Claude Opus 4.7 与 DeepSeek V4 Pro 与 GPT-o3并列92.39分：2026-10-14 Smoke快测数据简报

2026-10-14 赢政指数 Smoke 快测覆盖 13 个模型，Claude Opus 4.7 与 DeepSeek V4 Pro 与 GPT-o3 以 92.39 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

数据解读

今日赢政指数Smoke快测显示，Claude Opus 4.7、DeepSeek V4 Pro与GPT-o3主榜并列92.39，代码执行均为94.5，材料约束均为89.8，三者在代码执行与材料约束的强弱搭配上呈现均衡特征。GPT-5.5主榜88.6，代码执行89.5，材料约束87.5；豆包Pro主榜88.54，代码执行85.3，材料约束92.5，后者材料约束相对突出。GPT-6.1 Sol主榜88.29，代码执行89.5，材料约束86.8，此类模型在两维度间保持一定平衡。

与上一同口径run相比，Claude Opus 4.7主榜+32.9分、代码执行+44.5分、材料约束+18.8分，DeepSeek V4 Pro主榜+28.1分、代码执行+44.5分、材料约束+8.1分，GPT-5.5主榜+28.7分、代码执行+31.2分、材料约束+25.6分，这些异动模型主要体现在代码执行维度的较大提升。GPT-6.1 Sol主榜+27.3分、代码执行+31.2分、材料约束+22.5分，GPT-6 Astra主榜+27.3分、代码执行+31.2分、材料约束+22.6分，显示分数结构中代码执行与材料约束的同步变动。

Gemini 3.1 Pro代码执行暴跌-27.2分，此异常信号可能源于题目抽样波动或真实退化，需后续run复核确认。GLM-4.6与Qwen3 Max因数据不完整未参与排名，Smoke作为小样本单日信号，相关解读保持克制。

主要变化

• Claude Opus 4.7：主榜上升32.9分，代码执行+44.5分，材料约束+18.8分
• GPT-5.5：主榜上升28.7分，代码执行+31.2分，材料约束+25.6分
• DeepSeek V4 Pro：主榜上升28.1分，代码执行+44.5分，材料约束+8.1分
• GPT-6.1 Sol：主榜上升27.3分，代码执行+31.2分，材料约束+22.5分
• GPT-6 Astra：主榜上升27.3分，代码执行+31.2分，材料约束+22.6分

需要关注的信号

• Gemini 3.1 Pro：代码执行暴跌 -27.2 分
• GLM-4.6：数据不完整（缺 grounding,judgment 维度，API 故障/超时），已进入自动补跑，本期不参与排名
• Qwen3 Max：数据不完整（缺 execution,grounding,judgment,integrity,communication 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 #378 | 查看原始数据