首页 > 资讯 > GPT-6 Astra以91.14分居首:2026-11-18 Smoke快测数据简报

GPT-6 Astra以91.14分居首:2026-11-18 Smoke快测数据简报

赢政天下 2026-11-18 03:35 21 阅读 查看原文

2026-11-18 赢政指数 Smoke 快测覆盖 14 个模型,GPT-6 Astra 以 91.14 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 91.14 100 80.3 pass
#2 GPT-6.1 Sol 90.15 100 78.1 pass
#3 GPT-6 Luna 83.91 75 94.8 pass
#4 Grok 4 83.9 79.4 89.4 pass
#5 Gemini 2.5 Pro 82.52 75 91.7 pass
#6 DeepSeek V4 Pro 81.48 75 89.4 pass
#7 GPT-5.5 78.74 75 83.3 pass
#8 GPT-6 Sol 76.4 75 78.1 pass
#9 Claude Opus 4.7 75.99 70 83.3 pass
#10 GPT-o3 72.5 50 100 pass
#11 豆包 Pro 71.81 75 67.9 pass
#12 GLM-4.6 71.51 50 97.8 pass
#13 Claude Sonnet 4.6 64.34 55.2 75.5 pass
#14 Gemini 3.1 Pro 58.06 50 67.9 pass

主要变化

  • DeepSeek V4 Pro:主榜上升42.2分,代码执行+50分,材料约束+32.7分
  • Gemini 2.5 Pro:主榜上升40.2分,代码执行+46.4分,材料约束+32.6分
  • Grok 4:主榜上升34.8分,代码执行+28.6分,材料约束+42.4分
  • GLM-4.6:主榜上升28.2分,代码执行+25分,材料约束+32分
  • GPT-6 Astra:主榜上升25.5分,代码执行+25.2分,材料约束+25.9分

需要关注的信号

  • GPT-6 Luna:代码执行暴跌 -24.1 分
  • GPT-5.5:代码执行暴跌 -24.8 分
  • GPT-6 Sol:代码执行暴跌 -24.1 分
  • Claude Opus 4.7:代码执行暴跌 -22.7 分
  • GPT-o3:代码执行暴跌 -16.3 分
  • Claude Sonnet 4.6:代码执行暴跌 -28.6 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 #432 | 查看原始数据