首页 > 资讯 > 豆包 Pro以91.11分居首:2026-11-21 Smoke快测数据简报

豆包 Pro以91.11分居首:2026-11-21 Smoke快测数据简报

赢政天下 2026-11-21 03:35 30 阅读 查看原文

2026-11-21 赢政指数 Smoke 快测覆盖 13 个模型,豆包 Pro 以 91.11 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 豆包 Pro 91.11 98.8 81.7 pass
#2 Grok 4 80.58 98.8 58.3 pass
#3 GPT-6 Luna 80.13 99.3 56.7 pass
#4 GPT-o3 77.61 98.8 51.7 pass
#5 Gemini 3.1 Pro 72.75 75 70 pass
#6 Claude Opus 4.7 72.37 74.3 70 pass
#7 GPT-6.1 Sol 72.37 74.3 70 pass
#8 Gemini 2.5 Pro 69.74 75 63.3 pass
#9 GPT-6 Astra 69.35 74.3 63.3 pass
#10 GPT-6 Sol 69.35 74.3 63.3 pass
#11 Claude Sonnet 4.6 69.08 73.8 63.3 pass
#12 DeepSeek V4 Pro 67.49 75 58.3 pass
#13 GPT-5.5 55.65 49.3 63.4 pass

主要变化

  • GPT-6 Luna:主榜上升24.2分,代码执行+54.7分,材料约束-13.1分
  • Claude Opus 4.7:主榜下降19.8分,代码执行-20.2分,材料约束-19.3分
  • GPT-o3:主榜上升19.7分,代码执行+53.3分,材料约束-21.4分
  • GPT-6 Astra:主榜下降19.6分,代码执行-22.5分,材料约束-16分
  • Gemini 3.1 Pro:主榜上升17.7分,代码执行+45.5分,材料约束-16.3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 #437 | 查看原始数据