跳到主要内容
YZ Index

评测数据

主榜 WDCD 守约测试
当前展示:Run #340 | 2026-09-27 | 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
Grok 4 grok 100.00 94.80 75.00 75.00 80.00 pass 97.66 90.8 38.2 100.0
Claude Opus 4.7 claude 97.00 94.80 100.00 50.00 90.00 pass 96.01 29.7 47.7 100.0
GPT-o3 gpt 97.00 94.80 100.00 75.00 90.00 pass 96.01 51.3 80.0 95.0
Claude Sonnet 4.6 claude 93.90 90.10 88.90 90.00 90.00 pass 92.19 91.0 69.3 100.0
Qwen3 Max qwen 79.60 94.80 30.60 45.00 80.00 pass 86.44 99.3 27.0 100.0
豆包 Pro doubao 92.00 72.00 75.00 100.00 90.00 pass 83.00 100.0 39.6 100.0
GPT-5.5 gpt 72.00 87.10 100.00 100.00 90.00 pass 78.80 76.1 53.0 100.0
Gemini 2.5 Pro gemini 70.00 69.80 75.00 70.00 90.00 pass 69.91 95.3 37.1 90.0
DeepSeek V4 Pro deepseek 68.90 69.80 75.00 100.00 80.00 pass 69.31 97.5 37.8 95.0
Gemini 3.1 Pro gemini 67.00 69.80 100.00 75.00 90.00 pass 68.26 84.7 29.5 100.0
GLM-4.6 zhipu 67.00 44.80 75.00 75.00 80.00 pass 57.01 94.9 71.7 75.0
API 访问:如需程序化访问评测数据,请使用我们的 API。