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
38.9
本期 38.8 		99.8 93.1 85.8
🥈 Gemini 2.5 Pro gemini
36.6
本期 37.7 		100 91 77.2
🥉 Claude Opus 4.6 claude
36.6
本期 35.2 		100 88.3 69
4 Claude Sonnet 4.6 claude
36.1
本期 35.7 		99.8 88.3 72.4
5 Grok 3 grok
34.4
本期 35.5 		99.3 84.8 73.4
6 DeepSeek V3 DeepSeek
32.9
本期 32.8 		100 88.7 82.9
7 DeepSeek R1 DeepSeek
32.2
本期 30.2 		100 87.6 80.9
8 GPT-o3 gpt
31.7
本期 28.9 		88.3 77.6 62
9 Qwen Max qwen
31.6
本期 32.7 		100 79.5 73.8
10 文心一言 4.0 ernie
29.9
本期 31.3 		99.8 79.6 79.5
11 GPT-4o gpt
29.6
本期 30.4 		87.8 75.7 63.3

Run #87 · 公式 v7 · 判分 v6 · 题库 v6

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：2026-04-27 04:18 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