跳到主要内容
YZ Index

评测数据

主榜 WDCD 守约测试
当前展示:Run #361 | 2026-10-05 | 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 94.50 97.00 94.50 53.90 100.00 pass 95.63 29.6 51.4 100.0
GPT-o3 gpt 94.50 85.30 88.90 90.00 100.00 pass 90.36 49.7 68.3 100.0
GPT-6 Sol gpt 94.50 83.10 94.80 90.00 100.00 pass 89.37 97.9 71.7 100.0
豆包 Pro doubao 91.30 85.30 100.00 95.00 90.00 pass 88.60 100.0 72.4 100.0
Gemini 2.5 Pro gemini 91.30 85.30 75.00 95.00 100.00 pass 88.60 98.3 76.2 95.0
DeepSeek V4 Pro deepseek 91.30 73.10 63.90 95.00 100.00 pass 83.11 98.7 67.6 95.0
Qwen3 Max qwen 65.50 94.20 61.10 63.90 100.00 pass 78.42 99.4 39.1 100.0
Gemini 3.1 Pro gemini 69.50 85.30 75.00 85.00 100.00 pass 76.61 88.1 35.8 100.0
GPT-5.5 gpt 69.50 83.10 88.90 90.00 100.00 pass 75.62 75.4 49.2 100.0
GPT-6 Luna gpt 69.50 83.10 89.20 90.00 100.00 pass 75.62 100.0 51.2 100.0
GPT-6 Astra gpt 69.50 78.30 97.80 90.00 100.00 pass 73.46 38.5 49.7 100.0
Grok 4 grok 64.00 83.10 80.60 81.10 100.00 pass 72.60 86.2 42.8 100.0
GPT-6.1 Sol gpt 69.50 73.10 97.80 85.00 100.00 pass 71.12 96.2 47.2 100.0
Claude Sonnet 4.6 claude 44.50 88.30 100.00 45.00 100.00 pass 64.21 83.1 21.1 100.0
GLM-4.6 zhipu 44.50 38.30 75.00 25.00 90.00 pass 41.71 89.8 66.9 60.0
API 访问:如需程序化访问评测数据,请使用我们的 API。