Grok 4以95.44分居首：2026-09-21 Smoke快测数据简报
2026-09-21 赢政指数 Smoke 快测覆盖 10 个模型，Grok 4 以 95.44 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。
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
GLM-4.6暴跌29.8分 GPT-5.5下滑6分 WDCD守约测试两模型全线退步
本期WDCD v3.1试点仅GLM-4.6与GPT-5.5出现下降，分别下跌29.8分和6分，其余9个模型无上升。Grok 4以91.76分保持首位，Gemini 3.1 Pro 89.59分紧随。数据揭示守约能力在多轮施压下的脆弱性差异，对生产接入企业具有直接参考价值。
WDCD横评：数据边界成最难场景 GLM-4.6仅1.36分崩盘
WDCD v3.1五大场景测试显示，数据边界全体得分最低，glm-4.6仅1.36/4，deepseek-v4-pro与gemini-3.1-pro达3.8/4；业务规则区分度最高，claude-opus-4.7满分4/4。资源限制与安全合规暴露多模型偏科，企业接入生产需针对性加护栏。
R3诚信率仅49.5%：Grok 4零崩溃与GLM-4.6 27.6%崩盘的守约差距
v2锚点题显示，11模型R1确认率86%、R2抵抗率72%、R3诚信率49.5%，完全崩溃30/319次。Grok 4 R3零崩溃，GLM-4.6达27.6%。数据仅来自8道v2锚点题，揭示多约束场景下模型守约真实表现。
Grok 4 91.76 分领跑 WDCD 守约榜 GLM-4.6 61.55 分断崖垫底
Grok 4 以 WDCD 91.76 分位居首位，GLM-4.6 以 61.55 分垫底，R3 崩溃率 9.4%，头部与尾部差距超过 30 分。v3 多轮施压下守约生存能力差异显著，11 个模型中仅 49.2% 达到满分。
Grok 4 代码执行单日跌22.4分 主榜从88.33降至75.38
Grok 4今日Smoke评测主榜从88.33分跌至75.38分，代码执行从96.70分降至74.30分，降幅22.4分，材料约束仅微降1.4分。工程判断侧榜跌36.1分。单日10题抽签导致的波动是主因，需持续观察。
DeepSeek V4 Pro材料约束暴跌15分 主榜却逆势涨20.8
DeepSeek V4 Pro今日Smoke评测中材料约束从91.70降至76.70，主榜却从55.02升至75.77。代码执行从25.00跃升至75.00，工程判断从88.90跌至50.00。单日2题抽样导致的波动仍是主因，需持续观察材料约束是否持续走低。
Qwen3 Max 7天趋势+19.1领跑，DeepSeek V4 Pro跌15.3分波动43.3
2026-09-14至2026-09-20 Smoke数据中，Qwen3 Max趋势+19.1从70.47升至89.52，Claude Opus 4.7从91.09升至96.99，DeepSeek V4 Pro趋势-15.3跌至75.77且波动43.3最高。豆包Pro、Grok 4、Qwen3 Max出现诚信评级warn信号，需重点关注一致性问题。
Claude Opus 4.7以96.99分居首：2026-09-20 Smoke快测数据简报
2026-09-20 赢政指数 Smoke 快测覆盖 10 个模型，Claude Opus 4.7 以 96.99 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。
Claude Opus 4.7以92.49分居首：2026-09-19 Smoke快测数据简报
2026-09-19 赢政指数 Smoke 快测覆盖 10 个模型，Claude Opus 4.7 以 92.49 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。
GLM-4.6 Smoke评测5维度全缺失 API故障致今日排名缺席
GLM-4.6今日Smoke评测因API故障/超时导致execution、grounding、judgment、integrity、communication五维度数据完全缺失，已进入自动补跑，本期不参与主榜排名。单日10题快测中此类技术中断为本次唯一记录。
Qwen3 Max材料约束暴跌16.9分 代码执行却暴涨64.3分
Qwen3 Max今日Smoke评测材料约束从90.90分跌至74.00分，代码执行从25.00分升至89.30分，主榜升至82.42分。核心发现显示两个主榜维度出现反向剧烈波动。