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。
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 | Claude Opus 4.7 | 86.5 | 100 | 70 | pass |
| #2 | GPT-5.5 | 86.5 | 100 | 70 | pass |
| #3 | GPT-o3 | 79.91 | 75 | 85.9 | pass |
| #4 | Claude Sonnet 4.6 | 78.86 | 96.9 | 56.8 | pass |
| #5 | Grok 4 | 78.01 | 92 | 60.9 | pass |
| #6 | DeepSeek V4 Pro | 76.85 | 75 | 79.1 | pass |
| #7 | 豆包 Pro | 75 | 75 | 75 | pass |
| #8 | Gemini 3.1 Pro | 72.75 | 75 | 70 | pass |
| #9 | Gemini 2.5 Pro | 60.79 | 73.7 | 45 | pass |
| #10 | Qwen3 Max | 60.55 | 54.7 | 67.7 | pass |
| #11 | GLM-4.6 | 39.56 | 50 | 26.8 | pass |
主要变化
- GPT-5.5：主榜上升19.8分，代码执行+25分，材料约束+13.5分
- Grok 4：主榜下降11.3分，代码执行-5.8分，材料约束-18分
- Claude Opus 4.7：主榜上升9.7分，代码执行+25分，材料约束-8.9分
- Claude Sonnet 4.6：主榜上升8.1分，代码执行+21.9分，材料约束-8.8分
- Qwen3 Max：主榜下降7.5分，代码执行-17.8分，材料约束+5.1分
需要关注的信号
- Grok 4：主榜暴跌 -11.3 分
- DeepSeek V4 Pro：代码执行暴跌 -25 分
- 豆包 Pro：代码执行暴跌 -22 分
- Gemini 2.5 Pro：材料约束暴跌 -24.8 分
- Qwen3 Max：代码执行暴跌 -17.8 分
- GLM-4.6：材料约束暴跌 -40.7 分
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 #254 | 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