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
43.8
本期 40.2 		96.8 71.2 72.4
🥈 豆包 Pro doubao
38.4
本期 38.9 		92 64.2 74.1
🥉 Claude Opus 4.7 claude
38.1
本期 36.4 		100 84.3 68.5
4 GPT-5.5 gpt
37.6
本期 34 		100 78.7 69.3
5 Gemini 2.5 Pro gemini
36.4
本期 34.8 		92.3 60.7 64.5
6 GPT-o3 gpt
36
本期 34 		98 73.9 65.6
7 GLM-4.6 zhipu
33.3
本期 31.7 		67.8 40.6 49.8
8 Claude Sonnet 4.6 claude
31.7
本期 32.2 		100 79.9 67.9
9 Grok 4 grok
31.6
本期 29.4 		100 75.4 66.7
10 Gemini 3.1 Pro gemini
23.7
本期 23.4 		100 55.4 60.8
11 Qwen3 Max qwen
23.2
本期 21.8 		100 70.5 61

Run #259 · 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：2026-08-03 05:03 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