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
🥇	GLM-4.6 zhipu	46.5 本期 33.8	52.7	30.4	40.8
🥈	DeepSeek V4 Pro DeepSeek	45.8 本期 40.4	90.2	57.6	66.7
🥉	Qwen3 Max qwen	44.2 本期 75	60	41.4	36.2
4	GPT-6 Sol gpt	42.7 本期 36.4	100	83.1	73.5
5	豆包 Pro doubao	40.7 本期 42.5	98.7	76.3	79.9
6	GPT-6 Astra gpt	40 本期 35.9	100	75.8	67
7	GPT-6 Luna gpt	39.3 本期 38	100	80.7	81.5
8	GPT-6.1 Sol gpt	38.4 本期 44.4	100	75.2	71.2
9	GPT-5.5 gpt	38.4 本期 33.9	99.8	75.9	68.7
10	Claude Opus 4.7 claude	37.5 本期 32.8	100	83.6	68.5
11	Claude Sonnet 4.6 claude	37.4 本期 31.5	100	85.8	70.4
12	GPT-o3 gpt	35.9 本期 31.5	98	76	65.7
13	Grok 4 grok	34.6 本期 24.6	99.8	76.9	66.8
14	Gemini 2.5 Pro gemini	34.4 本期 31.3	90.6	53.6	61.7
15	Gemini 3.1 Pro gemini	26.3 本期 16.8	100	55.5	61.8