GPT-6 Astra以93.05分居首：2026-11-07 Smoke快测数据简报

2026-11-07 赢政指数 Smoke 快测覆盖 14 个模型，GPT-6 Astra 以 93.05 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 Smoke 快测中，GPT-6 Astra 主榜 93.05 领先，其代码执行 99.8 与材料约束 84.8 的强强搭配形成明显优势。GPT-6 Luna 与 GPT-6 Sol 代码执行同为 99.8，材料约束分别为 71.3 和 69.5，主榜分别为 86.98 和 86.17。Claude Opus 4.7 材料约束 89.8 较高，但代码执行 70，主榜 78.91，呈现材料约束强、代码执行相对弱的结构特点。Gemini 3.1 Pro 代码执行 75、材料约束 84.5，主榜 79.28，同样体现材料约束对排名的支撑作用。

GPT-6 Luna 主榜较前次上升 22.9 分，代码执行增加 49.8 分、材料约束下降 10.1 分；GPT-6 Sol 主榜上升 18.1 分，代码执行增加 30.3 分；GLM-4.6 主榜上升 15.7 分，代码执行增加 30.5 分；GPT-o3 主榜上升 15.1 分，代码执行增加 22.1 分、材料约束增加 6.6 分；GPT-6 Astra 主榜上升 13.8 分，材料约束增加 24.1 分。这些异动可能源于单日题目抽样波动，需后续 run 复核确认是否反映真实变化。

异常信号方面，GPT-5.5 材料约束下降 18 分，豆包 Pro 主榜下降 8 分，Gemini 2.5 Pro 主榜下降 9.5 分，DeepSeek V4 Pro 主榜下降 10.2 分。Qwen3 Max 因数据不完整未参与排名。Smoke 测试为小样本单日信号，以上波动需多次 run 验证稳定性，不作长期判断。

主要变化

• GPT-6 Luna：主榜上升22.9分，代码执行+49.8分，材料约束-10.1分
• GPT-6 Sol：主榜上升18.1分，代码执行+30.3分
• GLM-4.6：主榜上升15.7分，代码执行+30.5分
• GPT-o3：主榜上升15.1分，代码执行+22.1分，材料约束+6.6分，诚信warn→pass
• GPT-6 Astra：主榜上升13.8分，代码执行+5.3分，材料约束+24.1分

需要关注的信号

• GPT-5.5：材料约束暴跌 -18 分
• 豆包 Pro：主榜暴跌 -8 分
• Gemini 2.5 Pro：主榜暴跌 -9.5 分
• DeepSeek V4 Pro：主榜暴跌 -10.2 分
• Qwen3 Max：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 #415 | 查看原始数据