跳到主要内容
YZ Index

评测数据

主榜 WDCD 守约测试
当前展示:Run #358 | 2026-10-03 | 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 97.00 100.00 55.60 100.00 pass 98.65 30.4 52.2 100.0
GPT-o3 gpt 100.00 83.80 100.00 91.70 90.00 pass 92.71 50.5 69.4 100.0
Gemini 2.5 Pro gemini 100.00 72.00 100.00 91.70 100.00 pass 87.40 98.3 54.8 100.0
Gemini 3.1 Pro gemini 100.00 72.00 75.00 91.70 100.00 pass 87.40 90.3 39.6 100.0
GPT-6 Sol gpt 75.00 97.80 100.00 87.50 100.00 pass 85.26 97.8 52.4 100.0
Grok 4 grok 75.00 97.00 47.20 91.70 100.00 pass 84.90 88.5 33.6 100.0
DeepSeek V4 Pro deepseek 75.00 94.80 75.00 91.70 90.00 pass 83.91 98.8 75.7 90.0
Claude Sonnet 4.6 claude 73.80 86.80 77.20 70.80 100.00 pass 79.65 87.4 35.4 100.0
GPT-6.1 Sol gpt 58.30 100.00 100.00 87.50 100.00 pass 77.07 97.1 46.0 100.0
GPT-6 Astra gpt 58.30 94.80 100.00 87.50 100.00 pass 74.73 39.3 46.0 100.0
豆包 Pro doubao 83.30 58.80 100.00 91.70 90.00 pass 72.28 100.0 44.4 100.0
GPT-5.5 gpt 58.30 81.50 100.00 91.70 100.00 pass 68.74 73.9 45.1 100.0
GPT-6 Luna gpt 58.30 81.50 80.90 87.50 100.00 pass 68.74 100.0 41.9 100.0
Qwen3 Max qwen 75.00 56.00 16.80 35.60 90.00 pass 66.45 97.7 20.8 100.0
GLM-4.6 zhipu 50.00 25.00 50.00 37.50 50.00 warn 38.75 83.6 68.6 45.0
API 访问:如需程序化访问评测数据,请使用我们的 API。