2026-10-12 赢政指数 Smoke 快测覆盖 14 个模型GPT-6 Astra 与 GPT-6.1 Sol 以 84.99 分并列当日首位。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#1GPT-6 Astra84.999770.3pass#2GPT-6.1 Sol84.999770.3pass#3豆包 Pro84.6691.576.3pass#4GPT-6 Sol82.7994.868.1pass#5GPT-6 Luna78.559756pass#6Claude Sonnet 4.673.947276.3pass#7DeepSeek V4 Pro72.597273.3pass#8GPT-5.572.597273.3pass#9Gemini 3.1 Pro71.67271.1pass#10GPT-o371.3869.873.3pass#11Gemini 2.5 Pro71.2169.573.3pass#12Grok 468.0263.773.3pass#13Claude Opus 4.758.844773.3pass#14GLM-4.641.1816.771.1pass数据解读今日主榜前两名GPT-6 Astra与GPT-6.1 Sol均呈现代码执行97、材料约束70.3的结构主榜同为84.99豆包Pro代码执行91.5、材料约束76.3主榜84.66显示材料约束相对更强的搭配。GPT-6 Luna代码执行97、材料约束56主榜78.55体现代码执行主导的特征。Claude Sonnet 4.6代码执行72、材料约束76.3主榜73.94与DeepSeek V4 Pro和GPT-5.5同分段的材料约束73.3形成对比。豆包Pro主榜29.9分、代码执行44.5分、材料约束12分GPT-5.5主榜24.2分、代码执行25分、材料约束23.3分DeepSeek V4 Pro主榜23.1分、代码执行25分、材料约束20.7分GPT-6 Sol主榜16.8分、代码执行47.8分、材料约束-21.2分反映单日代码执行与材料约束搭配的明显起伏。GPT-6 Astra材料约束暴跌-19分、GPT-6.1 Sol材料约束暴跌-19分、Gemini 2.5 Pro材料约束暴跌-16分、Claude Opus 4.7主榜暴跌-21分、GLM-4.6主榜暴跌-13.6分这些异常信号可能源于题目抽样波动也可能是真实退化迹象需后续run复核确认。Smoke为小样本单日信号以上解读仅基于当日数据结构不做长期判断。主要变化豆包 Pro主榜上升29.9分代码执行44.5分材料约束12分GPT-5.5主榜上升24.2分代码执行25分材料约束23.3分DeepSeek V4 Pro主榜上升23.1分代码执行25分材料约束20.7分Claude Opus 4.7主榜下降21分代码执行-25分材料约束-16分GPT-6 Sol主榜上升16.8分代码执行47.8分材料约束-21.2分需要关注的信号GPT-6 Astra材料约束暴跌 -19 分GPT-6.1 Sol材料约束暴跌 -19 分GPT-6 Sol材料约束暴跌 -21.2 分Gemini 2.5 Pro材料约束暴跌 -16 分Claude Opus 4.7主榜暴跌 -21 分GLM-4.6主榜暴跌 -13.6 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 #373本文首发于赢政天下 (https://www.winzheng.com/review/yz-smoke-brief-20261012-run-373)获取更多深度技术内容与资源欢迎访问官网。
2026-10-12 赢政指数 Smoke 快测覆盖 14 个模型GPT-6 Astra 与 GPT-6.1 Sol 以 84.99 分并列当日首位。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#1GPT-6 Astra84.999770.3pass#2GPT-6.1 Sol84.999770.3pass#3豆包 Pro84.6691.576.3pass#4GPT-6 Sol82.7994.868.1pass#5GPT-6 Luna78.559756pass#6Claude Sonnet 4.673.947276.3pass#7DeepSeek V4 Pro72.597273.3pass#8GPT-5.572.597273.3pass#9Gemini 3.1 Pro71.67271.1pass#10GPT-o371.3869.873.3pass#11Gemini 2.5 Pro71.2169.573.3pass#12Grok 468.0263.773.3pass#13Claude Opus 4.758.844773.3pass#14GLM-4.641.1816.771.1pass数据解读今日主榜前两名GPT-6 Astra与GPT-6.1 Sol均呈现代码执行97、材料约束70.3的结构主榜同为84.99豆包Pro代码执行91.5、材料约束76.3主榜84.66显示材料约束相对更强的搭配。GPT-6 Luna代码执行97、材料约束56主榜78.55体现代码执行主导的特征。Claude Sonnet 4.6代码执行72、材料约束76.3主榜73.94与DeepSeek V4 Pro和GPT-5.5同分段的材料约束73.3形成对比。豆包Pro主榜29.9分、代码执行44.5分、材料约束12分GPT-5.5主榜24.2分、代码执行25分、材料约束23.3分DeepSeek V4 Pro主榜23.1分、代码执行25分、材料约束20.7分GPT-6 Sol主榜16.8分、代码执行47.8分、材料约束-21.2分反映单日代码执行与材料约束搭配的明显起伏。GPT-6 Astra材料约束暴跌-19分、GPT-6.1 Sol材料约束暴跌-19分、Gemini 2.5 Pro材料约束暴跌-16分、Claude Opus 4.7主榜暴跌-21分、GLM-4.6主榜暴跌-13.6分这些异常信号可能源于题目抽样波动也可能是真实退化迹象需后续run复核确认。Smoke为小样本单日信号以上解读仅基于当日数据结构不做长期判断。主要变化豆包 Pro主榜上升29.9分代码执行44.5分材料约束12分GPT-5.5主榜上升24.2分代码执行25分材料约束23.3分DeepSeek V4 Pro主榜上升23.1分代码执行25分材料约束20.7分Claude Opus 4.7主榜下降21分代码执行-25分材料约束-16分GPT-6 Sol主榜上升16.8分代码执行47.8分材料约束-21.2分需要关注的信号GPT-6 Astra材料约束暴跌 -19 分GPT-6.1 Sol材料约束暴跌 -19 分GPT-6 Sol材料约束暴跌 -21.2 分Gemini 2.5 Pro材料约束暴跌 -16 分Claude Opus 4.7主榜暴跌 -21 分GLM-4.6主榜暴跌 -13.6 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 #373本文首发于赢政天下 (https://www.winzheng.com/review/yz-smoke-brief-20261012-run-373)获取更多深度技术内容与资源欢迎访问官网。
