2026-11-08 赢政指数 Smoke 快测覆盖 13 个模型，GPT-6 Astra 以 90.64 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 | GPT-6 Astra | 90.64 | 100 | 79.2 | pass |
| #2 | GPT-6.1 Sol | 89.65 | 100 | 77 | pass |
| #3 | GPT-6 Luna | 86.23 | 88.3 | 83.7 | pass |
| #4 | GPT-6 Sol | 84.97 | 82.4 | 88.1 | pass |
| #5 | Grok 4 | 77.57 | 64.7 | 93.3 | pass |
| #6 | Claude Sonnet 4.6 | 72.32 | 57.6 | 90.3 | pass |
| #7 | GPT-5.5 | 68.56 | 57.4 | 82.2 | pass |
| #8 | GPT-o3 | 63.44 | 44.4 | 86.7 | warn |
| #9 | 豆包 Pro | 59.56 | 53.3 | 67.2 | warn |
| #10 | Gemini 3.1 Pro | 56.18 | 25.8 | 93.3 | pass |
| #11 | Claude Opus 4.7 | 55.3 | 26 | 91.1 | pass |
| #12 | Gemini 2.5 Pro | 52 | 20 | 91.1 | pass |
| #13 | DeepSeek V4 Pro | 50.74 | 25 | 82.2 | pass |
主要变化
- Claude Opus 4.7：主榜下降23.6分，代码执行-44分
- Gemini 3.1 Pro：主榜下降23.1分，代码执行-49.2分，材料约束+8.8分
- 豆包 Pro：主榜下降20分，代码执行-43.5分，材料约束+8.7分，诚信pass→warn
- GPT-o3：主榜下降19.5分，代码执行-47.2分，材料约束+14.4分，诚信pass→warn
- GPT-5.5：主榜下降13.9分，代码执行-42.4分，材料约束+20.9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 #417 | 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