跳到主要内容
YZ Index

评测数据

主榜 WDCD 守约测试
当前展示:Run #286 | 2026-08-20 | 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 Sonnet 4.6 claude 92.00 97.80 100.00 90.80 80.00 pass 94.61 91.6 74.5 100.0
豆包 Pro doubao 95.00 88.90 75.00 86.70 80.00 pass 92.26 100.0 49.7 100.0
Claude Opus 4.7 claude 92.00 87.90 75.00 56.70 90.00 pass 90.16 27.7 44.6 100.0
Grok 4 grok 83.40 97.80 66.70 86.70 65.00 pass 89.88 88.7 40.4 100.0
Qwen3 Max qwen 90.30 87.90 41.70 61.70 70.00 pass 89.22 99.5 44.8 100.0
GPT-5.5 gpt 92.00 83.70 75.00 81.70 90.00 pass 88.27 77.7 50.1 100.0
GPT-o3 gpt 76.30 94.80 97.00 76.70 90.00 pass 84.63 48.8 61.6 100.0
Gemini 3.1 Pro gemini 67.00 94.80 50.00 81.70 80.00 pass 79.51 86.1 30.6 100.0
Gemini 2.5 Pro gemini 45.00 83.70 75.00 81.70 100.00 pass 62.42 94.2 48.8 90.0
DeepSeek V4 Pro deepseek 42.00 80.90 75.00 66.70 70.00 pass 59.51 94.6 62.3 80.0
GLM-4.6 zhipu 45.00 69.80 25.00 25.00 50.00 warn 56.16 87.4 40.5 50.0
API 访问:如需程序化访问评测数据,请使用我们的 API。