Claude Opus 4.7 登顶 Smoke 快测：94.91 分，代码与约束双高

2026-11-13 的赢政指数 Smoke 快测共纳入 13 个模型，当日头名是拿到 94.91 分的 Claude Opus 4.7。Smoke 属于每天 10 题的快测，用来捕捉短期信号，和 Full 周榜的结论不是一回事。

这一轮 Smoke 只跑了代码执行和材料约束两个主榜维度，主榜算法是 0.55 × 代码执行 + 0.45 × 材料约束。每日样本量偏小，所以单日分数更适合当成监控信号看，不宜据此对模型能力下长期判断。

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	94.91	99.5	89.3	pass
#2	GPT-6 Astra	92.33	94.8	89.3	pass
#3	Claude Sonnet 4.6	82.31	99.5	61.3	pass
#4	GPT-5.5	81.55	100	59	pass
#5	GPT-o3	79.78	94.9	61.3	pass
#6	GPT-6.1 Sol	78.69	94.8	59	pass
#7	GPT-6 Sol	71.38	99.5	37	pass
#8	Grok 4	67.9	73.3	61.3	pass
#9	GPT-6 Luna	60.39	93.6	19.8	pass
#10	豆包 Pro	57.59	75	36.3	pass
#11	Gemini 3.1 Pro	57.59	75	36.3	pass
#12	Gemini 2.5 Pro	53.88	47.8	61.3	pass
#13	DeepSeek V4 Pro	42.8	50	34	pass

数据解读

拆开分数看，Claude Opus 4.7 的主榜 94.91 排在第一位，代码执行 99.5、材料约束 89.3，两项搭配比较均衡；GPT-6 Astra 主榜 92.33，同样靠代码执行 94.8 加材料约束 89.3 撑起来。头部模型在这两个指标上都维持了较高水准。Claude Sonnet 4.6 主榜 82.31、GPT-5.5 主榜 81.55，代码执行分别拿到 99.5 和 100 的高分，材料约束却只有 61.3 和 59，结构上是代码强、约束偏弱。GPT-o3 与 GPT-6.1 Sol 的主榜分数为 79.78 和 78.69，同样是代码执行 94.9、94.8 领先，材料约束 61.3、59 跟在后面。

下滑的一侧，GPT-6 Luna 主榜掉了 28.5 分、材料约束掉了 68.3 分；Gemini 3.1 Pro 主榜降 15.4 分、材料约束降 35.1 分；GPT-6 Sol 主榜降 12.5 分，代码执行反而升了 5.5 分，材料约束降 34.4 分。这些变动有可能来自题目抽样波动，也可能是材料约束上的真实退化，得靠后续 run 复核才能确认稳不稳。上升的一侧，GPT-5.5 主榜涨 11.1 分、代码执行涨 25 分；GPT-6 Astra 主榜涨 11 分、材料约束涨 24.5 分，同样要多测几次，才分得清是偶然波动还是持续表现。

Smoke 是小样本的单日信号，眼下这批数据只代表当日观察，没有出现异常信号，解读上保持克制，不对模型的长期能力下结论。

主要变化

• GPT-6 Luna：主榜下降28.5分，材料约束-68.3分；Gemini 3.1 Pro：主榜下降15.4分，材料约束-35.1分；GPT-6 Sol：主榜下降12.5分，代码执行+5.5分，材料约束-34.4分；GPT-5.5：主榜上升11.1分，代码执行+25分，材料约束-5.8分；GPT-6 Astra：主榜上升11分，材料约束+24.5分

需要关注的信号

• 本次未保留可发布的异常信号。

看这种 Smoke 简报，要盯的无非两件事：一是某个模型有没有连着几天在同一类弱点上栽跟头；二是诚信评级有没有从 pass 掉进 warn 或 fail。单日执行分数或约束分数的大幅起落，既可能是题目抽样造成，也可能是真实退化的早期迹象，得等后续 run 复核。