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
🥇	GLM-4.6 zhipu	51.9 本期 43.8	44.6	25.1	34.1
🥈	DeepSeek V4 Pro DeepSeek	44.2 本期 44.4	90	58.8	66.5
🥉	GPT-6 Sol gpt 2/5回	43.2 本期 41.8	100	85.1	74.2
4	GPT-6 Astra gpt 2/5回	41.7 本期 40.4	100	80.1	68.2
5	GPT-6 Luna gpt 2/5回	41.2 本期 42.9	100	84.7	82.9
6	豆包 Pro doubao	40 本期 43.3	98.7	77.1	79.9
7	GPT-6.1 Sol gpt 2/5回	39.4 本期 39.2	100	79.1	72.2
8	GPT-5.5 gpt	38 本期 38.1	99.8	76.9	68.9
9	Claude Opus 4.7 claude	37.8 本期 35.8	100	83.8	68.6
10	Claude Sonnet 4.6 claude	36.5 本期 39.7	100	84.6	69.9
11	GPT-o3 gpt	35 本期 32.1	98	75.2	65.4
12	Grok 4 grok	33.9 本期 38.1	100	77.6	66.8
13	Gemini 2.5 Pro gemini	33.7 本期 36	91	54	61.8
14	Qwen3 Max qwen	33.7 本期 75	80	54.7	48.1
15	Gemini 3.1 Pro gemini	26.1 本期 23.5	100	55.3	61.9

Run #374 · 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：2026-10-12 05:05 SGT · 模型：15个