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 doubao	50.4 本期 42.9	78.8	60.5	64.5
🥈	DeepSeek V4 Pro DeepSeek	43.5 本期 44.3	88.2	51.8	63.4
🥉	Claude Opus 4.7 claude	41.9 本期 40.5	100	87.8	70.1
4	GPT-o3 gpt	38.1 本期 37.3	97.8	75.5	65.6
5	GPT-5.5 gpt	37.5 本期 40.7	100	76.5	68.3
6	Gemini 2.5 Pro gemini	35 本期 32.4	90.2	55.7	62.1
7	GLM-4.6 zhipu	33.7 本期 38.9	68	47.5	49.8
8	Claude Sonnet 4.6 claude	33.5 本期 31.9	100	76.4	67.2
9	Grok 4 grok	31.8 本期 31.2	100	75.7	65.4
10	Qwen3 Max qwen	23 本期 23.6	100	71.4	61.1
11	Gemini 3.1 Pro gemini	21.8 本期 24.2	100	51	58.7