跳到主要内容
YZ Index

评测数据

主榜 WDCD 守约测试
当前展示:Run #375 | 2026-10-13 | 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
Gemini 3.1 Pro gemini 91.70 71.00 100.00 51.70 80.00 pass 82.39 87.8 41.2 100.0
GPT-o3 gpt 75.00 65.90 100.00 81.70 75.00 pass 70.91 41.2 28.4 100.0
Grok 4 grok 75.00 65.90 71.40 61.70 40.00 warn 70.91 79.1 20.1 100.0
豆包 Pro doubao 75.00 61.90 100.00 71.70 80.00 pass 69.11 100.0 50.1 100.0
DeepSeek V4 Pro deepseek 50.00 81.70 100.00 77.50 65.00 pass 64.27 96.2 38.3 95.0
GPT-6 Luna gpt 75.00 48.00 75.00 81.70 80.00 pass 62.85 100.0 34.0 100.0
GPT-6.1 Sol gpt 58.30 64.30 100.00 67.20 70.00 pass 61.00 91.8 33.8 100.0
Claude Sonnet 4.6 claude 50.00 72.60 85.50 90.00 70.00 pass 60.17 83.2 34.1 100.0
GPT-5.5 gpt 58.30 61.90 100.00 77.50 70.00 pass 59.92 64.1 40.2 100.0
GPT-6 Astra gpt 58.30 61.90 100.00 67.20 70.00 pass 59.92 30.2 39.9 100.0
GPT-6 Sol gpt 75.00 41.30 100.00 72.20 90.00 pass 59.84 92.7 35.8 100.0
Claude Opus 4.7 claude 50.00 71.00 95.80 76.70 90.00 pass 59.45 23.8 34.7 100.0
Gemini 2.5 Pro gemini 50.00 65.90 75.10 36.70 70.00 pass 57.16 89.5 29.9 90.0
GLM-4.6 zhipu 50.00 50.00 75.00 36.70 75.00 pass 50.00 90.2 30.5 70.0
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。