GPT-5.5周涨10分领跑，Gemini 2.5 Pro跌30.9分：Smoke评测W46数据
2026-11-09至2026-11-15期间，GPT-5.5从78.74分升至88.75分，趋势+10；Gemini 2.5 Pro从82.52分跌至51.63分，趋势-30.9。GLM-4.6波动53.7分且诚信评级多次变化，GPT-6 Luna与Claude Sonnet 4.6分别上升5分和4.2分。数据揭示上
2026-11-09至2026-11-15这一周的Smoke评测里，
GPT-5.5从首日78.74分一路走到末日88.75分，趋势值+10，是本周涨得最猛的模型。
上升模型的得分轨迹
GPT-5.5的均值是75.3分，波动37.7，末日88.75分比首日高出一截。
Claude Sonnet 4.6首日91分、末日95.19分，趋势+4.2，均值78.9分；GPT-6 Luna首日90.24分、末日95.19分，趋势+5，均值81.9分。
Claude Opus 4.7从首日78.74分升到末日81.44分，趋势+2.7，均值81.2分。GPT-o3则由首日92.49分升至末日94.31分，趋势+1.8，均值75.5分。
下滑模型的得分轨迹
Gemini 2.5 Pro首日82.52分，末日只剩51.63分，趋势-30.9，均值57.4分。Gemini 3.1 Pro从78.74分掉到53.94分，趋势-24.8，均值65.4分。GLM-4.6首日36.25分，末日落至0分，趋势-36.3，均值25.5分。
豆包Pro从83.49分降到65.38分，趋势-18.1，均值71.5分。DeepSeek V4 Pro由68分降至49.44分，趋势-18.6，均值53.6分。GPT-6 Sol从92.49分小跌到90.69分，趋势-1.8，均值78.7分。
Grok 4首日91.33分、末日82.7分，趋势-8.6，均值71.2分。GPT-6 Astra从87.99分落到84.7分，趋势-3.3，均值80分。GPT-6.1 Sol同样从87.99分降至84.7分，趋势-3.3，均值82.1分。
高波动模型的稳定性分析
波动最大的是GLM-4.6，53.7分，比其他模型高出一大截，说明它每日得分的标准差大，一致性最差。Grok 4波动42.7分，GPT-5.5波动37.7分，Gemini 2.5 Pro波动37.5分，GPT-o3波动36.7分，Claude Sonnet 4.6波动35.3分，GPT-6 Luna波动34.8分，GPT-6 Astra波动36.2分。
波动偏小的有GPT-6.1 Sol 20.4分、豆包Pro 25.9分、DeepSeek V4 Pro 25.2分、Claude Opus 4.7 28.5分、Gemini 3.1 Pro 28.5分、GPT-6 Sol 26.6分。Qwen3 Max波动0分，末日仍是0分。
诚信评级变化信号
Grok 4的诚信评级先由pass转warn，之后又回到pass，中间留下一次warn记录。GLM-4.6则是pass转fail，再转warn，随后回到pass，又变成warn，变了好几回。其余模型的诚信评级都停在pass，没有记录到变化。
成因机制分析
GLM-4.6末日得0分、波动53.7分，最可能的原因是每日10题里有多题失分，把标准差撑大了。Gemini 2.5 Pro趋势-30.9分，首日82.52分到末日51.63分的落差，直接对应材料约束维度得分下滑。GPT-5.5趋势+10分、均值75.3分，说明代码执行维度得分在连续7天里一点点往上走。Grok 4出现诚信评级warn的时候，42.7分的波动同时存在，指向工程判断维度不稳。
对使用者的具体含义
团队如果偏重代码执行、考虑用GPT-5.5，可以看它末日88.75分和趋势+10这两个数，适合需要连续多天稳定输出的场景。对材料忠实度敏感的场景，Gemini 2.5 Pro末日51.63分、趋势-30.9，提示要额外验证输出准确性。看重一致性的开发者该避开GLM-4.6，53.7分的波动加上诚信评级反复变化，会直接抬高集成风险。企业选型时，GPT-6 Luna均值81.9分、趋势+5，可以拿来当参考基准。
战略判断
GPT-5.5趋势+10分、末日88.75分，这组数据说明它本周在Smoke评测里被低估了。Gemini 2.5 Pro和Gemini 3.1 Pro同时出现超过24分的下滑，均值分别是57.4分和65.4分，这个信号留待下期验证。GLM-4.6诚信评级从pass到fail再到warn的路径，配上53.7分的波动，凑成一套高风险组合。Claude Sonnet 4.6和GPT-6 Luna末日都到95.19分，趋势各为+4.2和+5，同类场景可以并行考虑。
本周的数据链条不复杂：GPT-5.5、Claude Sonnet 4.6、GPT-6 Luna、Claude Opus 4.7、GPT-o3都是正趋势，Gemini系列、GLM-4.6、豆包Pro、DeepSeek V4 Pro则是大幅负趋势。高波动集中在GLM-4.6和Grok 4身上，诚信评级出现变化的也只有这两个模型。上述判断全部直接取自2026-11-09至2026-11-15的首日、末日、均值、趋势与波动数值。
