跳到主要内容
YZ Index

评测数据

主榜 WDCD 守约测试
当前展示:Run #435 | 2026-11-19 | 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 Sol gpt 68.70 95.00 75.00 86.30 90.00 pass 80.54 96.6 39.1 100.0
GPT-5.5 gpt 74.30 83.90 50.00 90.00 80.00 pass 78.62 71.6 28.9 100.0
GPT-o3 gpt 73.80 83.30 75.00 85.00 90.00 pass 78.08 43.5 35.3 100.0
Claude Sonnet 4.6 claude 68.50 88.30 75.00 38.80 80.00 pass 77.41 83.9 28.9 100.0
Claude Opus 4.7 claude 57.60 95.00 75.00 71.30 100.00 pass 74.43 25.9 32.0 100.0
豆包 Pro doubao 48.80 100.00 75.00 85.00 100.00 pass 71.84 100.0 29.8 100.0
Gemini 3.1 Pro gemini 47.30 95.00 50.00 85.00 80.00 pass 68.77 81.2 25.1 100.0
GPT-6 Astra gpt 49.30 83.90 75.00 85.00 80.00 pass 64.87 31.8 27.5 100.0
GPT-6.1 Sol gpt 49.30 83.90 75.00 86.30 80.00 pass 64.87 92.9 29.6 100.0
GPT-6 Luna gpt 38.20 95.00 75.00 86.30 80.00 pass 63.76 100.0 29.6 100.0
GLM-4.6 zhipu 16.70 95.00 25.00 70.00 100.00 pass 51.94 94.4 47.2 70.0
Grok 4 grok 23.50 83.30 30.60 86.30 80.00 pass 50.41 73.2 26.6 100.0
DeepSeek V4 Pro deepseek 16.70 83.90 50.00 95.00 75.00 pass 46.94 94.0 33.7 80.0
Gemini 2.5 Pro gemini 0.00 83.90 50.00 91.30 90.00 pass 37.76 88.1 26.1 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。