跳到主要内容
YZ Index

评测数据

主榜 WDCD 守约测试
当前展示:Run #283 | 2026-08-18 | 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
GPT-o3 gpt 98.50 95.00 65.30 65.00 90.00 pass 96.93 48.8 51.3 95.0
Claude Opus 4.7 claude 100.00 85.90 69.50 85.00 100.00 pass 93.66 29.2 49.1 100.0
Grok 4 grok 96.90 85.90 70.80 75.00 80.00 pass 91.95 89.2 38.9 100.0
Claude Sonnet 4.6 claude 100.00 81.80 69.50 80.00 80.00 pass 91.81 89.3 48.5 100.0
GPT-5.5 gpt 100.00 79.10 75.00 90.00 90.00 pass 90.60 78.4 46.8 100.0
Qwen3 Max qwen 95.30 76.80 36.10 30.00 80.00 pass 86.98 99.2 26.2 100.0
豆包 Pro doubao 75.00 90.90 75.00 90.00 100.00 pass 82.16 100.0 53.0 95.0
Gemini 2.5 Pro gemini 75.00 85.90 50.00 75.00 80.00 pass 79.91 96.7 34.9 95.0
Gemini 3.1 Pro gemini 51.70 95.00 50.00 60.00 90.00 pass 71.19 83.9 15.7 100.0
DeepSeek V4 Pro deepseek 50.00 95.00 50.00 50.00 90.00 pass 70.25 96.9 47.6 75.0
GLM-4.6 zhipu 75.00 60.90 75.00 45.00 25.00 fail 68.66 95.1 45.3 65.0
API 访问:如需程序化访问评测数据,请使用我们的 API。