YZ Index
评测数据
当前展示：Run #229 | 2026-07-13 | 128 题库 | 公式 v7 | 判分 v6.4
数据公开说明：为防止题库污染和过拟合，题目原文和预期答案不公开。本页展示模型回答、得分、判分方式等透明数据。完整方法论请参阅方法论页面。
| 模型 | 代码执行 | 材料约束 | 工程判断 | 任务表达 | 诚信 | 主榜分 | 性价比 | 稳定性 | 可用性 | 逐题 |
|---|---|---|---|---|---|---|---|---|---|---|
| Gemini 2.5 Pro gemini | 100.00 | 100.00 | 100.00 | 50.00 | 90.00 pass | 100.00 | 98.7 | 81.7 | 90.0 | |
| GPT-o3 gpt | 97.00 | 97.80 | 100.00 | 75.00 | 80.00 pass | 97.36 | 51.5 | 75.3 | 95.0 | |
| Grok 4 grok | 97.00 | 97.80 | 50.20 | 75.00 | 80.00 pass | 97.36 | 90.7 | 33.9 | 100.0 | |
| 豆包 Pro doubao | 94.00 | 100.00 | 100.00 | 100.00 | 80.00 pass | 96.70 | 100.0 | 75.7 | 100.0 | |
| Gemini 3.1 Pro gemini | 94.00 | 100.00 | 100.00 | 75.00 | 100.00 pass | 96.70 | 93.1 | 56.4 | 100.0 | |
| Claude Opus 4.7 claude | 69.00 | 100.00 | 100.00 | 78.90 | 90.00 pass | 82.95 | 20.8 | 50.3 | 100.0 | |
| GPT-5.5 gpt | 69.00 | 97.80 | 100.00 | 100.00 | 90.00 pass | 81.96 | 64.9 | 54.2 | 100.0 | |
| DeepSeek V4 Pro deepseek | 72.00 | 90.00 | 100.00 | 79.70 | 90.00 pass | 80.10 | 94.8 | 47.7 | 100.0 | |
| Claude Sonnet 4.6 claude | 94.00 | 62.00 | 85.50 | 88.90 | 80.00 pass | 79.60 | 88.1 | 46.8 | 100.0 | |
| Qwen3 Max qwen | 72.00 | 72.00 | 36.30 | 65.00 | 80.00 pass | 72.00 | 94.1 | 19.2 | 100.0 | |
| GLM-4.6 zhipu | 82.30 | 47.80 | 63.90 | 50.00 | 55.00 warn | 66.78 | 96.9 | 59.1 | 70.0 |
API 访问：如需程序化访问评测数据，请使用我们的 API。