跳到主要内容
YZ Index

评测数据

主榜 WDCD 守约测试
当前展示:Run #382 | 2026-10-17 | 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-o3 gpt 100.00 87.80 100.00 81.70 70.00 pass 94.51 49.6 64.6 100.0
Grok 4 grok 91.70 85.00 86.10 85.80 70.00 pass 88.69 89.2 57.2 100.0
Gemini 3.1 Pro gemini 100.00 72.80 75.00 81.70 80.00 pass 87.76 89.3 37.7 100.0
GPT-6 Sol gpt 100.00 71.80 100.00 72.20 90.00 pass 87.31 97.4 56.1 100.0
DeepSeek V4 Pro deepseek 100.00 70.00 100.00 81.70 70.00 pass 86.50 98.8 49.0 100.0
Claude Opus 4.7 claude 75.00 95.00 80.60 66.70 100.00 pass 84.00 27.3 33.5 100.0
GPT-6.1 Sol gpt 83.30 81.80 100.00 67.20 80.00 pass 82.63 96.8 54.8 100.0
GPT-6 Luna gpt 70.80 91.80 100.00 77.50 80.00 pass 80.25 100.0 55.9 100.0
GPT-5.5 gpt 75.00 85.00 100.00 81.70 80.00 pass 79.50 75.7 46.0 100.0
GPT-6 Astra gpt 83.30 71.80 100.00 67.20 80.00 pass 78.13 37.6 48.0 100.0
Gemini 2.5 Pro gemini 94.50 55.00 100.00 81.70 80.00 pass 76.73 97.1 42.6 100.0
Claude Sonnet 4.6 claude 75.00 77.00 85.50 65.80 90.00 pass 75.90 86.0 32.1 100.0
豆包 Pro doubao 83.30 51.60 100.00 86.70 70.00 pass 69.04 100.0 40.1 100.0
GLM-4.6 zhipu 41.70 87.80 50.00 12.50 40.00 warn 62.45 92.7 61.0 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。