Claude Opus 4.7趋势47.8分领跑，GPT-6.1 Sol 7天持平86分

2026-10-26至2026-11-01的7天Smoke评测中，Claude Opus 4.7趋势得分47.8分、末日得分98.79分，成为上升幅度最大的模型。

稳步上升模型的数据事实

GPT-6 Astra首日83.49分、末日97.25分，趋势13.8分，均值86.1分。Claude Sonnet 4.6首日75.73分、末日86.38分，趋势10.7分，均值78.9分。GPT-6 Luna首日62.75分、末日90.93分，趋势28.2分，均值77.8分。GPT-6 Sol首日62.62分、末日85.62分，趋势23分，均值78分。Grok 4首日58.57分、末日82.75分，趋势24.2分，均值71.8分。豆包Pro首日47.92分、末日59.9分，趋势12分，均值66.6分。Gemini 3.1 Pro首日43.09分、末日61分，趋势17.9分，均值67.1分。DeepSeek V4 Pro首日41.99分、末日50.05分，趋势8.1分，均值57.1分。GPT-o3首日35.46分、末日77.49分，趋势42分，均值67.1分。GPT-5.5首日32.15分、末日69.06分，趋势36.9分，均值67.6分。GLM-4.6首日30.39分、末日61.25分，趋势30.9分，均值46.8分。

持平模型与零分模型

GPT-6.1 Sol首日86.05分、末日86分，趋势0分，均值82.5分。Gemini 2.5 Pro首日49.95分、末日50分，趋势0分，均值58.3分。Qwen3 Max首日0分、末日0分，趋势0分，均值0分。

高波动模型的成因分析

Claude Opus 4.7波动47.8分、GPT-5.5波动47分、Gemini 3.1 Pro波动47.3分、GPT-o3波动43分、豆包Pro波动43.1分、DeepSeek V4 Pro波动42.9分。这些数值直接来自每日10题快测的分数标准差计算，max(0,100-stddev×2)公式显示一致性较低。GPT-6 Luna波动28.2分、GPT-6 Sol波动28.6分、Grok 4波动25.3分、GLM-4.6波动30.9分，同样反映多次回答同类题目时分数起伏。

诚信评级变化信号

DeepSeek V4 Pro诚信评级出现pass→pass→pass→pass→warn→pass→pass序列。GLM-4.6诚信评级出现fail→pass→pass→pass→pass→pass→pass序列。GPT-6.1 Sol、GPT-6 Astra、Claude Sonnet 4.6、GPT-6 Luna、GPT-6 Sol、Grok 4、Claude Opus 4.7、Gemini 2.5 Pro、豆包Pro、Gemini 3.1 Pro、GPT-o3、GPT-5.5、Qwen3 Max全程pass。

对使用者的含义

重代码执行的团队可优先考虑GPT-6.1 Sol，其均值82.5分且趋势0分，7天内执行维度表现稳定。材料约束敏感场景适合GPT-6 Astra，其末日97.25分、趋势13.8分，显示 grounding 维度持续改善。依赖一致性输出的开发者需避开Claude Opus 4.7，因其波动47.8分意味着同类提示多次运行时得分差异大。

战略判断

GPT-6.1 Sol以均值82.5分持平86分，在所有模型中保持最高稳定区间，适合作为基准模型。Claude Opus 4.7趋势47.8分与波动47.8分并存，上升由单日高分驱动而非整体一致提升。GLM-4.6从fail转为pass后趋势30.9分，诚信评级改善伴随得分上升。Qwen3 Max均值0分且趋势0分，在本期数据中无可用信号。DeepSeek V4 Pro warn出现后趋势仅8.1分，诚信波动未转化为持续高分。下一期需验证GPT-6 Astra与GPT-o3的趋势是否维持在13.8分与42分以上。

数据来源：赢政指数 (YZ Index) | Run #405 | 查看原始数据