跳到主要内容
YZ Index

评测数据

主榜 WDCD 守约测试
当前展示:Run #381 | 2026-10-16 | 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
豆包 Pro doubao 95.30 72.60 100.00 100.00 90.00 pass 85.09 100.0 68.6 100.0
Grok 4 grok 95.30 63.10 66.70 85.00 90.00 pass 80.81 86.9 40.2 100.0
DeepSeek V4 Pro deepseek 72.00 88.10 100.00 75.00 90.00 pass 79.25 98.5 77.2 90.0
GPT-6 Astra gpt 72.00 88.10 100.00 100.00 90.00 pass 79.25 39.5 53.3 100.0
GPT-6.1 Sol gpt 72.00 88.10 100.00 100.00 90.00 pass 79.25 97.0 53.3 100.0
Claude Opus 4.7 claude 68.90 79.00 100.00 63.90 100.00 pass 73.45 25.0 39.1 100.0
GPT-6 Luna gpt 69.80 73.60 100.00 100.00 90.00 pass 71.51 100.0 49.0 100.0
Gemini 3.1 Pro gemini 54.50 88.10 75.00 75.00 90.00 pass 69.62 86.5 24.6 100.0
GPT-5.5 gpt 47.00 81.40 100.00 100.00 90.00 pass 62.48 68.7 37.2 100.0
Gemini 2.5 Pro gemini 50.00 77.60 75.00 75.00 90.00 pass 62.42 93.7 48.2 85.0
GPT-o3 gpt 38.30 88.10 100.00 75.00 80.00 pass 60.71 38.7 36.5 95.0
Claude Sonnet 4.6 claude 44.80 77.60 100.00 83.90 90.00 pass 59.56 80.7 38.8 100.0
GPT-6 Sol gpt 44.80 63.10 100.00 100.00 90.00 pass 53.04 92.1 29.5 100.0
GLM-4.6 zhipu 25.00 28.90 25.00 25.00 90.00 pass 26.76 78.3 34.8 50.0
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。