2026-11-03 赢政指数 Smoke 快测覆盖 13 个模型，GPT-5.5 与 GPT-6 Astra 与 GPT-6 Luna 与 GPT-6 Sol 以 87.27 分并列当日首位。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 | GPT-5.5 | 87.27 | 100 | 71.7 | pass |
| #2 | GPT-6 Astra | 87.27 | 100 | 71.7 | pass |
| #3 | GPT-6 Luna | 87.27 | 100 | 71.7 | pass |
| #4 | GPT-6 Sol | 87.27 | 100 | 71.7 | pass |
| #5 | Claude Sonnet 4.6 | 84.9 | 88.9 | 80 | pass |
| #6 | GPT-6.1 Sol | 81.64 | 100 | 59.2 | pass |
| #7 | DeepSeek V4 Pro | 77.25 | 75 | 80 | pass |
| #8 | Claude Opus 4.7 | 75.99 | 70 | 83.3 | pass |
| #9 | GPT-o3 | 74.84 | 94.5 | 50.8 | pass |
| #10 | Gemini 3.1 Pro | 74.31 | 96.9 | 46.7 | pass |
| #11 | 豆包 Pro | 69.91 | 88.9 | 46.7 | pass |
| #12 | Grok 4 | 68.07 | 58.3 | 80 | pass |
| #13 | Gemini 2.5 Pro | 63.69 | 70.8 | 55 | pass |
数据解读
今日赢政指数Smoke快测中，GPT-5.5、GPT-6 Astra、GPT-6 Luna与GPT-6 Sol四模型主榜同为87.27，其代码执行均为100、材料约束均为71.7，显示出代码执行高分与材料约束中档的搭配结构。Claude Sonnet 4.6主榜84.9，代码执行88.9、材料约束80，呈现相对均衡的得分分布。DeepSeek V4 Pro与Claude Opus 4.7则分别以代码执行75、材料约束80和代码执行70、材料约束83.3的组合位列中游，主榜分别为77.25与75.99。
与上一同口径run相比，DeepSeek V4 Pro主榜上升43.5分，代码执行上升75分、材料约束上升5分；Gemini 3.1 Pro主榜上升27.8分，代码执行上升71.9分、材料约束下降26.1分；豆包Pro主榜上升23.4分，代码执行上升63.9分、材料约束下降26.1分；GPT-o3主榜上升15.8分，代码执行上升44.5分、材料约束下降19.2分；GPT-5.5主榜上升14.8分，代码执行上升50分、材料约束下降28.3分。这些升降均来自单日小样本测试。
上述分数变化可能源于题目抽样波动，也可能反映模型在特定约束下的真实表现差异，需后续run复核以确认稳定性。Smoke快测作为小样本单日信号，当前数据仅供当日观察，不做长期推断。
主要变化
- DeepSeek V4 Pro：主榜上升43.5分，代码执行+75分，材料约束+5分
- Gemini 3.1 Pro：主榜上升27.8分，代码执行+71.9分，材料约束-26.1分
- 豆包 Pro：主榜上升23.4分，代码执行+63.9分，材料约束-26.1分
- GPT-o3：主榜上升15.8分，代码执行+44.5分，材料约束-19.2分
- GPT-5.5：主榜上升14.8分，代码执行+50分，材料约束-28.3分
需要关注的信号
- 本次未保留可发布的异常信号。
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 #409 | 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