跳到主要内容
YZ Index

评测数据

主榜 WDCD 守约测试
当前展示:Run #409 | 2026-11-03 | 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
GPT-5.5 gpt 100.00 71.70 50.00 90.00 90.00 pass 87.27 76.4 33.5 100.0
GPT-6 Astra gpt 100.00 71.70 75.00 90.00 80.00 pass 87.27 40.3 43.7 100.0
GPT-6 Luna gpt 100.00 71.70 50.00 67.50 80.00 pass 87.27 100.0 31.3 100.0
GPT-6 Sol gpt 100.00 71.70 75.00 90.00 80.00 pass 87.27 97.2 43.7 100.0
Claude Sonnet 4.6 claude 88.90 80.00 50.00 32.50 80.00 pass 84.90 86.7 26.0 100.0
GPT-6.1 Sol gpt 100.00 59.20 75.00 90.00 80.00 pass 81.64 96.6 42.4 100.0
DeepSeek V4 Pro deepseek 75.00 80.00 75.00 90.00 100.00 pass 77.25 99.0 49.0 95.0
Claude Opus 4.7 claude 70.00 83.30 75.00 66.30 100.00 pass 75.99 27.9 27.1 100.0
GPT-o3 gpt 94.50 50.80 54.20 90.00 90.00 pass 74.84 43.1 33.7 100.0
Gemini 3.1 Pro gemini 96.90 46.70 75.00 60.00 90.00 pass 74.31 84.9 25.0 100.0
豆包 Pro doubao 88.90 46.70 50.00 95.00 90.00 pass 69.91 100.0 26.3 100.0
Grok 4 grok 58.30 80.00 50.00 93.80 90.00 pass 68.07 84.1 26.7 100.0
GLM-4.6 zhipu 50.00 88.30 50.00 50.00 40.00 warn 67.24 95.2 41.6 65.0
Gemini 2.5 Pro gemini 70.80 55.00 60.50 83.80 90.00 pass 63.69 96.1 35.7 95.0
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。