2026-11-21 赢政指数 Smoke 快测覆盖 13 个模型,豆包 Pro 以 91.11 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 | 91.11 | 98.8 | 81.7 | pass |
| #2 | Grok 4 | 80.58 | 98.8 | 58.3 | pass |
| #3 | GPT-6 Luna | 80.13 | 99.3 | 56.7 | pass |
| #4 | GPT-o3 | 77.61 | 98.8 | 51.7 | pass |
| #5 | Gemini 3.1 Pro | 72.75 | 75 | 70 | pass |
| #6 | Claude Opus 4.7 | 72.37 | 74.3 | 70 | pass |
| #7 | GPT-6.1 Sol | 72.37 | 74.3 | 70 | pass |
| #8 | Gemini 2.5 Pro | 69.74 | 75 | 63.3 | pass |
| #9 | GPT-6 Astra | 69.35 | 74.3 | 63.3 | pass |
| #10 | GPT-6 Sol | 69.35 | 74.3 | 63.3 | pass |
| #11 | Claude Sonnet 4.6 | 69.08 | 73.8 | 63.3 | pass |
| #12 | DeepSeek V4 Pro | 67.49 | 75 | 58.3 | pass |
| #13 | GPT-5.5 | 55.65 | 49.3 | 63.4 | pass |
主要变化
- GPT-6 Luna:主榜上升24.2分,代码执行+54.7分,材料约束-13.1分
- Claude Opus 4.7:主榜下降19.8分,代码执行-20.2分,材料约束-19.3分
- GPT-o3:主榜上升19.7分,代码执行+53.3分,材料约束-21.4分
- GPT-6 Astra:主榜下降19.6分,代码执行-22.5分,材料约束-16分
- Gemini 3.1 Pro:主榜上升17.7分,代码执行+45.5分,材料约束-16.3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 #437 | 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