YZ Index
评测数据
当前展示：Run #232 | 2026-07-15 | 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 |
|---|---|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.7 claude | 100.00 | 100.00 | 100.00 | 75.80 | 90.00 pass | 100.00 | 31.0 | 61.7 | 100.0 | |
| Gemini 2.5 Pro gemini | 100.00 | 100.00 | 88.90 | 56.70 | 100.00 pass | 100.00 | 98.7 | 71.2 | 95.0 | |
| GPT-5.5 gpt | 100.00 | 100.00 | 100.00 | 91.70 | 90.00 pass | 100.00 | 82.6 | 77.9 | 100.0 | |
| Claude Sonnet 4.6 claude | 100.00 | 75.00 | 100.00 | 100.00 | 90.00 pass | 88.75 | 90.7 | 53.9 | 100.0 | |
| GPT-o3 gpt | 100.00 | 75.00 | 88.90 | 66.70 | 70.00 pass | 88.75 | 46.2 | 47.3 | 95.0 | |
| DeepSeek V4 Pro deepseek | 75.00 | 100.00 | 88.90 | 91.70 | 70.00 pass | 86.25 | 98.9 | 65.0 | 95.0 | |
| 豆包 Pro doubao | 75.00 | 100.00 | 100.00 | 91.70 | 90.00 pass | 86.25 | 100.0 | 77.4 | 95.0 | |
| Grok 4 grok | 70.30 | 100.00 | 80.60 | 66.70 | 90.00 pass | 83.67 | 88.2 | 33.3 | 100.0 | |
| Qwen3 Max qwen | 84.40 | 75.00 | 50.00 | 51.70 | 90.00 pass | 80.17 | 99.3 | 19.4 | 100.0 | |
| Gemini 3.1 Pro gemini | 50.00 | 100.00 | 75.00 | 66.70 | 90.00 pass | 72.50 | 86.1 | 20.6 | 100.0 | |
| GLM-4.6 zhipu | 50.00 | 86.80 | 94.50 | 66.70 | 40.00 warn | 66.56 | 96.7 | 44.9 | 80.0 |
API 访问：如需程序化访问评测数据，请使用我们的 API。