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
🥇	DeepSeek V4 Pro DeepSeek	44.7 本期 44.3	96.7	71.8	72.6
🥈	Claude Opus 4.7 claude	38.6 本期 32.3	100	84.6	68.5
🥉	GPT-5.5 gpt	38.5 本期 34.8	100	79.2	69.7
4	豆包 Pro doubao	38.3 本期 34	97.8	71.4	77.8
5	Gemini 2.5 Pro gemini	36.8 本期 39	92.9	61.4	65.2
6	GPT-o3 gpt	36.5 本期 39.9	98	73.2	65.7
7	GLM-4.6 zhipu	33.7 本期 36.4	67.4	42.2	50.1
8	Grok 4 grok	32.1 本期 32.6	100	76.2	67.2
9	Claude Sonnet 4.6 claude	31.6 本期 31.5	100	80.9	68.3
10	Gemini 3.1 Pro gemini	23.8 本期 22.1	100	57.1	61.2
11	Qwen3 Max qwen	23.6 本期 24.2	100	70.7	61.1