YZ Index

YZ指数 · 安定性排行榜

重复相同题目，回答是否一致？注意：衡量的是可靠度而非正确率。

主榜代码执行排行榜材料约束排行榜工程判断排行榜任务表达排行榜性价比排行榜变动

排行榜基于最近5次评测的滚动平均，而非单次成绩

#	模型	安定性	可用性	代码执行	主评分
🥇	豆包 Pro doubao 1/5回	71.2 本期 66.7	100	93.9	91.3
🥈	Grok 4 grok 1/5回	68.6 本期 48.2	100	93.9	79.9
🥉	Claude Opus 4.7 claude 1/5回	67.7 本期 67.3	100	89.3	77
4	Gemini 2.5 Pro gemini 1/5回	66 本期 55.8	99	86.8	81.2
5	Gemini 3.1 Pro gemini 1/5回	63.2 本期 28.3	99	86.8	77.9
6	Claude Sonnet 4.6 claude 1/5回	62.7 本期 58	100	85.8	79
7	Qwen3 Max qwen 1/5回	59.8 本期 51	100	88.1	82.1
8	DeepSeek V4 Pro DeepSeek 1/5回	59.1 本期 60.6	100	86.8	77.5
9	GPT-o3 gpt 1/5回	58 本期 55.7	100	82.2	73
10	GPT-5.5 gpt 1/5回	51.8 本期 58.8	100	78.6	72.5
11	文心一言 4.5 ernie 1/5回	44.2 本期 26.4	100	83.6	78.8

Run #180 · 公式 v7 · 判分 v6.3 · 题库 v7

排行榜基于最近5次同版本完整评测的滚动平均 · 最新评测：2026-06-15 09:25 SGT · 模型：11个