GPT-6 Sol以90.51分居首：2026-10-30 Smoke快测数据简报

2026-10-30 赢政指数 Smoke 快测覆盖 13 个模型，GPT-6 Sol 以 90.51 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

今日主榜前三均呈现代码执行满分特征，GPT-6 Sol以主榜90.51位居首位，其代码执行100、材料约束78.9；GPT-6 Astra与GPT-6.1 Sol同为主榜87.4，代码执行均为100、材料约束均为72。GPT-6 Luna主榜80.42，代码执行74.3、材料约束87.9，形成代码偏弱而材料偏强的搭配。GPT-5.5主榜79.1，代码执行75、材料约束84.1，与Gemini 3.1 Pro的代码执行67.7、材料约束84.1形成对比。

DeepSeek V4 Pro主榜-27.3分、代码执行-50分，Gemini 2.5 Pro主榜-24.2分、代码执行-46.5分，豆包Pro主榜-23.6分、代码执行-55.2分、材料约束+15分，GPT-o3主榜-16.2分、代码执行-41.2分、材料约束+14.4分，GPT-6 Luna主榜+13.3分、材料约束+30.3分。Claude Sonnet 4.6主榜暴跌-12.9分，Claude Opus 4.7代码执行暴跌-17.4分，Grok 4主榜暴跌-12.2分。这些单日异动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API故障导致数据不完整，本期未参与排名。Smoke作为小样本单日信号，以上观察仅供参考，不做长期推断。

主要变化

• DeepSeek V4 Pro：主榜下降27.3分，代码执行-50分，诚信pass→warn
• Gemini 2.5 Pro：主榜下降24.2分，代码执行-46.5分
• 豆包 Pro：主榜下降23.6分，代码执行-55.2分，材料约束+15分
• GPT-o3：主榜下降16.2分，代码执行-41.2分，材料约束+14.4分
• GPT-6 Luna：主榜上升13.3分，材料约束+30.3分

需要关注的信号

• Claude Sonnet 4.6：主榜暴跌 -12.9 分
• Claude Opus 4.7：代码执行暴跌 -17.4 分
• GPT-o3：主榜暴跌 -16.2 分
• 豆包 Pro：主榜暴跌 -23.6 分
• Grok 4：主榜暴跌 -12.2 分
• Gemini 2.5 Pro：主榜暴跌 -24.2 分
• DeepSeek V4 Pro：主榜暴跌 -27.3 分
• GLM-4.6：数据不完整（缺 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 #402 | 查看原始数据