跳到主要内容
YZ Index

评测数据

主榜 WDCD 守约测试
当前展示:Run #387 | 2026-10-20 | 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 98.50 97.00 75.00 75.00 80.00 pass 97.83 49.8 51.2 95.0
Claude Opus 4.7 claude 97.00 84.10 75.00 53.90 90.00 pass 91.20 27.9 34.6 100.0
GPT-5.5 gpt 97.00 84.10 75.00 100.00 90.00 pass 91.20 79.7 48.1 100.0
豆包 Pro doubao 95.70 84.10 75.00 100.00 80.00 pass 90.48 100.0 47.1 100.0
GPT-6 Luna gpt 97.00 79.30 61.70 100.00 100.00 pass 89.04 100.0 47.6 100.0
Grok 4 grok 92.80 84.10 75.00 75.00 55.00 warn 88.89 87.7 27.2 100.0
Claude Sonnet 4.6 claude 97.00 71.90 63.90 58.90 80.00 pass 85.71 87.2 36.4 100.0
GPT-6.1 Sol gpt 97.00 69.80 75.00 100.00 90.00 pass 84.76 97.3 39.2 100.0
GPT-6 Sol gpt 97.00 65.00 75.00 100.00 90.00 pass 82.60 97.1 45.1 100.0
Gemini 2.5 Pro gemini 75.00 70.00 50.00 85.00 90.00 pass 72.75 95.6 25.6 95.0
GPT-6 Astra gpt 72.00 69.80 75.00 100.00 90.00 pass 71.01 35.8 29.0 100.0
Gemini 3.1 Pro gemini 47.00 84.10 75.00 75.00 100.00 pass 63.70 81.7 18.9 100.0
GLM-4.6 zhipu 47.00 84.10 25.00 75.00 65.00 pass 63.70 94.1 61.7 65.0
DeepSeek V4 Pro deepseek 47.00 75.00 75.00 75.00 80.00 pass 59.60 95.2 34.3 85.0
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。