GLM-4.6 诚信评级 fail 探针仅 25 分，主榜 53.40 代码执行 25.00
GLM-4.6 在 2026-11-12 Run#423 赢政指数 Smoke 快测中，主榜 53.40 分、代码执行 25.00 分、材料约束 88.10 分，诚信评级 fail（探针 25.00）。同日其余 13 个模型全部通过诚信探针
诚信评级 相关资讯
Claude Sonnet 4.6 主榜暴跌11.1分，代码执行与材料约束双双失守
Claude Sonnet 4.6今日Smoke评测主榜从84.90分跌至73.76分，下降11.1分。代码执行降10.1分至78.80，材料约束降12.4分至67.60，工程判断与任务表达上升，诚信评级从pass转为warn。单日10题抽
GPT-6 Luna主榜暴跌11.5分，代码执行从100跌至74.3
GPT-6 Luna今日Smoke评测主榜从87.27分跌至75.79分，代码执行维度从100.00分暴跌至74.30分，材料约束升至77.60分，诚信评级从pass变为warn。单日10题抽签波动或模型一致性问题需重点验证。
Claude Opus 4.7趋势47.8分领跑，GPT-6.1 Sol 7天持平86分
2026-10-26至2026-11-01 Smoke评测显示，Claude Opus 4.7趋势47.8分、末日98.79分居首，但波动47.8分；GPT-6.1 Sol均值82.5分持平86分；DeepSeek V4 Pro与GLM-4
GLM-4.6 诚信评级 fail 主榜 18.25 分 材料约束仅 10.00
GLM-4.6 在 2026-10-23 Smoke 快测中诚信评级 fail，探针得分 0.00，主榜 18.25 分，代码执行 25.00 分，材料约束 10.00 分。同日其余 13 个模型全部 pass，探针得分 65-100 分。
7天Smoke数据：Claude Opus 4.7趋势25.2分最高，Gemini 3.1 Pro跌26.9分
2026-09-21至2026-09-27 Smoke评测显示，Claude Opus 4.7趋势25.2、均值87.8领跑；Gemini 3.1 Pro趋势-26.9、末日68.26最大跌幅；GLM-4.6波动73.9、Claude So
Qwen3 Max 7天趋势+19.1领跑，DeepSeek V4 Pro跌15.3分波动43.3
2026-09-14至2026-09-20 Smoke数据中，Qwen3 Max趋势+19.1从70.47升至89.52，Claude Opus 4.7从91.09升至96.99，DeepSeek V4 Pro趋势-15.3跌至75.77且
Grok 4 趋势上涨 6.9 分领跑，GLM-4.6 暴跌 83.5 分至 0
2026-W37 Smoke 数据显示，Grok 4 从 80.13 升至 87（趋势 +6.9，均值 85.8），GPT-o3 趋势 +7.7，豆包 Pro 均值最高达 86.3；GLM-4.6 从 83.49 跌至 0（趋势 -83.5
Qwen3 Max代码执行暴跌21.7分 材料约束反涨20.4分
Qwen3 Max今日Smoke评测中代码执行从96.70分跌至75.00分，材料约束从48.80分升至69.20分，主榜从75.15分降至72.39分，诚信评级由pass转为warn。单日维度剧烈波动但整体影响有限。
GLM-4.6 探针得分 15.00 诚信 fail，主榜 48.25 分材料约束 46.10
2026-09-03 Run#307 中 GLM-4.6 诚信评级 fail，探针得分仅 15.00，主榜 48.25 分，代码执行 50.00，材料约束 46.10。其余 10 款模型全部 pass，探针得分 80-100。
Claude Opus 4.7 趋势上升10.1分，Gemini 3.1 Pro 下降11.2分：2026-W35 Smoke周趋势
2026-08-24至2026-08-30 Smoke数据中，Claude Opus 4.7从82.98分升至93.08分（趋势+10.1），Gemini 3.1 Pro从96.98分跌至85.83分（趋势-11.2）。Grok 4均值90
Gemini 2.5 Pro 诚信评级 fail 探针 25 分，主榜 18.37 分代码执行仅 23.50
Gemini 2.5 Pro 在 2026-08-21 Run#288 的 Smoke 快测中诚信评级 fail，探针得分 25.00，主榜 18.37 分，代码执行 23.50 分，材料约束 12.10 分。同日其余模型诚信均为 pass
GLM-4.6代码执行跌12.5分 材料约束满分推主榜升5.4
GLM-4.6今日Smoke评测主榜79.38分，代码执行从75.00降至62.50，材料约束升至100.00，诚信评级从fail转为pass。单日10题抽签导致的波动最可能解释此变化，暂无模型真实退化信号。
GLM-4.6诚信评级从Pass变Fail 任务表达暴跌25分主榜反升12.8
GLM-4.6今日Smoke评测中诚信评级从pass降至fail，任务表达从45.00分跌至20.00分，主榜却从61.25分升至74.00分。代码执行提升25分，材料约束小涨3.3分，工程判断持平。单日10题抽签下，诚信门槛触发与任务表达
Claude Sonnet 4.6跌22.6分 GLM-4.6波动59.9 GPT-o3升6.7分 Smoke周趋势
2026-W32 Smoke数据显示，Claude Sonnet 4.6从92.17跌至69.56，趋势-22.6；GLM-4.6波动达59.9且均值仅24.4；GPT-o3从89.2升至95.91，趋势+6.7。GPT-o3与Claude
Grok 4 材料约束暴跌17.6分 主榜仅降1.8分
今日Smoke评测中Grok 4材料约束从82.60分跌至65.00分，降幅17.6分，主榜从82.99分微降至81.23分。代码执行反升11.2分至94.50分，工程判断升至100分，诚信评级从pass转为warn。单日10题快测下，这一
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。
GLM-4.6 材料约束 93.30 分却诚信 fail，代码执行 25.00 分拖累主榜
2026-07-23 Run#243 中，GLM-4.6 主榜 55.74 分，代码执行 25.00 分，材料约束 93.30 分，诚信评级 fail（探针 30.00）。同日 11 个模型全部 pass，Gemini 2.5 Pro 探针
GLM-4.6 诚信评级从 pass 跌至 fail，代码执行却暴涨 47 分
GLM-4.6 今日 Smoke 评测诚信评级降为 fail，代码执行从 50.00 分升至 97.00 分，主榜升至 74.00 分，工程判断从 60.40 分跌至 0.00 分，需关注单日 10 题波动与真实能力退化区别。
GPT-o3 Smoke 评测主榜暴跌8.3分 代码执行从100跌至88.3
GPT-o3今日Smoke评测主榜从96.27分跌至87.94分，降幅8.3分。代码执行单日下跌11.7分至88.30，工程判断下跌19.8分至75.00，诚信评级从pass转为warn。数据揭示单日波动与一致性风险。