GPT-5.5本周升10分：Smoke评测W46数据，Gemini 2.5 Pro跌30.9分
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的Smoke评测数据出炉：
GPT-5.5首日78.74分、末日88.75分，趋势值+10，是本周涨幅最大的模型。
上升模型的得分轨迹
GPT-5.5均值75.3分，波动37.7，末日88.75分比首日抬升明显。
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首日78.74分、末日81.44分，趋势+2.7，均值81.2分。GPT-o3首日92.49分、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51.63分，趋势-30.9，均值57.4分。Gemini 3.1 Pro首日78.74分、末日53.94分，趋势-24.8，均值65.4分。GLM-4.6首日36.25分、末日0分，趋势-36.3，均值25.5分。豆包Pro首日83.49分、末日65.38分，趋势-18.1，均值71.5分。DeepSeek V4 Pro首日68分、末日49.44分，趋势-18.6，均值53.6分。GPT-6 Sol首日92.49分、末日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首日87.99分、末日84.7分，趋势-3.3，均值80分。GPT-6.1 Sol首日87.99分、末日84.7分，趋势-3.3，均值82.1分。
高波动模型的稳定性分析
GLM-4.6波动53.7分，比其他模型高出一大截，说明每日得分标准差大、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。GPT-6.1 Sol波动20.4分，豆包Pro波动25.9分，DeepSeek V4 Pro波动25.2分，Claude Opus 4.7波动28.5分，Gemini 3.1 Pro波动28.5分，GPT-6 Sol波动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，之后回到pass，中间留下一次warn记录。GLM-4.6则从pass转fail，再转warn，随后pass又转warn，来回变了好几次。其余模型的诚信评级都停在pass，没有变化记录。
成因机制分析
GLM-4.6末日0分、波动53.7分，最可能的原因是每日10题里多题失分，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天里逐步走高。Grok 4出现warn时，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
重代码执行的团队若选GPT-5.5，可参考末日88.75分与趋势+10这组数据，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，提示输出准确性得额外验证。依赖一致性的开发者应避开GLM-4.6，波动53.7分加上诚信评级多次变化，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，可以作为参考基准。
战略判断
GPT-5.5凭趋势+10分与末日88.75分，显示其在本周Smoke评测中被低估。Gemini 2.5 Pro与Gemini 3.1 Pro同时跌超24分，均值分别为57.4分与65.4分，这一信号留待下期验证。GLM-4.6诚信评级走完pass到fail再到warn的路径，与53.7分波动一起构成高风险组合。Claude Sonnet 4.6与GPT-6 Luna末日都到95.19分，趋势分别为+4.2与+5，可作同类场景的并行选项。
本周数据链条清晰：GPT-5.5、Claude Sonnet 4.6、GPT-6 Luna、Claude Opus 4.7、GPT-o3为正趋势，Gemini系列、GLM-4.6、豆包Pro、DeepSeek V4 Pro大幅负趋势。高波动集中在GLM-4.6与Grok 4，诚信评级变化只出现在Grok 4和GLM-4.6两个模型身上。以上判断均直接取自2026-11-09至2026-11-15的首日、末日、均值、趋势与波动数值。
