GPT-5.5 与 GPT-6 Astra 与 GPT-6 Luna 与 GPT-6 Sol并列87.27分：2026-11-03 Smoke快测数据简报
2026-11-03 赢政指数 Smoke 快测覆盖 13 个模型，GPT-5.5 与 GPT-6 Astra 与 GPT-6 Luna 与 GPT-6 Sol 以 87.27 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。
AI测评
真机实测，数据说话。我们用严谨的方法论评测AI大模型、智能硬件与前沿技术，只为给你最客观的参考。
🏠 本站权威测评
LMSYS Chatbot Arena
MLCommons
Ars Technica
GPT-6 Astra 与 GPT-6 Sol并列84.9分：2026-11-02 Smoke快测数据简报
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。
Qwen3 Max WDCD暴跌26.2分 仅2模型逆势上涨12模型下滑
本期WDCD v3.1测试中，15个模型仅DeepSeek V4 Pro与GPT-6.1 Sol两家上涨，其余12家全部下降，Qwen3 Max跌幅达26.2分。Gemini 3.1 Pro以91.00分保持首位，GPT-6 Luna与GPT-o3分别下滑15.8分和11.9分，显示多轮渐进施压下多数模型守约生存能力出现明显衰减。
WDCD横评：数据边界全员崩盘最低1.36，工程规范却集体4分
WDCD v3.1试点数据显示，数据边界场景全体模型得分最低，qwen3-max仅1.36/4；工程规范最易守约，gemini-3.1-pro拿下4/4。安全合规区分度最大，gpt-6-luna与grok-4差距2.13分。五大场景中偏科模型达8个，企业接入生产流程需按场景加护栏。
WDCD三轮锚点：Qwen3 Max 30.8%全崩 Grok 4零崩溃
v2锚点题显示，R1确认率93%、R2抵抗率69%、R3诚信率仅50.9%，Qwen3 Max R3崩溃率30.8%，Grok 4为0%。多约束场景下模型“先答应后崩盘”现象突出，生产接入需重点关注安全合规与数据边界护栏。
WDCD守约榜：Gemini 3.1 Pro 91分领跑 Qwen3 Max 58.85分垫底差距32分
Gemini 3.1 Pro以91.00分位居WDCD守约排行榜首位，Qwen3 Max以58.85分垫底，首尾差距32.15分。15个模型中满分率41%，R3崩溃率9.2%。头部模型在v2锚点R3平均得分1.38以上，尾部模型R1即归零，显示多轮施压下的守约差异直接决定生产可用性。
GPT-o3材料约束暴跌25分 代码执行反涨20.1分 主榜仅降0.2
今日Smoke评测中GPT-o3材料约束从88.30分跌至63.30分，降幅25分；代码执行从69.00分升至89.10分，升20.1分；主榜从77.69分微降至77.49分。工程判断与任务表达侧榜波动更大。
Grok 4代码执行暴跌15.8分 主榜仅降1.1分
Grok 4在今日Smoke评测中代码执行从94.00分跌至78.20分，降15.8分；材料约束从71.40分升至88.30分，涨16.9分；主榜从83.83分微降至82.75分。工程判断与任务表达侧榜同步大跌，诚信评级维持pass。
Claude Opus 4.7趋势47.8分领跑，GPT-6.1 Sol 7天持平86分
2026-10-26至2026-11-01 Smoke评测显示，Claude Opus 4.7趋势47.8分、末日98.79分居首，但波动47.8分；GPT-6.1 Sol均值82.5分持平86分；DeepSeek V4 Pro与GLM-4.6诚信评级出现warn或fail信号，GPT-6 Astra末日97.25分实现13.8分上升。
Claude Opus 4.7以98.79分居首：2026-11-01 Smoke快测数据简报
2026-11-01 赢政指数 Smoke 快测覆盖 13 个模型，Claude Opus 4.7 以 98.79 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。
GPT-6 Sol主榜暴跌16.4分 代码执行从100直降66.8
GPT-6 Sol今日Smoke评测主榜从90.51分跌至74.14分，降幅16.4分。代码执行维度从100.00分暴跌至66.80分，材料约束小升4.2分至83.10分。工程判断从100.00分降至75.00分。单日10题快测下，此幅度波动需重点观察。
GPT-6 Luna材料约束暴跌15.9分 代码执行却大涨19.7分
GPT-6 Luna今日Smoke评测中材料约束从87.90分跌至72.00分，降15.9分，代码执行从74.30分升至94.00分，主榜反升3.7分至84.10分。工程判断降25分，任务表达升33.7分。单日10题抽签波动可能是主因，需持续观察一致性。