跳到主要内容
YZ Index

评测数据

主榜 WDCD 守约测试
当前展示:Run #378 | 2026-10-14 | 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 89.80 80.60 85.00 90.00 pass 92.39 29.1 59.8 100.0
DeepSeek V4 Pro deepseek 94.50 89.80 100.00 65.00 80.00 pass 92.39 99.0 69.7 95.0
GPT-o3 gpt 94.50 89.80 100.00 70.00 90.00 pass 92.39 49.5 76.9 95.0
GPT-5.5 gpt 89.50 87.50 100.00 90.00 80.00 pass 88.60 78.9 70.5 100.0
豆包 Pro doubao 85.30 92.50 100.00 80.00 70.00 pass 88.54 100.0 64.4 100.0
GPT-6.1 Sol gpt 89.50 86.80 100.00 85.00 90.00 pass 88.29 97.7 67.8 100.0
GPT-6 Astra gpt 89.50 84.50 100.00 85.00 80.00 pass 87.25 41.1 65.4 100.0
GPT-6 Sol gpt 88.70 84.50 97.20 90.00 90.00 pass 86.81 97.6 73.4 100.0
Grok 4 grok 77.80 89.80 32.80 70.00 55.00 warn 83.20 84.1 25.6 100.0
Claude Sonnet 4.6 claude 69.50 89.80 85.50 90.00 90.00 pass 78.64 88.0 50.3 100.0
Gemini 2.5 Pro gemini 65.30 89.80 75.00 65.00 90.00 pass 76.33 96.8 38.4 95.0
Gemini 3.1 Pro gemini 64.50 89.80 100.00 60.00 90.00 pass 75.89 87.6 37.4 100.0
GPT-6 Luna gpt 64.50 86.80 100.00 90.00 80.00 pass 74.54 100.0 51.6 100.0
GLM-4.6 zhipu 19.50 89.80 50.00 50.00 40.00 warn 51.14 91.5 73.3 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。