Claude Opus 4.7登顶Smoke快测：79.56分，但别当长期结论
2026-11-11 赢政指数 Smoke 快测覆盖 13 个模型，Claude Opus 4.7 以 79.56 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。
2026-11-11的赢政指数Smoke快测覆盖13个模型，当日头名由
Claude Opus 4.7拿下，得分79.56。Smoke每天出10道题做快测，看短期信号可以，但不能拿它当Full周榜的结论。
这次Smoke只测了代码执行和材料约束两个主榜维度，主榜公式是0.55 × 代码执行 + 0.45 × 材料约束。每日样本量偏少，单日分数更适合当监控信号用，对模型能力下长期定论并不合适。
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 | 79.56 | 72.4 | 88.3 | pass |
| #2 | 豆包 Pro | 79.18 | 78.5 | 80 | pass |
| #3 | GPT-6 Luna | 74.75 | 71.1 | 79.2 | pass |
| #4 | GPT-6.1 Sol | 74.53 | 74.8 | 74.2 | pass |
| #5 | GPT-6 Sol | 69.65 | 74.1 | 64.2 | pass |
| #6 | Claude Sonnet 4.6 | 59.86 | 56.3 | 64.2 | pass |
| #7 | GPT-o3 | 57.57 | 46 | 71.7 | pass |
| #8 | Gemini 3.1 Pro | 56.46 | 35.8 | 81.7 | pass |
| #9 | GPT-6 Astra | 56.28 | 49.8 | 64.2 | pass |
| #10 | GPT-5.5 | 51.06 | 49.8 | 52.6 | pass |
| #11 | DeepSeek V4 Pro | 48.92 | 16.7 | 88.3 | pass |
| #12 | Grok 4 | 48.68 | 27.8 | 74.2 | warn |
| #13 | Gemini 2.5 Pro | 46.81 | 24.4 | 74.2 | pass |
数据解读
头部模型在代码执行与材料约束的搭配上分化明显。Claude Opus 4.7主榜79.56排第一，代码执行72.4、材料约束88.3，材料约束这一项优势突出；豆包Pro主榜79.18跟在后面，代码执行78.5、材料约束80，代码执行得分更高；GPT-6 Luna主榜74.75，代码执行71.1、材料约束79.2，两项比较均衡。排名靠前的模型，两项指标普遍都维持在较高水准。中下游则是另一种结构：DeepSeek V4 Pro代码执行只有16.7，材料约束却到88.3；Gemini 3.1 Pro代码执行35.8、材料约束81.7——单项突出，整体受限。
和上一同口径run比，GPT-6 Astra主榜掉了36.2分，代码执行降50.2分、材料约束降19.1分；GPT-5.5主榜降28.9分，代码执行降32.6分、材料约束降24.3分；Gemini 3.1 Pro主榜降26分，代码执行降45.9分；Gemini 2.5 Pro主榜降18.2分，代码执行降24.1分、材料约束降11分；GPT-6.1 Sol主榜降18分，代码执行降25.2分、材料约束降9.1分。跌幅集中在代码执行上，材料约束的波动相对小一些。
说到底，这是小样本的单日信号。上述分数变化可能来自题目抽样波动，也可能是模型在特定场景下的真实表现差异，要靠后续run复核才能确认稳定性。所有解读都只基于当日数据，不做长期判断。
主要变化
- GPT-6 Astra：主榜下降36.2分，代码执行-50.2分，材料约束-19.1分
- GPT-5.5：主榜下降28.9分，代码执行-32.6分，材料约束-24.3分
- Gemini 3.1 Pro：主榜下降26分，代码执行-45.9分
- Gemini 2.5 Pro：主榜下降18.2分，代码执行-24.1分，材料约束-11分
- GPT-6.1 Sol：主榜下降18分，代码执行-25.2分，材料约束-9.1分
需要关注的信号
- 本次未保留可发布的异常信号。
看这类Smoke简报，两个问题最要紧：某个模型有没有连续多日暴露同一类弱点；诚信评级有没有从pass掉进warn或fail。单日执行或约束分数大幅变化，可能只是题目抽样，也可能是真实退化的早期信号，得等后续run复核。
