跳到主要内容
YZ Index

评测数据

主榜 WDCD 守约测试
当前展示:Run #439 | 2026-11-23 | 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 96.00 57.60 75.00 68.80 90.00 pass 78.72 25.2 29.6 100.0
GPT-6.1 Sol gpt 99.30 52.60 100.00 90.00 80.00 pass 78.29 96.5 55.2 100.0
Claude Sonnet 4.6 claude 98.60 52.60 62.50 76.30 80.00 pass 77.90 84.7 39.5 100.0
GPT-6 Sol gpt 99.30 45.90 100.00 85.00 80.00 pass 75.27 96.0 45.1 100.0
GPT-5.5 gpt 74.30 57.60 100.00 90.00 90.00 pass 66.79 71.7 54.3 95.0
Grok 4 grok 77.60 52.60 56.00 95.00 45.00 warn 66.35 79.5 41.8 100.0
GPT-6 Astra gpt 74.30 52.60 100.00 79.70 80.00 pass 64.54 34.2 41.6 100.0
GPT-6 Luna gpt 96.40 25.00 95.50 90.00 80.00 pass 64.27 100.0 36.7 100.0
豆包 Pro doubao 73.80 47.60 88.60 91.30 70.00 pass 62.01 100.0 54.0 95.0
GPT-o3 gpt 73.80 39.30 100.00 91.30 90.00 pass 58.28 39.2 46.4 95.0
DeepSeek V4 Pro deepseek 50.00 64.30 100.00 84.70 70.00 pass 56.44 96.3 55.4 90.0
GLM-4.6 zhipu 50.00 64.30 25.00 25.00 45.00 warn 56.44 89.8 51.6 55.0
Gemini 3.1 Pro gemini 50.00 52.60 100.00 85.00 80.00 pass 51.17 79.7 32.3 100.0
Gemini 2.5 Pro gemini 50.00 45.90 94.50 86.30 80.00 pass 48.16 92.5 47.3 90.0
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。