass |
| #6 | GPT-6 Astra | 84.7 | 97.3 | 69.3 | pass |
| #7 | GPT-6.1 Sol | 84.7 | 97.3 | 69.3 | pass |
| #8 | Grok 4 | 82.7 | 77.3 | 89.3 | pass |
| #9 | Claude Opus 4.7 | 81.44 | 75 | 89.3 | pass |
| #10 | 豆包 Pro | 65.38 | 45.8 | 89.3 | pass |
| #11 | Gemini 3.1 Pro | 53.94 | 25 | 89.3 | pass |
| #12 | Gemini 2.5 Pro | 51.63 | 20.8 | 89.3 | pass |
| #13 | DeepSeek V4 Pro | 49.44 | 25 | 79.3 | pass |
主要变化
- GPT-o3：主榜上升28.8分，代码执行+7.1分，材料约束+55.2分
- GPT-6 Sol：主榜上升24.8分，代码执行+8.7分，材料约束+44.5分
- Claude Sonnet 4.6：主榜上升24.6分，代码执行+5.5分，材料约束+47.9分
- GPT-6 Astra：主榜上升19.6分，材料约束+40.2分
- GPT-6 Luna：主榜上升18.6分，代码执行+5.5分，材料约束+34.5分
需要关注的信号
- Claude Opus 4.7：代码执行暴跌 -19.5 分
- 豆包 Pro：主榜暴跌 -8 分
- Gemini 3.1 Pro：代码执行暴跌 -19.5 分
- Gemini 2.5 Pro：代码执行暴跌 -46.2 分
- DeepSeek V4 Pro：代码执行暴跌 -19.5 分
- GLM-4.6：数据不完整（缺 execution,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 #427 | 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