2026-11-05 赢政指数 Smoke 快测覆盖 13 个模型，GPT-6 Astra 与 GPT-6.1 Sol 以 81.66 分并列当日首位。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 | GPT-6 Astra | 81.66 | 75 | 89.8 | pass |
| #2 | GPT-6.1 Sol | 81.66 | 75 | 89.8 | pass |
| #3 | DeepSeek V4 Pro | 77.1 | 66.7 | 89.8 | pass |
| #4 | Gemini 3.1 Pro | 77.1 | 66.7 | 89.8 | pass |
| #5 | GPT-6 Sol | 75.13 | 74.5 | 75.9 | pass |
| #6 | Grok 4 | 70.44 | 54.6 | 89.8 | warn |
| #7 | 豆包 Pro | 70.16 | 50 | 94.8 | pass |
| #8 | Claude Sonnet 4.6 | 68.99 | 49.5 | 92.8 | pass |
| #9 | GPT-6 Luna | 61.66 | 50 | 75.9 | pass |
| #10 | Gemini 2.5 Pro | 57.63 | 31.3 | 89.8 | pass |
| #11 | GPT-5.5 | 54.16 | 25 | 89.8 | pass |
| #12 | GPT-o3 | 54.16 | 25 | 89.8 | pass |
| #13 | Claude Opus 4.7 | 51.08 | 19.4 | 89.8 | pass |
数据解读
今日赢政指数Smoke快测中，GPT-6 Astra与GPT-6.1 Sol并列主榜81.66分，二者代码执行均为75、材料约束均为89.8，显示出代码执行与材料约束的均衡搭配。DeepSeek V4 Pro和Gemini 3.1 Pro同以主榜77.1分紧随，其代码执行66.7、材料约束89.8的结构同样突出材料约束优势。GPT-6 Sol主榜75.13分则来自代码执行74.5与材料约束75.9的相对均衡组合，而豆包Pro主榜70.16分依赖代码执行50与材料约束94.8的材料约束主导模式。
Claude Opus 4.7主榜下滑42.4分、代码执行下滑68.7分、材料约束下滑10.2分，GPT-5.5主榜下滑40.6分且代码执行下滑74.3分，GPT-o3主榜下滑38.4分且代码执行下滑71.1分，这些显著变化可能源于题目抽样波动，也可能反映单日真实表现退化。Gemini 3.1 Pro主榜上升36.5分、代码执行上升35.9分、材料约束上升37.2分，以及DeepSeek V4 Pro主榜上升34.4分、代码执行上升41.7分、材料约束上升25.5分，同样需后续同口径run复核以确认信号稳定性。
Smoke快测为小样本单日信号，头部模型在材料约束89.8分区间保持较高主榜表现，而代码执行与材料约束强弱搭配差异直接影响core_overall计算结果。所有解读均基于今日数据，避免对模型长期状态下结论。
主要变化
- Claude Opus 4.7：主榜下降42.4分，代码执行-68.7分，材料约束-10.2分
- GPT-5.5：主榜下降40.6分，代码执行-74.3分
- GPT-o3：主榜下降38.4分，代码执行-71.1分
- Gemini 3.1 Pro：主榜上升36.5分，代码执行+35.9分，材料约束+37.2分
- DeepSeek V4 Pro：主榜上升34.4分，代码执行+41.7分，材料约束+25.5分
需要关注的信号
- 本次未保留可发布的异常信号。
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 #413 | 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