Claude Opus 4.7以83.48分居首：2026-11-14 Smoke快测数据简报

2026-11-14 赢政指数 Smoke 快测覆盖 13 个模型，Claude Opus 4.7 以 83.48 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

数据解读

从分数结构看，Claude Opus 4.7以主榜83.48位居首位，其代码执行94.5与材料约束70形成较均衡搭配，材料约束得分在头部模型中最高；GPT-6 Luna、GPT-5.5、豆包Pro、GPT-6.1 Sol及Claude Sonnet 4.6均呈现代码执行94.5的高位，而材料约束分别停留在54.8、54.3、47.6、44.8与41.4，显示代码执行强势、材料约束相对偏弱的共同特征；Grok 4与GPT-6 Sol则代码执行88.8、91.3，材料约束44.8、34.8，整体主榜69与65.88。

异常信号中，GPT-6 Astra主榜暴跌-27.3分伴随材料约束-60.2分，GPT-6 Luna主榜+16.3分伴随材料约束+35分，豆包Pro主榜+15.8分伴随代码执行+19.5分与材料约束+11.3分，GPT-o3主榜-14.2分伴随材料约束-27.2分，Claude Sonnet 4.6主榜-11.7分伴随代码执行-5分与材料约束-19.9分，这些单日大幅波动可能源于题目抽样波动，也可能反映真实退化，需后续run复核确认；Claude Opus 4.7主榜暴跌-11.4分、Grok 4材料约束暴跌-16.5分、Gemini 2.5 Pro材料约束暴跌-16.5分、Gemini 3.1 Pro代码执行暴跌-30.5分同样提示小样本信号的局限性。

GLM-4.6与Qwen3 Max因数据不完整未参与排名，已进入自动补跑，本期Smoke快测结果仅作当日参考。

主要变化

• GPT-6 Astra：主榜下降27.3分，材料约束-60.2分
• GPT-6 Luna：主榜上升16.3分，材料约束+35分
• 豆包 Pro：主榜上升15.8分，代码执行+19.5分，材料约束+11.3分
• GPT-o3：主榜下降14.2分，材料约束-27.2分
• Claude Sonnet 4.6：主榜下降11.7分，代码执行-5分，材料约束-19.9分

需要关注的信号

• Claude Opus 4.7：主榜暴跌 -11.4 分
• Claude Sonnet 4.6：主榜暴跌 -11.7 分
• Grok 4：材料约束暴跌 -16.5 分
• GPT-o3：主榜暴跌 -14.2 分
• GPT-6 Astra：主榜暴跌 -27.3 分
• Gemini 2.5 Pro：材料约束暴跌 -16.5 分
• Gemini 3.1 Pro：代码执行暴跌 -30.5 分
• GLM-4.6：数据不完整（缺 judgment,integrity,communication 维度，API 故障/超时），已进入自动补跑，本期不参与排名
• 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 #426 | 查看原始数据