GPT-5.5以93.54分居首：2026-10-19 Smoke快测数据简报

2026-10-19 赢政指数 Smoke 快测覆盖 14 个模型，GPT-5.5 以 93.54 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，GPT-5.5以主榜93.54位居首位，其代码执行97与材料约束89.3的搭配形成均衡优势；Grok 4紧随其后，主榜92.6同样依赖代码执行95.3与材料约束89.3的组合。GPT-6 Astra、GPT-6 Sol及GPT-6.1 Sol三者主榜均为82.33，代码执行同为97但材料约束仅64.4，显示代码执行侧重下的结构特征。Claude Opus 4.7主榜79.79，代码执行72与材料约束89.3的搭配则呈现材料约束相对更突出的模式。

GPT-6.1 Sol主榜较前次同口径run上升28分，代码执行上升43.9分；GPT-5.5主榜上升25.4分，代码执行上升38.7分；GPT-6 Astra主榜上升23.8分，代码执行上升38.7分；GPT-6 Luna主榜上升22.3分，代码执行上升43.9分；Grok 4主榜上升20.5分，代码执行上升22.4分且材料约束上升18.2分。这些单日升幅均来自小样本测试，需后续run复核以区分抽样波动与实际变化。

异常信号方面，DeepSeek V4 Pro主榜暴跌18.6分，GLM-4.6材料约束暴跌30.2分，Qwen3 Max因API故障导致数据不完整而未参与排名。以上波动在Smoke小样本单日信号下可能源于题目抽样波动或临时运行差异，均需后续完整run复核确认，无法据此形成长期判断。

主要变化

• GPT-6.1 Sol：主榜上升28分，代码执行+43.9分，材料约束+8.5分
• GPT-5.5：主榜上升25.4分，代码执行+38.7分，材料约束+9.1分
• GPT-6 Astra：主榜上升23.8分，代码执行+38.7分，材料约束+5.5分
• GPT-6 Luna：主榜上升22.3分，代码执行+43.9分
• Grok 4：主榜上升20.5分，代码执行+22.4分，材料约束+18.2分

需要关注的信号

• DeepSeek V4 Pro：主榜暴跌 -18.6 分
• GLM-4.6：材料约束暴跌 -30.2 分
• 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 #385 | 查看原始数据