豆包 Pro以85.09分居首：2026-10-16 Smoke快测数据简报

2026-10-16 赢政指数 Smoke 快测覆盖 13 个模型，豆包 Pro 以 85.09 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，豆包Pro以主榜85.09位居首位，其代码执行95.3与材料约束72.6形成高代码执行搭配中等材料约束的结构；Grok 4同样代码执行95.3但材料约束仅63.1，主榜80.81紧随其后。DeepSeek V4 Pro、GPT-6 Astra与GPT-6.1 Sol三者代码执行均为72、材料约束88.1，主榜并列79.25，呈现材料约束更强的搭配。Claude Opus 4.7代码执行68.9、材料约束79，主榜73.45；Gemini 3.1 Pro代码执行54.5、材料约束88.1，主榜69.62，此类模型在材料约束维度上与头部形成互补。

多模型出现显著异动，GPT-6 Sol主榜下降34.8分、代码执行下降47.2分、材料约束下降19.7分，Gemini 2.5 Pro主榜下降33.5分、代码执行下降47.8分，Claude Sonnet 4.6主榜下降31.2分、代码执行下降48.2分。GPT-5.5主榜下降25.4分、代码执行下降45分，GPT-o3主榜下降23.9分、代码执行下降33.7分、材料约束下降11.9分。豆包Pro材料约束暴跌15.3分，Claude Opus 4.7主榜暴跌20.1分，GPT-6 Luna主榜暴跌14.5分，这些变化可能源于题目抽样波动，也可能反映真实退化，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快测为小样本单日信号，以上观察仅反映当日分数结构与异动情况，不做长期推断。

主要变化

• GPT-6 Sol：主榜下降34.8分，代码执行-47.2分，材料约束-19.7分
• Gemini 2.5 Pro：主榜下降33.5分，代码执行-47.8分，材料约束-16分
• Claude Sonnet 4.6：主榜下降31.2分，代码执行-48.2分，材料约束-10.3分
• GPT-5.5：主榜下降25.4分，代码执行-45分
• GPT-o3：主榜下降23.9分，代码执行-33.7分，材料约束-11.9分

需要关注的信号

• 豆包 Pro：材料约束暴跌 -15.3 分
• Claude Opus 4.7：主榜暴跌 -20.1 分
• GPT-6 Luna：主榜暴跌 -14.5 分
• GPT-5.5：主榜暴跌 -25.4 分
• Gemini 2.5 Pro：主榜暴跌 -33.5 分
• GPT-o3：主榜暴跌 -23.9 分
• Claude Sonnet 4.6：主榜暴跌 -31.2 分
• GPT-6 Sol：主榜暴跌 -34.8 分
• GLM-4.6：数据不完整（缺 integrity,communication 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 #381 | 查看原始数据