Claude Opus 4.7以98.65分居首：2026-10-03 Smoke快测数据简报

2026-10-03 赢政指数 Smoke 快测覆盖 15 个模型，Claude Opus 4.7 以 98.65 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98.65位居首位，其代码执行100与材料约束97的搭配显示两者均衡偏强；GPT-o3主榜92.71，代码执行同样100但材料约束83.8，体现代码执行主导的结构；Gemini 2.5 Pro与Gemini 3.1 Pro主榜均为87.4，代码执行100、材料约束72的组合则突出代码执行优势。GPT-6 Sol主榜85.26，代码执行75、材料约束97.8，呈现材料约束更强的互补特征，而Grok 4与DeepSeek V4 Pro也维持代码执行75、材料约束97和94.8的类似搭配。

Gemini 3.1 Pro主榜较前次同口径run上升29.8，代码执行上升56.6，显示代码执行端出现明显提升；GPT-o3主榜上升20.3，代码执行上升29.7、材料约束上升8.8；DeepSeek V4 Pro主榜上升16，代码执行上升33.3。GLM-4.6主榜下降29.2，材料约束下降75，诚信从fail转为warn；GPT-5.5主榜下降17.5，代码执行下降16.7、材料约束下降18.5。

异常信号方面，Gemini 2.5 Pro材料约束暴跌28、GPT-6.1 Sol主榜暴跌9.2、GPT-6 Astra主榜暴跌11.5、豆包Pro主榜暴跌9.3、GPT-5.5主榜暴跌17.5、GPT-6 Luna主榜暴跌10.8、GLM-4.6主榜暴跌29.2，均可能源于题目抽样波动或真实退化，需后续run复核确认。Smoke作为小样本单日信号，以上观察仅反映当日数据结构特点。

主要变化

• Gemini 3.1 Pro：主榜上升29.8分，代码执行+56.6分
• GLM-4.6：主榜下降29.2分，代码执行+8.3分，材料约束-75分，诚信fail→warn
• GPT-o3：主榜上升20.3分，代码执行+29.7分，材料约束+8.8分
• GPT-5.5：主榜下降17.5分，代码执行-16.7分，材料约束-18.5分
• DeepSeek V4 Pro：主榜上升16分，代码执行+33.3分，材料约束-5.2分

需要关注的信号

• Gemini 2.5 Pro：材料约束暴跌 -28 分
• GPT-6.1 Sol：主榜暴跌 -9.2 分
• GPT-6 Astra：主榜暴跌 -11.5 分
• 豆包 Pro：主榜暴跌 -9.3 分
• GPT-5.5：主榜暴跌 -17.5 分
• GPT-6 Luna：主榜暴跌 -10.8 分
• GLM-4.6：主榜暴跌 -29.2 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 #358 | 查看原始数据