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	46 本期 71.2	100	92.2	86.9
🥈	Claude Opus 4.7 claude	44.7 本期 67.7	99.8	89.2	72.8
🥉	Claude Sonnet 4.6 claude	43.2 本期 62.7	100	88.5	75.9
4	Gemini 3.1 Pro gemini	42.2 本期 63.2	95	82.2	71
5	Gemini 2.5 Pro gemini	41.3 本期 66	94.6	80.4	73.5
6	Grok 4 grok	40.6 本期 68.6	92.4	84.9	70.4
7	DeepSeek V4 Pro DeepSeek	39.7 本期 59.1	100	90.2	76.2
8	GPT-o3 gpt	39.4 本期 58	100	84.9	71.1
9	Qwen3 Max qwen	39.2 本期 59.8	100	87.9	77.4
10	GPT-5.5 gpt	38.5 本期 51.8	100	84.6	71.9
11	文心一言 4.5 ernie	33.5 本期 44.2	99.4	76.1	75.5