Claude Sonnet 4.6与GPT-6 Luna同分95.19：Smoke快测并列第一
2026-11-15 赢政指数 Smoke 快测覆盖 13 个模型，Claude Sonnet 4.6 与 GPT-6 Luna 以 95.19 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。
2026-11-15 的赢政指数 Smoke 快测共跑了 13 个模型，
Claude Sonnet 4.6 和 GPT-6 Luna 同拿 95.19 分，并列当天第一。Smoke 是每天 10 道题的快测，用来盯短期信号可以，不能当成 Full 周榜的结论。
这一期 Smoke 只看了代码执行和材料约束两个主榜维度。主榜的算法是 0.55 × 代码执行 + 0.45 × 材料约束。每天样本量不大，单日分数当监控信号看更合适，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 | Claude Sonnet 4.6 | 95.19 | 100 | 89.3 | pass |
| #2 |  GPT-6 Luna |
95.19 | 100 | 89.3 | pass |
| #3 | GPT-o3 | 94.31 | 98.4 | 89.3 | pass |
| #4 | GPT-6 Sol | 90.69 | 100 | 79.3 | pass |
| #5 | GPT-5.5 | 88.75 | 100 | 75 | pass |
| #6 | GPT-6 Astra | 84.7 | 97.3 | 69.3 | pass |
| #7 | GPT-6.1 Sol | 84.7 | 97.3 | 69.3 | pass |
| #8 | Grok 4 | 82.7 | 77.3 | 89.3 | pass |
| #9 | Claude Opus 4.7 | 81.44 | 75 | 89.3 | pass |
| #10 | 豆包 Pro | 65.38 | 45.8 | 89.3 | pass |
| #11 | Gemini 3.1 Pro | 53.94 | 25 | 89.3 | pass |
| #12 | Gemini 2.5 Pro | 51.63 | 20.8 | 89.3 | pass |
| #13 | DeepSeek V4 Pro | 49.44 | 25 | 79.3 | pass |
主要变化
- GPT-o3 主榜涨了 28.8 分，其中代码执行 +7.1 分、材料约束 +55.2 分；GPT-6 Sol 主榜上涨 24.8 分，代码执行 +8.7 分，材料约束 +44.5 分。
- Claude Sonnet 4.6 主榜升了 24.6 分，代码执行 +5.5 分，材料约束 +47.9 分。GPT-6 Astra 主榜上升 19.6 分，材料约束 +40.2 分。
- GPT-6 Luna 主榜提高 18.6 分，代码执行 +5.5 分，材料约束 +34.5 分。
需要关注的信号
- Claude Opus 4.7 的代码执行大跌 -19.5 分；豆包 Pro 主榜掉了 -8 分。
- Gemini 3.1 Pro 代码执行同样下跌 -19.5 分；Gemini 2.5 Pro 的代码执行跌幅为 -46.2 分。
- DeepSeek V4 Pro 代码执行也跌了 -19.5 分。GLM-4.6 数据不完整，缺 execution、communication 维度，API 故障/超时，已进入自动补跑，本期不参与排名。
- Qwen3 Max 的数据同样不完整，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，两个问题最该盯：一是某个模型有没有连着多天暴露同一类弱点；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大起大落，可能是题目抽样造成的，也可能是真实退化的早期信号，还得靠后续 run 复核。
本文由本站编辑组整理与排版，内容基于公开信息核实后归纳发布，与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态，力求信息准确、表述清晰；文中涉及的名称、价格与功能细节可能随官方调整而变化，请以官方最新说明为准。如发现疏漏或表述有误，欢迎通过站内渠道反馈指正。
