GPT-6 Astra材料约束暴跌19分 执行却飙升25分 主榜逆涨5.2
GPT-6 Astra今日Smoke评测中材料约束从89.30分跌至70.30分，降幅19分；代码执行从72.00分升至97.00分，升幅25分；主榜从79.79分升至84.99分，净涨5.2分。单日10题抽签导致的波动仍是首要可能因素。
AI测评
GPT-6 Astra 与 GPT-6.1 Sol并列84.99分：2026-10-12 Smoke快测数据简报
2026-10-12 赢政指数 Smoke 快测覆盖 14 个模型，GPT-6 Astra 与 GPT-6.1 Sol 以 84.99 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 Opus 4.7 与 GPT-6 Astra 与 GPT-6.1 Sol并列79.79分：2026-10-11 Smoke快测数据简报
2026-10-11 赢政指数 Smoke 快测覆盖 13 个模型，Claude Opus 4.7 与 GPT-6 Astra 与 GPT-6.1 Sol 以 79.79 分并列当日首位。Smoke 为每日 10 题快测，适合观察短期信号，
GPT-6 Luna材料约束跌20分代码执行涨41.7分 主榜升13.9分
今日Smoke评测中GPT-6 Luna材料约束从95.00分跌至75.00分，代码执行从58.30分升至100.00分，主榜从74.82分升至88.75分。工程判断维持100.00分，任务表达升至87.50分，诚信评级保持pass。分析显
Claude Opus 4.7材料约束暴跌15.9分 主榜反升5.8
Claude Opus 4.7今日Smoke评测主榜92.02分，材料约束从100.00跌至84.10（-15.9），代码执行从75.00升至98.50（+23.5），任务表达从84.70跌至45.60（-39.1）。小样本抽题波动与真实能
DeepSeek V4 Pro以96.94分居首：2026-10-10 Smoke快测数据简报
2026-10-10 赢政指数 Smoke 快测覆盖 15 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。
GLM-4.6代码执行58.30分材料约束100分 Smoke测试API故障暴露异常
GLM-4.6今日Smoke评测因API故障/超时数据不完整，代码执行58.30分、材料约束100.00分、工程判断75.00分，主榜74.00分，未参与排名。分析显示API问题最可能是低分主因，需重点关注。
GPT-6 Luna主榜暴跌8.4分 代码执行单日跌16.7分
今日Smoke评测中GPT-6 Luna主榜从83.19分跌至74.82分，下降8.4分。其中代码执行从75.00分跌至58.30分，任务表达从90.00分跌至77.50分，材料约束小升1.8分。工程判断维持100分，诚信评级保持pass。
Claude Sonnet 4.6以94.74分居首：2026-10-09 Smoke快测数据简报
2026-10-09 赢政指数 Smoke 快测覆盖 14 个模型，Claude Sonnet 4.6 以 94.74 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以87.41分居首：2026-10-08 Smoke快测数据简报
2026-10-08 赢政指数 Smoke 快测覆盖 15 个模型，Claude Sonnet 4.6 以 87.41 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。
Qwen3 Max WDCD暴跌21.9分 6模型下滑仅豆包Pro逆涨9.5
本期WDCD v3.1测试中，Qwen3 Max分数下降21.9分，Gemini 2.5 Pro下降10.4分，6个模型出现下滑，仅豆包 Pro上升9.5分。GLM-4.6以95.20分位居第一，Grok 4以94.80分紧随其后。数据揭示
WDCD横评：安全合规最低1.1分，15模型偏科差距达2.9
WDCD v3.1测试中，安全合规场景全体得分最低，qwen3-max仅1.1/4垫底；claude-opus-4.7在数据边界与工程规范均拿4/4。15模型中10个出现场景间1分以上差距，企业选型需按场景加护栏。
15模型R3仅1次全崩溃 Qwen3 Max却10%崩盘 WDCD v2锚点三轮衰减真相
v2锚点题显示R1确认率100%、R2抵抗率60%、R3诚信率76.7%，150次采样仅1次R3崩溃。Qwen3 Max在R2即0分且R3崩溃率10%，而GLM-4.6、Claude Opus 4.7等模型R3零崩溃，揭示“先确认后崩盘”模
WDCD守约榜：GLM-4.6 95.2分领跑 Qwen3 Max 65.6分垫底
GLM-4.6以95.20分位居WDCD守约榜首，Qwen3 Max仅65.60分垫底。头部五强均在93分以上，尾部三模型低于80分，R3崩溃率0.7%，满分率64%。数据揭示模型在多轮施压下的真实守约差异。
Claude Sonnet 4.6材料约束暴跌30.6分，代码执行反升25分
Claude Sonnet 4.6今日Smoke评测中，材料约束从93.30分跌至62.70分，降幅30.6分；代码执行则从50.00分升至75.00分。主榜得分69.49分与69.47分基本持平。工程判断升至100.00分，任务表达升至9
GPT-6 Sol材料约束暴跌33.3分 代码执行反升25分主榜微降
GPT-6 Sol今日Smoke评测中材料约束从88.30分跌至55.00分，降幅33.3分；代码执行从75.00分升至100.00分，主榜从80.99分微降至79.75分。单日10题快测下，材料约束与任务表达出现大幅波动。
Claude Opus 4.7以97.48分居首：2026-10-07 Smoke快测数据简报
2026-10-07 赢政指数 Smoke 快测覆盖 14 个模型，Claude Opus 4.7 以 97.48 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。
GPT-6 Luna 与 GPT-6 Sol并列80.99分：2026-10-06 Smoke快测数据简报
2026-10-06 赢政指数 Smoke 快测覆盖 15 个模型，GPT-6 Luna 与 GPT-6 Sol 以 80.99 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 Sonnet 4.6代码执行暴跌27.4分，材料约束却暴涨37.7分
Claude Sonnet 4.6今日Smoke评测中代码执行从71.90分跌至44.50分，材料约束从50.60分升至88.30分，主榜仅微升1.9分至64.21分。工程判断升至100分，任务表达跌至45分。单日10题抽样下，维度剧烈波动
Grok 4代码执行暴跌31.3分 材料约束反升34.7分
Grok 4今日Smoke评测代码执行从95.30分跌至64.00分，降31.3分；材料约束从48.40分升至83.10分，涨34.7分。主榜仅降1.6分至72.60分。单日10题抽签导致的波动是主因，需持续观察。