2026-10-07 赢政指数 Smoke 快测覆盖 14 个模型，Claude Opus 4.7 以 97.48 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
| 排名 | 模型 | 主榜 | 代码执行 | 材料约束 | 诚信 |
|---|---|---|---|---|---|
| #1 | Claude Opus 4.7 | 97.48 | 100 | 94.4 | pass |
| #2 | Qwen3 Max | 95.12 | 97.5 | 92.2 | pass |
| #3 | GPT-6.1 Sol | 91.32 | 100 | 80.7 | pass |
| #4 | GPT-o3 | 88.8 | 100 | 75.1 | pass |
| #5 | GPT-5.5 | 88.44 | 100 | 74.3 | pass |
| #6 | Grok 4 | 83.98 | 96.8 | 68.3 | pass |
| #7 | GPT-6 Luna | 83.69 | 75 | 94.3 | pass |
| #8 | GPT-6 Sol | 79.75 | 100 | 55 | pass |
| #9 | GPT-6 Astra | 77.57 | 75 | 80.7 | pass |
| #10 | Gemini 3.1 Pro | 76.98 | 78.6 | 75 | pass |
| #11 | Claude Sonnet 4.6 | 69.47 | 75 | 62.7 | pass |
| #12 | 豆包 Pro | 64.04 | 74.3 | 51.5 | pass |
| #13 | DeepSeek V4 Pro | 61.25 | 50 | 75 | pass |
| #14 | Gemini 2.5 Pro | 56.92 | 52.1 | 62.8 | pass |
数据解读
今日主榜前三模型在代码执行与材料约束的搭配上呈现不同侧重。Claude Opus 4.7以代码执行100、材料约束94.4取得主榜97.48，Qwen3 Max代码执行97.5、材料约束92.2对应主榜95.12，GPT-6.1 Sol代码执行100、材料约束80.7对应主榜91.32。GPT-6 Luna代码执行75、材料约束94.3，主榜83.69，显示材料约束相对更强的结构特点。变化较大的模型中，GPT-6.1 Sol主榜上升35.3分、代码执行上升50分、材料约束上升17.4分，Claude Opus 4.7主榜上升30.2分、代码执行上升50分、材料约束上升6.1分，Qwen3 Max主榜上升30.1分、代码执行上升51.5分。
异常信号方面，GPT-6 Sol材料约束暴跌-33.3分，Claude Sonnet 4.6材料约束暴跌-30.6分，豆包Pro材料约束暴跌-16.8分。这些单日数值波动可能源于题目抽样差异，也可能是模型在材料约束维度出现暂时性变化，需后续同口径run复核确认。GLM-4.6因API故障数据不完整，本期未参与排名。Smoke快测为小样本单日信号，以上观察仅反映当日结果。
主要变化
- GPT-6.1 Sol：主榜上升35.3分，代码执行+50分，材料约束+17.4分
- Claude Opus 4.7：主榜上升30.2分，代码执行+50分，材料约束+6.1分
- Qwen3 Max：主榜上升30.1分，代码执行+51.5分
- Gemini 3.1 Pro：主榜上升25.6分，代码执行+36.9分，材料约束+11.7分
- GPT-o3：主榜上升10.8分，代码执行+25分，材料约束-6.6分
需要关注的信号
- GPT-6 Sol：材料约束暴跌 -33.3 分
- Claude Sonnet 4.6：材料约束暴跌 -30.6 分
- 豆包 Pro：材料约束暴跌 -16.8 分
- GLM-4.6：数据不完整（缺 judgment 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 #364 | 查看原始数据
© 2026 Winzheng.com 赢政天下 | 转载请注明来源并附原文链接