跳到主要内容
YZ Index

评测数据

主榜 WDCD 守约测试
当前展示:Run #432 | 2026-11-18 | 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 100.00 80.30 75.00 85.00 80.00 pass 91.14 41.3 42.9 100.0
GPT-6.1 Sol gpt 100.00 78.10 75.00 90.00 80.00 pass 90.15 97.5 45.3 100.0
GPT-6 Luna gpt 75.00 94.80 63.90 83.80 80.00 pass 83.91 100.0 37.7 100.0
Grok 4 grok 79.40 89.40 61.10 76.30 80.00 pass 83.90 89.3 37.7 100.0
Gemini 2.5 Pro gemini 75.00 91.70 50.00 80.00 90.00 pass 82.52 96.0 37.4 95.0
DeepSeek V4 Pro deepseek 75.00 89.40 50.00 75.00 90.00 pass 81.48 98.9 49.5 85.0
GPT-5.5 gpt 75.00 83.30 75.00 90.00 65.00 pass 78.74 69.3 25.6 100.0
GPT-6 Sol gpt 75.00 78.10 75.00 86.30 90.00 pass 76.40 94.5 35.2 100.0
Claude Opus 4.7 claude 70.00 83.30 50.00 40.00 90.00 pass 75.99 21.6 19.9 100.0
GPT-o3 gpt 50.00 100.00 75.00 90.00 80.00 pass 72.50 42.5 36.1 95.0
豆包 Pro doubao 75.00 67.90 75.00 95.00 90.00 pass 71.81 100.0 34.0 100.0
GLM-4.6 zhipu 50.00 97.80 8.30 15.00 65.00 pass 71.51 94.7 25.6 65.0
Claude Sonnet 4.6 claude 55.20 75.50 50.00 51.30 80.00 pass 64.34 85.4 25.8 100.0
Gemini 3.1 Pro gemini 50.00 67.90 50.00 90.00 90.00 pass 58.06 79.7 20.0 100.0
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。