2026-09-19 赢政指数 Smoke 快测覆盖 10 个模型，Claude Opus 4.7 以 92.49 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 | Claude Opus 4.7 | 92.49 | 100 | 83.3 | pass |
| #2 | Grok 4 | 88.33 | 96.7 | 78.1 | warn |
| #3 | Claude Sonnet 4.6 | 78.72 | 96 | 57.6 | pass |
| #4 | GPT-o3 | 77.57 | 75 | 80.7 | pass |
| #5 | GPT-5.5 | 77.23 | 83.3 | 69.8 | pass |
| #6 | Qwen3 Max | 77.01 | 98.7 | 50.5 | warn |
| #7 | 豆包 Pro | 76.88 | 96 | 53.5 | pass |
| #8 | Gemini 2.5 Pro | 72.22 | 73.7 | 70.4 | pass |
| #9 | Gemini 3.1 Pro | 58.91 | 50 | 69.8 | pass |
| #10 | DeepSeek V4 Pro | 55.02 | 25 | 91.7 | pass |
主要变化
- GPT-o3：主榜下降21.4分，代码执行-25分，材料约束-17.1分
- Gemini 2.5 Pro：主榜下降18.7分，代码执行-26.3分，材料约束-9.4分
- Claude Sonnet 4.6：主榜下降15.6分，材料约束-30.3分
- GPT-5.5：主榜下降15分，代码执行-11.7分，材料约束-19.1分
- DeepSeek V4 Pro：主榜下降12.5分，代码执行-25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 #329 | 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