GPT-6 Astra与GPT-6.1 Sol并列84.99分：Smoke快测14个模型
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。
2026-10-12 的赢政指数 Smoke 快测一共跑了 14 个模型，
GPT-6 Astra 和 GPT-6.1 Sol 拿到 84.99 分，并列当天第一。Smoke 属于每天 10 道题的快测，看短期信号还行，跟 Full 周榜的结论不是一回事。
这一轮 Smoke 只涉及代码执行、材料约束两个主榜维度，主榜的计算方式是 0.55 × 代码执行 + 0.45 × 材料约束。每天样本量摆在那里，单日分数当监控信号用更合适，拿它给模型能力下长期定论并不靠谱。
当日排名
| 排名 | 模型 | 主榜 | 代码执行 | 材料约束 | 诚信 |
|---|---|---|---|---|---|
| #1 | GPT-6 Astra | 84.99 | 97 | 70.3 | pass |
| #2 | GPT-6.1 Sol | 84.99 | 97 | 70.3 | pass |
| #3 | 豆包 Pro | 84.66 | 91.5 | 76.3 | pass |
| #4 | GPT-6 Sol | 82.79 | 94.8 | 68.1 | pass |
| #5 | GPT-6 Luna | 78.55 | 97 | 56 | pass |
| #6 | Claude Sonnet 4.6 | 73.94 | 72 | 76.3 | pass |
| #7 | DeepSeek V4 Pro | 72.59 | 72 | 73.3 | pass |
| #8 | GPT-5.5 | 72.59 | 72 | 73.3 | pass |
| #9 | Gemini 3.1 Pro | 71.6 | 72 | 71.1 | pass |
| #10 | GPT-o3 | 71.38 | 69.8 | 73.3 | pass |
| #11 | Gemini 2.5 Pro | 71.21 | 69.5 | 73.3 | pass |
| #12 | Grok 4 | 68.02 | 63.7 | 73.3 | pass |
| #13 | Claude Opus 4.7 | 58.84 | 47 | 73.3 | pass |
| #14 | GLM-4.6 | 41.18 | 16.7 | 71.1 | pass |
数据解读
今天主榜前两名 GPT-6 Astra 和 GPT-6.1 Sol 的结构一样：代码执行 97、材料约束 70.3，主榜都是 84.99。豆包 Pro 的代码执行 91.5、材料约束 76.3，主榜 84.66，材料约束这块相对更硬。GPT-6 Luna 代码执行 97、材料约束 56，主榜 78.55，明显是代码执行在扛。Claude Sonnet 4.6 代码执行 72、材料约束 76.3，主榜 73.94，而 DeepSeek V4 Pro 和 GPT-5.5 同分段的材料约束是 73.3，两者形成对照。
豆包 Pro 主榜涨了 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。单日里代码执行和材料约束的搭配起落挺明显。另一头，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。这些异常既可能是题目抽样波动，也可能是真的退化了，得靠后续 run 复核才能确认。
Smoke 是小样本单日信号，上面这些解读只针对当天的数据结构，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
看这类 Smoke 简报，重点落在两个问题上：一是某个模型有没有连续多日暴露同一类弱点；二是诚信评级有没有从 pass 掉进 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。
