YZ Index

赢政指数 · 稳定性排行榜

同一道题反复问，答案一致吗？注意：这不是正确率，是靠不靠得住。

主榜代码执行排行榜材料约束排行榜工程判断排行榜任务表达排行榜性价比排行榜升降榜

排名基于最近 5 次评测滚动均值，非单次成绩

#	模型	稳定性	可用性	代码执行	主榜分
🥇	豆包 Pro volcengine	46.1 本期 38.9	100	90.2	84.9
🥈	Claude Sonnet 4.6 Anthropic	45.2 本期 36.6	100	87	74.3
🥉	Claude Opus 4.6 Anthropic	44.7 本期 36.8	100	86.6	72
4	Gemini 2.5 Pro Google	44.3 本期 36.7	99.6	86.8	78
5	Grok 3 xai	42.5 本期 35	99.4	83	74.1
6	DeepSeek R1 DeepSeek	41.4 本期 34.3	100	87.6	82.4
7	DeepSeek V3 DeepSeek	41.1 本期 32.4	100	86.1	82.4
8	GPT-o3 OpenAI	40.8 本期 32.3	92.4	79.7	68.3
9	Qwen Max Alibaba	40.7 本期 29.6	100	77.6	74.6
10	文心一言 4.0 baidu	39.6 本期 30.4	99.8	81.2	80.7
11	GPT-4o OpenAI	38.7 本期 30.9	89.8	76.3	66.7