Claude Opus 4.7以95.63分居首：2026-10-05 Smoke快测数据简报

2026-10-05 赢政指数 Smoke 快测覆盖 14 个模型，Claude Opus 4.7 以 95.63 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95.63位居首位，其代码执行94.5与材料约束97的搭配显示出两者均衡偏高的结构特点。GPT-o3主榜90.36，代码执行94.5、材料约束85.3，同样依托代码执行高分维持靠前位置。豆包Pro与Gemini 2.5 Pro主榜均为88.6，代码执行91.3、材料约束85.3，呈现代码执行略强于材料约束的组合。Qwen3 Max主榜78.42则依赖材料约束94.2的较高表现，代码执行仅65.5，形成材料约束主导的结构。

GPT-6 Sol主榜较前次提升28.2分，代码执行提升24.7分、材料约束提升32.5分，Gemini 2.5 Pro主榜提升24.9分，代码执行提升21.5分、材料约束提升29.1分，GPT-6 Astra主榜提升20.6分，代码执行提升24.7分、材料约束提升15.6分，这些异动模型的分数结构显示材料约束与代码执行同步或偏向材料约束的提升。GPT-5.5主榜提升15.5分，代码执行下降5.5分但材料约束提升41.2分，Claude Opus 4.7主榜提升14.1分且材料约束提升34.3分，反映材料约束维度的波动对整体排位产生明显影响。

异常信号方面，Grok 4代码执行暴跌31.3分，Claude Sonnet 4.6代码执行暴跌27.4分，可能源于题目抽样波动或单日运行中的临时状态变化，需后续run复核确认。GLM-4.6因判断维度数据不完整未参与排名，同样提示API相关问题可能干扰结果。Smoke快测为小样本单日信号，以上观察均基于当日数据，不做长期推断。

主要变化

• GPT-6 Sol：主榜上升28.2分，代码执行+24.7分，材料约束+32.5分
• Gemini 2.5 Pro：主榜上升24.9分，代码执行+21.5分，材料约束+29.1分
• GPT-6 Astra：主榜上升20.6分，代码执行+24.7分，材料约束+15.6分
• GPT-5.5：主榜上升15.5分，代码执行-5.5分，材料约束+41.2分
• Claude Opus 4.7：主榜上升14.1分，材料约束+34.3分

需要关注的信号

• Grok 4：代码执行暴跌 -31.3 分
• Claude Sonnet 4.6：代码执行暴跌 -27.4 分
• GLM-4.6：数据不完整（缺 judgment 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 #361 | 查看原始数据