2026-07-14 赢政指数 Smoke 快测覆盖 11 个模型，DeepSeek V4 Pro 以 91.46 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。
本次 Smoke 评测只覆盖代码执行和材料约束两个主榜维度，主榜公式为 0.55 × 代码执行 + 0.45 × 材料约束。由于每日样本量较小，单日分数更适合作为监控信号，而不是对模型能力做长期定论。
当日排名
| 排名 | 模型 | 主榜 | 代码执行 | 材料约束 | 诚信 |
|---|---|---|---|---|---|
| #1 | DeepSeek V4 Pro | 91.46 | 98.7 | 82.6 | pass |
| #2 | GPT-5.5 | 91.32 | 100 | 80.7 | pass |
| #3 | Claude Opus 4.7 | 86.25 | 75 | 100 | pass |
| #4 | Gemini 2.5 Pro | 86.1 | 100 | 69.1 | pass |
| #5 | GPT-o3 | 86.1 | 100 | 69.1 | pass |
| #6 | Gemini 3.1 Pro | 80.99 | 75 | 88.3 | pass |
| #7 | 豆包 Pro | 78.42 | 75 | 82.6 | warn |
| #8 | Grok 4 | 74.91 | 75 | 74.8 | warn |
| #9 | Qwen3 Max | 62.42 | 58.5 | 67.2 | pass |
| #10 | Claude Sonnet 4.6 | 61.1 | 75 | 44.1 | pass |
| #11 | GLM-4.6 | 45.63 | 62.5 | 25 | warn |
数据解读
今日赢政指数Smoke快测中，DeepSeek V4 Pro以主榜91.46分位列首位，其代码执行98.7分与材料约束82.6分形成均衡搭配；GPT-5.5主榜91.32分紧随其后，代码执行100分但材料约束80.7分，显示代码执行优势突出。Claude Opus 4.7主榜86.25分则依靠材料约束100分拉动，代码执行75分相对较低，体现材料约束主导的结构特点。Gemini 2.5 Pro与GPT-o3同以主榜86.1分并列，均呈现代码执行100分、材料约束69.1分的搭配。
多模型出现显著下滑，Grok 4主榜下降22.5分，代码执行与材料约束分别下降22分和23分；GLM-4.6主榜下降21.2分，代码执行下降19.8分、材料约束下降22.8分；Claude Sonnet 4.6与豆包 Pro主榜分别下降18.5分和18.3分，Gemini 3.1 Pro主榜下降15.7分。上述变化可能源于题目抽样波动，也可能是单日真实表现退化，需后续同口径run复核确认。
Smoke快测为小样本单日信号，解读仅基于今日数据，不做长期推断。诚信warn的模型包括豆包 Pro、Grok 4与GLM-4.6，其余模型均pass。
主要变化
- Grok 4：主榜下降22.5分，代码执行-22分，材料约束-23分，诚信pass→warn
- GLM-4.6：主榜下降21.2分，代码执行-19.8分，材料约束-22.8分
- Claude Sonnet 4.6：主榜下降18.5分，代码执行-19分，材料约束-17.9分
- 豆包 Pro：主榜下降18.3分，代码执行-19分，材料约束-17.4分，诚信pass→warn
- Gemini 3.1 Pro：主榜下降15.7分，代码执行-19分，材料约束-11.7分
需要关注的信号
- 本次未保留可发布的异常信号。
读这类 Smoke 简报时，重点应放在两个问题上：第一，某个模型是否连续多日暴露同一类弱点；第二，诚信评级是否从 pass 进入 warn 或 fail。单日执行或约束分数的大幅变化，可能来自题目抽样，也可能是真实退化的早期信号，需要后续 run 复核。
数据来源：赢政指数 (YZ Index) | Run #231 | 查看原始数据
© 2026 Winzheng.com 赢政天下 | 转载请注明来源并附原文链接