2026-11-18 赢政指数 Smoke 快测覆盖 14 个模型,GPT-6 Astra 以 91.14 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 | GPT-6 Astra | 91.14 | 100 | 80.3 | pass |
| #2 | GPT-6.1 Sol | 90.15 | 100 | 78.1 | pass |
| #3 | GPT-6 Luna | 83.91 | 75 | 94.8 | pass |
| #4 | Grok 4 | 83.9 | 79.4 | 89.4 | pass |
| #5 | Gemini 2.5 Pro | 82.52 | 75 | 91.7 | pass |
| #6 | DeepSeek V4 Pro | 81.48 | 75 | 89.4 | pass |
| #7 | GPT-5.5 | 78.74 | 75 | 83.3 | pass |
| #8 | GPT-6 Sol | 76.4 | 75 | 78.1 | pass |
| #9 | Claude Opus 4.7 | 75.99 | 70 | 83.3 | pass |
| #10 | GPT-o3 | 72.5 | 50 | 100 | pass |
| #11 | 豆包 Pro | 71.81 | 75 | 67.9 | pass |
| #12 | GLM-4.6 | 71.51 | 50 | 97.8 | pass |
| #13 | Claude Sonnet 4.6 | 64.34 | 55.2 | 75.5 | pass |
| #14 | Gemini 3.1 Pro | 58.06 | 50 | 67.9 | pass |
主要变化
- DeepSeek V4 Pro:主榜上升42.2分,代码执行+50分,材料约束+32.7分
- Gemini 2.5 Pro:主榜上升40.2分,代码执行+46.4分,材料约束+32.6分
- Grok 4:主榜上升34.8分,代码执行+28.6分,材料约束+42.4分
- GLM-4.6:主榜上升28.2分,代码执行+25分,材料约束+32分
- GPT-6 Astra:主榜上升25.5分,代码执行+25.2分,材料约束+25.9分
需要关注的信号
- GPT-6 Luna:代码执行暴跌 -24.1 分
- GPT-5.5:代码执行暴跌 -24.8 分
- GPT-6 Sol:代码执行暴跌 -24.1 分
- Claude Opus 4.7:代码执行暴跌 -22.7 分
- GPT-o3:代码执行暴跌 -16.3 分
- Claude Sonnet 4.6:代码执行暴跌 -28.6 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 #432 | 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