Claude Opus 4.7以93.54分居首：2026-08-28 Smoke快测数据简报

2026-08-28 赢政指数 Smoke 快测覆盖 11 个模型，Claude Opus 4.7 以 93.54 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

数据解读

今日赢政指数 Smoke 快测中，Claude Opus 4.7 以主榜 93.54 位居首位，其代码执行 97 与材料约束 89.3 的搭配最为均衡；GPT-o3 和 Gemini 2.5 Pro 则均以代码执行 100 见长，但材料约束分别为 77.6 和 74.6，导致主榜分差拉开至 89.92 和 88.57。豆包 Pro 与 Qwen3 Max 的代码执行分别为 97 和 99.2，材料约束 74.6 和 71.8，同样呈现代码侧更强的结构特征。

Gemini 3.1 Pro 主榜下滑 25.2 分、代码执行下滑 45.5 分，GLM-4.6 主榜同样下滑 25.2 分且代码执行下滑 25、材料约束下滑 25.4，GPT-o3 主榜下滑 10.1 分、材料约束下滑 22.4 分，这些异动可能源于单日题目抽样波动，也可能是模型在特定约束场景下的临时表现变化，需后续同口径 run 复核确认。Grok 4 与 GPT-5.5 的主榜分别下滑 8 分和 9.1 分，同样提示材料约束侧的波动值得持续观察。

整体看，头部模型在代码执行与材料约束的强弱搭配上仍保持稳定，而中下游模型的显著分数起伏提醒 Smoke 快测仅为小样本单日信号，任何解读均需谨慎。

主要变化

• Gemini 3.1 Pro：主榜下降25.2分，代码执行-45.5分
• GLM-4.6：主榜下降25.2分，代码执行-25分，材料约束-25.4分
• GPT-o3：主榜下降10.1分，材料约束-22.4分
• DeepSeek V4 Pro：主榜上升9.4分，代码执行+22分，材料约束-6分
• GPT-5.5：主榜下降9.1分，材料约束-16.5分

需要关注的信号

• GPT-o3：主榜暴跌 -10.1 分
• GPT-5.5：主榜暴跌 -9.1 分
• Grok 4：主榜暴跌 -8 分
• Gemini 3.1 Pro：主榜暴跌 -25.2 分
• GLM-4.6：主榜暴跌 -25.2 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 #298 | 查看原始数据