跳到主要内容
YZ Index

评测数据

主榜 WDCD 守约测试
当前展示:Run #426 | 2026-11-14 | 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
Claude Opus 4.7 claude 94.50 70.00 55.60 37.50 100.00 pass 83.48 24.9 25.1 100.0
GPT-6 Luna gpt 94.50 54.80 75.00 100.00 90.00 pass 76.64 100.0 41.1 100.0
GPT-5.5 gpt 94.50 54.30 75.00 100.00 90.00 pass 76.41 73.9 42.8 100.0
豆包 Pro doubao 94.50 47.60 75.00 100.00 100.00 pass 73.40 100.0 40.2 100.0
GPT-6.1 Sol gpt 94.50 44.80 75.00 93.80 80.00 pass 72.14 95.2 37.5 100.0
Claude Sonnet 4.6 claude 94.50 41.40 75.00 37.50 90.00 pass 70.61 81.1 25.3 100.0
Grok 4 grok 88.80 44.80 50.00 93.80 70.00 pass 69.00 81.4 37.8 100.0
GPT-6 Sol gpt 91.30 34.80 75.00 96.30 80.00 pass 65.88 94.1 33.5 100.0
GPT-o3 gpt 91.30 34.10 75.00 100.00 90.00 pass 65.56 40.3 32.3 100.0
GPT-6 Astra gpt 94.50 29.10 75.00 93.80 80.00 pass 65.07 33.1 30.3 100.0
Gemini 2.5 Pro gemini 67.00 44.80 50.00 86.30 90.00 pass 57.01 93.1 37.9 90.0
Gemini 3.1 Pro gemini 44.50 69.30 50.00 100.00 100.00 pass 55.66 81.0 19.7 100.0
DeepSeek V4 Pro deepseek 44.50 65.00 75.00 100.00 80.00 pass 53.73 96.0 42.5 90.0
GLM-4.6 zhipu 44.50 65.00 25.00 25.00 90.00 pass 53.73 91.6 37.4 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。