跳到主要内容
YZ Index

评测数据

主榜 WDCD 守约测试
当前展示:Run #415 | 2026-11-07 | 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-6 Astra gpt 99.80 84.80 75.00 85.00 70.00 pass 93.05 41.5 46.0 100.0
GPT-6 Luna gpt 99.80 71.30 70.50 90.00 70.00 pass 86.98 100.0 48.9 100.0
GPT-6 Sol gpt 99.80 69.50 75.00 90.00 70.00 pass 86.17 97.0 42.8 100.0
GPT-6.1 Sol gpt 99.80 69.50 75.00 90.00 70.00 pass 86.17 97.0 42.8 100.0
GPT-o3 gpt 91.60 72.30 75.00 86.30 80.00 pass 82.92 45.2 48.3 100.0
GPT-5.5 gpt 99.80 61.30 75.00 90.00 80.00 pass 82.48 75.4 45.2 100.0
豆包 Pro doubao 96.80 58.50 63.60 95.00 90.00 pass 79.57 100.0 42.3 100.0
Gemini 3.1 Pro gemini 75.00 84.50 50.00 90.00 80.00 pass 79.28 73.2 30.0 100.0
Claude Opus 4.7 claude 70.00 89.80 50.00 76.30 90.00 pass 78.91 28.1 32.4 100.0
Claude Sonnet 4.6 claude 89.30 59.30 45.70 51.30 70.00 pass 75.80 83.6 39.4 100.0
Grok 4 grok 71.40 74.50 19.40 87.50 70.00 pass 72.80 84.1 31.9 100.0
Gemini 2.5 Pro gemini 50.00 81.80 75.00 85.00 90.00 pass 64.31 89.3 50.8 90.0
GLM-4.6 zhipu 50.00 81.80 50.00 25.00 80.00 pass 64.31 87.8 44.4 70.0
DeepSeek V4 Pro deepseek 50.00 79.50 75.00 75.00 80.00 pass 63.28 91.2 47.7 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。