跳到主要内容
YZ Index

评测数据

主榜 WDCD 守约测试
当前展示:Run #356 | 2026-10-02 | 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 75.00 100.00 100.00 46.70 90.00 pass 86.25 26.8 37.3 100.0
GPT-5.5 gpt 75.00 100.00 100.00 81.70 65.00 pass 86.25 76.2 37.7 100.0
GPT-6 Astra gpt 75.00 100.00 100.00 72.50 70.00 pass 86.25 39.3 44.4 100.0
GPT-6.1 Sol gpt 75.00 100.00 100.00 72.50 70.00 pass 86.25 96.9 44.4 100.0
Gemini 2.5 Pro gemini 71.90 100.00 100.00 81.70 90.00 pass 84.55 97.8 51.2 100.0
GPT-6 Sol gpt 75.00 95.00 100.00 77.50 80.00 pass 84.00 96.9 48.0 100.0
Grok 4 grok 70.30 100.00 75.00 81.70 70.00 pass 83.67 86.7 39.1 100.0
Claude Sonnet 4.6 claude 75.00 90.00 100.00 95.00 80.00 pass 81.75 88.2 50.4 100.0
豆包 Pro doubao 87.00 75.00 100.00 86.70 80.00 pass 81.60 100.0 50.8 100.0
GPT-6 Luna gpt 75.00 85.00 60.90 81.70 55.00 warn 79.50 100.0 38.4 100.0
GPT-o3 gpt 70.30 75.00 100.00 81.70 65.00 pass 72.42 41.2 28.8 100.0
Qwen3 Max qwen 71.90 70.00 36.30 51.70 75.00 pass 71.05 98.3 19.7 100.0
DeepSeek V4 Pro deepseek 41.70 100.00 75.00 81.70 80.00 pass 67.94 96.6 65.8 85.0
GLM-4.6 zhipu 41.70 100.00 75.00 82.50 15.00 fail 67.94 95.0 44.2 75.0
Gemini 3.1 Pro gemini 43.40 75.00 75.00 76.70 90.00 pass 57.62 77.7 22.0 100.0
API 访问:如需程序化访问评测数据,请使用我们的 API。