2026-10-06 赢政指数 Smoke 快测覆盖 15 个模型，GPT-6 Luna 与 GPT-6 Sol 以 80.99 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 | GPT-6 Luna | 80.99 | 75 | 88.3 | pass |
| #2 | GPT-6 Sol | 80.99 | 75 | 88.3 | pass |
| #3 | GPT-5.5 | 78.02 | 75 | 81.7 | pass |
| #4 | GPT-o3 | 78.02 | 75 | 81.7 | pass |
| #5 | Grok 4 | 77.3 | 73.7 | 81.7 | warn |
| #6 | 豆包 Pro | 71.99 | 75 | 68.3 | pass |
| #7 | Claude Sonnet 4.6 | 69.49 | 50 | 93.3 | pass |
| #8 | Claude Opus 4.7 | 67.24 | 50 | 88.3 | pass |
| #9 | GPT-6 Astra | 67.24 | 50 | 88.3 | pass |
| #10 | Qwen3 Max | 65.04 | 46 | 88.3 | pass |
| #11 | GPT-6.1 Sol | 55.99 | 50 | 63.3 | pass |
| #12 | DeepSeek V4 Pro | 51.42 | 41.7 | 63.3 | pass |
| #13 | Gemini 2.5 Pro | 51.42 | 41.7 | 63.3 | pass |
| #14 | Gemini 3.1 Pro | 51.42 | 41.7 | 63.3 | pass |
| #15 | GLM-4.6 | 9 | 0 | 20 | pass |
数据解读
今日主榜前两名GPT-6 Luna与GPT-6 Sol均取得80.99分，其代码执行为75、材料约束为88.3，显示两者在两项能力上形成均衡搭配。GPT-5.5与GPT-o3同样以代码执行75、材料约束81.7获得78.02分，位列第三、四名。Grok 4代码执行73.7、材料约束81.7，主榜77.3分，位居第五。Claude Sonnet 4.6代码执行50、材料约束93.3，主榜69.49分，体现材料约束相对突出的结构特点。
与上一同口径run相比，Gemini 2.5 Pro主榜下降37.2分、代码执行下降49.6分、材料约束下降22分，GLM-4.6主榜下降32.7分、代码执行下降44.5分、材料约束下降18.3分，DeepSeek V4 Pro主榜下降31.7分、代码执行下降49.6分、材料约束下降9.8分，Claude Opus 4.7主榜下降28.4分、代码执行下降44.5分、材料约束下降8.7分，Gemini 3.1 Pro主榜下降25.2分、代码执行下降27.8分、材料约束下降22分。这些变化可能源于题目抽样波动，也可能是模型真实表现出现退化，需后续run复核确认。
Smoke快测为小样本单日信号，上述分数结构与异动仅反映当日数据，暂不做长期判断。
主要变化
- Gemini 2.5 Pro：主榜下降37.2分，代码执行-49.6分，材料约束-22分
- GLM-4.6：主榜下降32.7分，代码执行-44.5分，材料约束-18.3分
- DeepSeek V4 Pro：主榜下降31.7分，代码执行-49.6分，材料约束-9.8分
- Claude Opus 4.7：主榜下降28.4分，代码执行-44.5分，材料约束-8.7分
- Gemini 3.1 Pro：主榜下降25.2分，代码执行-27.8分，材料约束-22分
需要关注的信号
- 本次未保留可发布的异常信号。
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 #363 | 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