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
🥇 DeepSeek V4 Pro DeepSeek
44.3
本期 41.4 		86.6 49.3 62.4
🥈 GLM-4.6 zhipu
43.9
本期 75 		54.6 38.7 40.8
🥉 豆包 Pro doubao
42.3
本期 34.7 		98.3 74.1 79.7
4 Claude Opus 4.7 claude
39.8
本期 34.9 		100 86.9 69.3
5 GPT-5.5 gpt
37.8
本期 35.9 		100 76.9 68.6
6 GPT-o3 gpt
37.3
本期 32.1 		97.8 73.6 65.1
7 Gemini 2.5 Pro gemini
34.6
本期 28.9 		90.6 55.8 62.2
8 Claude Sonnet 4.6 claude
34.2
本期 33 		100 77.6 67.7
9 Grok 4 grok
32
本期 29.7 		100 74.3 65.5
10 Qwen3 Max qwen
23.2
本期 22.6 		100 73.5 61.9
11 Gemini 3.1 Pro gemini
23
本期 26.1 		100 50.6 59.4

Run #323 · 公式 v7 · 判分 v6.4 · 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：2026-09-14 05:06 SGT · 模型：11个

YZ指数 YZ Index — 机器评分，机器计算变动，每周自动更新