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	38.9 本期 38.8	99.8	93.1	85.8
🥈	Gemini 2.5 Pro gemini	36.6 本期 37.7	100	91	77.2
🥉	Claude Opus 4.6 claude	36.6 本期 35.2	100	88.3	69
4	Claude Sonnet 4.6 claude	36.1 本期 35.7	99.8	88.3	72.4
5	Grok 3 grok	34.4 本期 35.5	99.3	84.8	73.4
6	DeepSeek V3 DeepSeek	32.9 本期 32.8	100	88.7	82.9
7	DeepSeek R1 DeepSeek	32.2 本期 30.2	100	87.6	80.9
8	GPT-o3 gpt	31.7 本期 28.9	88.3	77.6	62
9	Qwen Max qwen	31.6 本期 32.7	100	79.5	73.8
10	文心一言 4.0 ernie	29.9 本期 31.3	99.8	79.6	79.5
11	GPT-4o gpt	29.6 本期 30.4	87.8	75.7	63.3