2026-08-27 赢政指数 Smoke 快测覆盖 11 个模型，Claude Opus 4.7 与 GPT-o3 以 100 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 | 100 | 100 | 100 | pass |
| #2 | GPT-o3 | 100 | 100 | 100 | pass |
| #3 | GPT-5.5 | 95.01 | 100 | 88.9 | pass |
| #4 | Grok 4 | 93.46 | 96.7 | 89.5 | pass |
| #5 | Claude Sonnet 4.6 | 90.78 | 100 | 79.5 | pass |
| #6 | 豆包 Pro | 90.78 | 100 | 79.5 | pass |
| #7 | Gemini 3.1 Pro | 88.75 | 100 | 75 | pass |
| #8 | Gemini 2.5 Pro | 87.59 | 99.2 | 73.4 | pass |
| #9 | GLM-4.6 | 86.25 | 75 | 100 | pass |
| #10 | Qwen3 Max | 84.74 | 92.7 | 75 | pass |
| #11 | DeepSeek V4 Pro | 49.03 | 25 | 78.4 | pass |
主要变化
- GLM-4.6：主榜上升38.6分，代码执行+37.5分，材料约束+40分
- DeepSeek V4 Pro：主榜下降35分，代码执行-50分，材料约束-16.6分
- Claude Opus 4.7：主榜上升20.1分，代码执行+25分，材料约束+14.1分
- GPT-5.5：主榜上升11分，代码执行+25分，材料约束-6.1分
- Gemini 2.5 Pro：主榜下降8.5分，材料约束-21.6分
需要关注的信号
- Claude Sonnet 4.6：材料约束暴跌 -20.5 分
- 豆包 Pro：材料约束暴跌 -20.5 分
- Gemini 3.1 Pro：材料约束暴跌 -20 分
- Gemini 2.5 Pro：主榜暴跌 -8.5 分
- DeepSeek V4 Pro：主榜暴跌 -35 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 #297 | 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