GLM-4.6材料约束暴跌27.3分 主榜却逆势升30.2分
今日Smoke评测中GLM-4.6材料约束从75.00降至47.70分，主榜却从46.29升至76.47分，代码执行从22.80升至100.00分，诚信评级从pass转为warn。单日10题快测下，维度剧烈波动值得关注。
AI测评
GPT-o3今日主榜暴跌13.9分，代码执行与材料约束双双失守
GPT-o3在今日Smoke评测中主榜从93.16分跌至79.28分，暴跌13.9分。代码执行从95.00降至81.80，材料约束从90.90降至76.20，工程判断侧榜更跌30.6分至63.90。任务表达侧榜升至100.00。诚信评级维持
Claude Opus 4.7 与 Qwen3 Max并列93.39分：2026-08-01 Smoke快测数据简报
2026-08-01 赢政指数 Smoke 快测覆盖 11 个模型，Claude Opus 4.7 与 Qwen3 Max 以 93.39 分并列当日首位。Smoke 为每日 10 题快测，适合观察短期信号，不等同 Full 周榜结论。
Qwen3 Max材料约束暴跌20分至47.70，代码执行却暴涨37.8分，主榜反升11.8
今日Smoke评测中，Qwen3 Max材料约束从67.70跌至47.70，降幅20分；代码执行从54.70升至92.50，升37.8分。主榜从60.55升至72.34。工程判断降16.6分，任务表达升35分。诚信评级维持pass。单日10
Grok 4 代码执行暴跌19.5分 材料约束反升23.2分 主榜仅降0.3
Grok 4今日Smoke评测代码执行从92.00分跌至72.50分，降19.5分；材料约束从60.90分升至84.10分，增23.2分；主榜从78.01分微降至77.72分。工程判断同步跌19.5分，任务表达升10分。单日10题快测下，需
DeepSeek V4 Pro以96.94分居首：2026-07-31 Smoke快测数据简报
2026-07-31 赢政指数 Smoke 快测覆盖 10 个模型，DeepSeek V4 Pro 以 96.94 分位居当日首位。Smoke 为每日 10 题快测，适合观察短期信号，不等同 Full 周榜结论。
DeepSeek V4 Pro代码执行暴跌25分 主榜下滑6.7分
今日Smoke评测中，DeepSeek V4 Pro代码执行从100.00跌至75.00，主榜从83.53降至76.85。材料约束升至79.10，工程判断升至100.00，任务表达降至74.20，诚信评级从warn转为pass。单日10题快
Grok 4 Smoke评测主榜暴跌11.3分 材料约束单日降18分
Grok 4今日Smoke评测主榜从89.30分跌至78.01分，降幅11.3分。其中材料约束从78.90分骤降至60.90分，代码执行从97.80分降至92.00分，工程判断则从81.90分升至94.50分。单日波动主要集中在材料约束维度
Claude Opus 4.7 与 GPT-5.5并列86.5分：2026-07-30 Smoke快测数据简报
2026-07-30 赢政指数 Smoke 快测覆盖 11 个模型，Claude Opus 4.7 与 GPT-5.5 以 86.5 分并列当日首位。Smoke 为每日 10 题快测，适合观察短期信号，不等同 Full 周榜结论。
Claude双雄涨6.8分 Gemini独跌5.6 WDCD守约榜剧烈洗牌
本期WDCD v3.1试点数据显示，Claude Opus 4.7与Sonnet 4.6分别上涨6.8分和6.7分，Gemini 3.1 Pro下跌5.6分，GPT-5.5上涨5.3分。Grok 4以94.80分保持首位，3升1降格局下，守
WDCD五大场景横评：业务规则全员最低，工程规范3分差距最残酷
WDCD v3.1试点数据显示，业务规则场景全体得分最低，冠军仅3.5/4，doubao-pro低至1.5/4；工程规范场景区分度最大，最高4/4与最低1/4相差3分。Claude-opus-4.7在四场景拿4/4，唯工程规范跌至3/4，暴
WDCD三轮锚点测试：R3诚信率仅45.5% GPT-5.5与Qwen3 Max崩盘率20%
v2锚点题显示，11模型R1确认率95%、R2抵抗率86%，但R3诚信率仅45.5%，9次完全崩盘。GPT-5.5与Qwen3 Max崩盘率达20%，Grok 4等四模型零崩盘，暴露多约束场景下的守约断层。
Grok 4 94.80分登顶WDCD守约榜 豆包Pro 64.20分垫底差距30分
Grok 4以94.80分位居WDCD v3.1守约榜首，豆包Pro以64.20分垫底，头部与尾部相差30.6分。11个模型中满分率54.5%，R3崩溃率8.2%。Claude Opus 4.7单期提升6.8分，Gemini 3.1 Pro
Grok 4以89.3分居首：2026-07-29 Smoke快测数据简报
2026-07-29 赢政指数 Smoke 快测覆盖 10 个模型，Grok 4 以 89.3 分位居当日首位。Smoke 为每日 10 题快测，适合观察短期信号，不等同 Full 周榜结论。
Claude Sonnet 4.6代码执行暴跌22分 材料约束反升25.7分
Claude Sonnet 4.6今日Smoke评测中代码执行从97.00分跌至75.00分，材料约束从60.20分升至85.90分，主榜仅从80.44分微降至79.91分。单日10题抽签导致的波动可能是主因，需持续观察。
DeepSeek V4 Pro代码执行暴跌25分，材料约束反升26.8分
DeepSeek V4 Pro今日Smoke评测中代码执行从100.00降至75.00，材料约束从68.20升至95.00，主榜仅微降1.7分至84.00。工程判断同步下滑19.5分。单日10题抽样下，此类波动需区分随机题目难度与模型真实能
Gemini 3.1 Pro以100分居首：2026-07-28 Smoke快测数据简报
2026-07-28 赢政指数 Smoke 快测覆盖 11 个模型，Gemini 3.1 Pro 以 100 分位居当日首位。Smoke 为每日 10 题快测，适合观察短期信号，不等同 Full 周榜结论。
DeepSeek V4 Pro材料约束暴跌31.8分 代码执行却从69.5直升100
DeepSeek V4 Pro今日Smoke评测中材料约束从100分跌至68.2分，降31.8分；代码执行从69.5分升至100分，主榜反而升2.46分至85.69。单日2题抽样导致的剧烈波动是主因，诚信评级仍为pass。
GPT-o3代码执行飙升52.5分 材料约束却跌15.7分 主榜反升21.8
GPT-o3今日Smoke评测中代码执行从44.50升至97.00，材料约束从100.00降至84.30，主榜从69.48升至91.29。材料约束单日下跌15.7分，需判断是抽签波动还是真实退化。
GPT-o3以91.29分居首：2026-07-27 Smoke快测数据简报
2026-07-27 赢政指数 Smoke 快测覆盖 11 个模型，GPT-o3 以 91.29 分位居当日首位。Smoke 为每日 10 题快测，适合观察短期信号，不等同 Full 周榜结论。