跳到主要内容
YZ Index

评测数据

主榜 WDCD 守约测试
当前展示:Run #373 | 2026-10-12 | 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
GPT-6 Astra gpt 97.00 70.30 100.00 79.70 80.00 pass 84.99 40.4 61.5 100.0
GPT-6.1 Sol gpt 97.00 70.30 100.00 79.70 80.00 pass 84.99 97.3 61.5 100.0
豆包 Pro doubao 91.50 76.30 100.00 80.00 65.00 pass 84.66 100.0 47.3 100.0
GPT-6 Sol gpt 94.80 68.10 100.00 79.70 80.00 pass 82.79 97.1 61.4 100.0
GPT-6 Luna gpt 97.00 56.00 86.40 85.00 70.00 pass 78.55 100.0 45.2 100.0
Claude Sonnet 4.6 claude 72.00 76.30 100.00 80.00 70.00 pass 73.94 85.1 46.3 100.0
DeepSeek V4 Pro deepseek 72.00 73.30 100.00 59.70 80.00 pass 72.59 97.6 64.2 90.0
GPT-5.5 gpt 72.00 73.30 100.00 90.00 80.00 pass 72.59 72.6 48.4 100.0
Gemini 3.1 Pro gemini 72.00 71.10 95.80 60.00 80.00 pass 71.60 84.6 37.2 100.0
GPT-o3 gpt 69.80 73.30 100.00 65.00 80.00 pass 71.38 41.6 47.7 95.0
Gemini 2.5 Pro gemini 69.50 73.30 75.00 80.00 80.00 pass 71.21 95.5 60.1 90.0
Grok 4 grok 63.70 73.30 76.40 75.00 65.00 pass 68.02 80.9 34.7 100.0
Claude Opus 4.7 claude 47.00 73.30 100.00 90.00 90.00 pass 58.84 21.8 37.5 100.0
GLM-4.6 zhipu 16.70 71.10 25.00 25.00 65.00 pass 41.18 85.8 41.8 55.0
Qwen3 Max qwen - - - - - - 0.0 75.0 0.0
API 访问:如需程序化访问评测数据,请使用我们的 API。