2026-08-08 赢政指数 Smoke 快测覆盖 9 个模型，Claude Opus 4.7 与 GPT-o3 以 97.66 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 | 97.66 | 100 | 94.8 | pass |
| #2 | GPT-o3 | 97.66 | 100 | 94.8 | pass |
| #3 | Gemini 3.1 Pro | 96.31 | 100 | 91.8 | pass |
| #4 | Qwen3 Max | 96.04 | 100 | 91.2 | pass |
| #5 | Grok 4 | 95.28 | 100 | 89.5 | pass |
| #6 | DeepSeek V4 Pro | 94.07 | 97.8 | 89.5 | pass |
| #7 | GPT-5.5 | 89.65 | 100 | 77 | pass |
| #8 | Claude Sonnet 4.6 | 85.26 | 75 | 97.8 | pass |
| #9 | Gemini 2.5 Pro | 83.33 | 94.8 | 69.3 | pass |
主要变化
- DeepSeek V4 Pro：主榜上升32.9分，代码执行+28.3分，材料约束+38.4分
- Qwen3 Max：主榜上升30.8分，代码执行+30.5分，材料约束+31.2分
- Gemini 3.1 Pro：主榜上升28.7分，代码执行+28.9分，材料约束+28.5分
- GPT-o3：主榜上升25.3分，代码执行+5.5分，材料约束+49.5分
- Claude Opus 4.7：主榜上升16.7分，代码执行+30.5分
需要关注的信号
- Claude Sonnet 4.6：代码执行暴跌 -19.5 分
- 豆包 Pro：数据不完整（缺 execution,grounding,judgment,integrity,communication 维度，API 故障/超时），已进入自动补跑，本期不参与排名
- GLM-4.6：数据不完整（缺 execution,grounding,judgment,integrity,communication 维度，API 故障/超时），已进入自动补跑，本期不参与排名
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 #268 | 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