2026-11-01 赢政指数 Smoke 快测覆盖 13 个模型，Claude Opus 4.7 以 98.79 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
| 排名 | 模型 | 主榜 | 代码执行 | 材料约束 | 诚信 |
|---|---|---|---|---|---|
| #1 | Claude Opus 4.7 | 98.79 | 97.8 | 100 | pass |
| #2 | GPT-6 Astra | 97.25 | 95 | 100 | pass |
| #3 | GPT-6 Luna | 90.93 | 94.3 | 86.8 | pass |
| #4 | Claude Sonnet 4.6 | 86.38 | 95.6 | 75.1 | pass |
| #5 | GPT-6.1 Sol | 86 | 95 | 75 | pass |
| #6 | GPT-6 Sol | 85.62 | 94.3 | 75 | pass |
| #7 | Grok 4 | 82.75 | 78.2 | 88.3 | pass |
| #8 | GPT-o3 | 77.49 | 89.1 | 63.3 | pass |
| #9 | GPT-5.5 | 69.06 | 75 | 61.8 | pass |
| #10 | Gemini 3.1 Pro | 61 | 70 | 50 | pass |
| #11 | 豆包 Pro | 59.9 | 78.8 | 36.8 | pass |
| #12 | DeepSeek V4 Pro | 50.05 | 50 | 50.1 | pass |
| #13 | Gemini 2.5 Pro | 50 | 50 | 50 | pass |
主要变化
- DeepSeek V4 Pro：主榜下降34.8分，代码执行-44分，材料约束-23.6分
- Gemini 3.1 Pro：主榜下降29.4分，代码执行-24分，材料约束-35.9分
- 豆包 Pro：主榜下降28.6分，材料约束-60.2分
- Gemini 2.5 Pro：主榜下降28.1分，代码执行-31.3分，材料约束-24.2分
- Claude Opus 4.7：主榜上升15.8分，代码执行+28.8分
需要关注的信号
- Grok 4：代码执行暴跌 -15.8 分
- GPT-o3：材料约束暴跌 -25 分
- GLM-4.6：数据不完整（缺 judgment,communication 维度，API 故障/超时），已进入自动补跑，本期不参与排名
- Gemini 3.1 Pro：主榜暴跌 -29.4 分
- 豆包 Pro：主榜暴跌 -28.6 分
- DeepSeek V4 Pro：主榜暴跌 -34.8 分
- Gemini 2.5 Pro：主榜暴跌 -28.1 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 #405 | 查看原始数据
© 2026 Winzheng.com 赢政天下 | 转载请注明来源并附原文链接