Gemini 3.1 Pro以98.35分居首：2026-09-10 Smoke快测数据简报

2026-09-10 赢政指数 Smoke 快测覆盖 10 个模型，Gemini 3.1 Pro 以 98.35 分位居当日首位。Smoke 为每日 10 题快测，适合观察短期信号，不等同 Full 周榜结论。

本次 Smoke 评测只覆盖代码执行和材料约束两个主榜维度，主榜公式为 0.55 × 代码执行 + 0.45 × 材料约束。由于每日样本量较小，单日分数更适合作为监控信号，而不是对模型能力做长期定论。

当日排名

数据解读

今日赢政指数Smoke快测中，Gemini 3.1 Pro以主榜98.35位居首位，其代码执行97与材料约束100形成均衡高位搭配，豆包Pro主榜94.45、代码执行91.7、材料约束97.8紧随其后，Grok 4主榜93.79、代码执行88.7、材料约束100同样体现材料约束满分优势。Gemini 2.5 Pro主榜88.75、代码执行100但材料约束75，DeepSeek V4 Pro主榜86.25、代码执行75、材料约束100则呈现材料约束主导的结构特点。

与上一同口径run相比，Gemini 3.1 Pro主榜+24.1分、代码执行+20.5分、材料约束+28.6分，Gemini 2.5 Pro主榜+15.2分、代码执行+30.5分，DeepSeek V4 Pro主榜+9.8分、代码执行+5.5分、材料约束+15分，显示头部模型在代码执行与材料约束双维度同步提升。Claude Sonnet 4.6主榜-8.5分、代码执行-22.5分、材料约束+8.6分，GPT-o3主榜-7.9分、代码执行-24.7分、材料约束+12.6分，异常信号集中于代码执行暴跌。

GPT-5.5代码执行暴跌-22.5分、GPT-o3代码执行暴跌-24.7分、Claude Opus 4.7代码执行暴跌-16.9分、Claude Sonnet 4.6主榜暴跌-8.5分，可能源于题目抽样波动或真实退化，需后续run复核确认。GLM-4.6因数据不完整未参与排名，Smoke作为小样本单日信号，上述变化仅供当日观察。

主要变化

• Gemini 3.1 Pro：主榜上升24.1分，代码执行+20.5分，材料约束+28.6分
• Gemini 2.5 Pro：主榜上升15.2分，代码执行+30.5分
• DeepSeek V4 Pro：主榜上升9.8分，代码执行+5.5分，材料约束+15分
• Claude Sonnet 4.6：主榜下降8.5分，代码执行-22.5分，材料约束+8.6分
• GPT-o3：主榜下降7.9分，代码执行-24.7分，材料约束+12.6分

需要关注的信号

• GPT-5.5：代码执行暴跌 -22.5 分
• GPT-o3：代码执行暴跌 -24.7 分
• Claude Opus 4.7：代码执行暴跌 -16.9 分
• Claude Sonnet 4.6：主榜暴跌 -8.5 分
• GLM-4.6：数据不完整（缺 execution,grounding,judgment,integrity,communication 维度，API 故障/超时），已进入自动补跑，本期不参与排名

读这类 Smoke 简报时，重点应放在两个问题上：第一，某个模型是否连续多日暴露同一类弱点；第二，诚信评级是否从 pass 进入 warn 或 fail。单日执行或约束分数的大幅变化，可能来自题目抽样，也可能是真实退化的早期信号，需要后续 run 复核。

数据来源：赢政指数 (YZ Index) | Run #317 | 查看原始数据