跳到主要内容
YZ Index

评测数据

主榜 WDCD 守约测试
当前展示:Run #394 | 2026-10-25 | 128 题库 | 公式 v7 | 判分 v6.5
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
Grok 4 grok 93.90 100.00 62.00 71.30 70.00 pass 96.65 89.7 51.1 100.0
GPT-5.5 gpt 100.00 89.30 100.00 90.00 100.00 pass 95.19 81.6 75.1 100.0
GPT-6 Luna gpt 98.00 89.30 95.50 83.80 80.00 pass 94.09 100.0 67.2 100.0
豆包 Pro doubao 96.90 89.30 95.50 87.50 70.00 pass 93.48 100.0 68.3 100.0
GPT-6 Sol gpt 92.50 84.00 100.00 84.70 100.00 pass 88.68 98.0 71.6 100.0
GPT-6 Astra gpt 94.80 74.00 100.00 84.70 80.00 pass 85.44 41.0 65.3 100.0
Claude Opus 4.7 claude 75.00 89.30 58.30 57.50 90.00 pass 81.44 24.7 27.8 100.0
Gemini 3.1 Pro gemini 75.00 89.30 100.00 90.00 90.00 pass 81.44 89.1 49.9 100.0
GPT-6.1 Sol gpt 94.80 61.50 100.00 84.70 80.00 pass 79.82 96.9 62.4 100.0
GPT-o3 gpt 70.50 84.50 91.70 86.30 100.00 pass 76.80 44.8 50.7 100.0
Claude Sonnet 4.6 claude 50.00 100.00 31.80 70.00 90.00 pass 72.50 80.4 18.1 100.0
Gemini 2.5 Pro gemini 47.80 100.00 93.20 82.50 100.00 pass 71.29 96.4 79.7 90.0
DeepSeek V4 Pro deepseek 50.00 89.30 100.00 84.70 70.00 pass 67.69 97.0 63.8 90.0
GLM-4.6 zhipu 25.00 39.30 50.00 65.00 90.00 pass 31.44 80.1 41.2 65.0
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。