跳到主要内容
YZ Index

评测数据

主榜 WDCD 守约测试
当前展示:Run #431 | 2026-11-17 | 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 Luna gpt 99.10 62.80 100.00 100.00 100.00 pass 82.77 100.0 59.0 100.0
GPT-5.5 gpt 99.80 59.30 100.00 100.00 100.00 pass 81.58 77.6 58.2 100.0
Claude Opus 4.7 claude 92.70 60.10 50.00 52.50 90.00 pass 78.03 23.7 23.7 100.0
GPT-6.1 Sol gpt 99.80 47.80 100.00 100.00 90.00 pass 76.40 96.7 39.1 100.0
GPT-6 Sol gpt 99.10 47.40 82.50 100.00 100.00 pass 75.84 96.4 43.4 100.0
Claude Sonnet 4.6 claude 83.80 53.70 50.00 62.50 100.00 pass 70.26 81.4 24.1 100.0
GPT-6 Astra gpt 74.80 54.40 100.00 100.00 90.00 pass 65.62 34.8 33.9 100.0
GPT-o3 gpt 66.30 64.00 82.50 75.00 90.00 pass 65.27 38.5 53.3 90.0
豆包 Pro doubao 59.60 60.10 100.00 92.50 100.00 pass 59.83 100.0 52.2 95.0
Gemini 3.1 Pro gemini 48.50 65.80 100.00 75.00 90.00 pass 56.29 78.8 23.3 100.0
Grok 4 grok 50.80 47.00 47.20 78.80 80.00 pass 49.09 68.9 26.8 100.0
GLM-4.6 zhipu 25.00 65.80 25.00 21.30 90.00 pass 43.36 81.9 46.4 55.0
Gemini 2.5 Pro gemini 28.60 59.10 75.00 62.50 100.00 pass 42.33 85.8 26.0 85.0
DeepSeek V4 Pro deepseek 25.00 56.70 50.00 75.00 90.00 pass 39.27 86.3 37.4 70.0
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。