GPT-6 Luna以86.95分居首：2026-10-28 Smoke快测数据简报

2026-10-28 赢政指数 Smoke 快测覆盖 13 个模型，GPT-6 Luna 以 86.95 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

主要变化

• 豆包 Pro：主榜上升32.7分，代码执行+50分，材料约束+11.5分
• Gemini 3.1 Pro：主榜下降31.6分，代码执行-50分，材料约束-9.2分
• GPT-6 Sol：主榜上升22分，代码执行+25分，材料约束+18.4分
• GPT-6.1 Sol：主榜上升21分，代码执行+25分，材料约束+16.2分
• Claude Opus 4.7：主榜下降20.9分，代码执行-24.8分，材料约束-16.2分

需要关注的信号

• Grok 4：代码执行暴跌 -20.2 分
• GPT-5.5：代码执行暴跌 -25 分
• Claude Opus 4.7：主榜暴跌 -20.9 分
• Claude Sonnet 4.6：主榜暴跌 -9.9 分
• DeepSeek V4 Pro：主榜暴跌 -11.1 分
• Gemini 3.1 Pro：主榜暴跌 -31.6 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 #399 | 查看原始数据