公告 AiTest123 交流群已开放 欢迎进群交流功能建议、产品想法、数据问题和使用反馈

AiTest123.comAiTest123.comAI 评测与可信度检测平台

Gemini 3.1 Pro 登顶赢政指数 Smoke 快测：90.36 分，14 个模型参评

资讯 AI 行业观察 全文 1787 字 · 约 5 分钟读完 配图 1 张 分类GeminiGoogle

2026-10-31 赢政指数 Smoke 快测覆盖 14 个模型，Gemini 3.1 Pro 以 90.36 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。

所属频道 大厂动态Gemini 与 Google AI

2026-10-31 的赢政指数 Smoke 快测覆盖 14 个模型，当日头名是 Gemini 3.1 Pro，得分 90.36。Smoke 属于每日 10 题的快测，用来观察短期信号，不能等同于 Full 周榜的结论。

这次 Smoke 只跑代码执行和材料约束两个主榜维度，主榜公式为 0.55 × 代码执行 + 0.45 × 材料约束。单日样本量偏小，分数更适合当监控信号看，不足以对模型能力下长期定论。

当日排名

排名 模型 主榜 代码执行 材料约束 诚信
#1 Gemini 3.1 Pro 90.36 94 85.9 pass
#2 豆包 Pro 88.48 81.5 97 pass
#3 GPT-6 Astra 86.44 94 77.2 pass
#4 Claude Sonnet 4.6 85.18 94 74.4 pass
#5 DeepSeek V4 Pro 84.87 94 73.7 pass
#6 GPT-6 Luna 84.1 94 72 pass
#7 GPT-6.1 Sol 84.1 94 72 pass
#8 Grok 4 83.83 94 71.4 pass
#9 Claude Opus 4.7 82.95 69 100 pass
#10 Gemini 2.5 Pro 78.11 81.3 74.2 pass
#11 GPT-o3 77.69 69 88.3 pass
#12 GPT-6 Sol 74.14 66.8 83.1 pass
#13 GPT-5.5 70.35 69 72 pass
#14 GLM-4.6 45.59 72 13.3 pass

数据解读

具体到各模型的分数结构：Gemini 3.1 Pro 主榜 90.36 排第一，代码执行 94、材料约束 85.9，两项搭配比较均衡；豆包 Pro 主榜 88.48，其中代码执行 81.5、材料约束 97，材料约束这一项更强；GPT-6 Astra 主榜 86.44、代码执行 94、材料约束 77.2，Claude Sonnet 4.6 主榜 85.18、代码执行 94、材料约束 74.4。头部这几款普遍是靠代码执行 94 的较高水平把整体分数撑起来的。

上升幅度较大的几款，涨分主要来自代码执行：DeepSeek V4 Pro 主榜 +38.5 分、代码执行 +69 分；Gemini 2.5 Pro 主榜 +31 分、代码执行 +57 分；豆包 Pro 主榜 +27 分、代码执行 +36.7 分、材料约束 +15.1 分；Grok 4 主榜 +24.8 分、代码执行 +45.9 分。反过来，GPT-6 Sol 主榜 -16.4 分、代码执行 -33.2 分，回落明显。

还有几个异常信号：GPT-6 Luna 材料约束暴跌 -15.9 分，GPT-6 Sol 主榜暴跌 -16.4 分，GPT-5.5 主榜暴跌 -8.8 分，GLM-4.6 材料约束暴跌 -43.6 分。这些可能是题目抽样波动，也可能是真实退化，要等后续 run 复核才能确认。Qwen3 Max 因数据不完整没有参与排名。Smoke 本身是小样本单日信号，相关解读还是保持克制为好。

主要变化

  • DeepSeek V4 Pro：主榜上升 38.5 分，代码执行 +69 分，诚信 warn→pass；Gemini 2.5 Pro：主榜上升 31 分，代码执行 +57 分。
  • 豆包 Pro：主榜上升 27 分，代码执行 +36.7 分，材料约束 +15.1 分；Grok 4：主榜上升 24.8 分，代码执行 +45.9 分。
  • GPT-6 Sol：主榜下降 16.4 分，代码执行 -33.2 分。

需要关注的信号

  • GPT-6 Luna：材料约束暴跌 -15.9 分；GPT-6 Sol：主榜暴跌 -16.4 分；GPT-5.5：主榜暴跌 -8.8 分；GLM-4.6：材料约束暴跌 -43.6 分。
  • Qwen3 Max：数据不完整（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，重点落在两个问题上：一是某个模型有没有连续多日暴露同一类弱点；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的大幅变化，既可能是题目抽样造成的，也可能是真实退化的早期信号，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。

继续浏览更多资讯

返回资讯目录
上一篇资讯 GPT-6 Luna评测：材料约束跌15.9分，代码执行涨19.7分 GPT-6 Luna今日Smoke评测中材料约束从87.90分跌至72.00分，降15.9分，代码执行从74.30分升至94.00分，主榜反升3.7分至84.10分。工程判断降25分，任务表达升33.7分。单日10题抽签波动可能是主因，需持续观察一致性。 下一篇资讯 Gemini 3.1 Pro单日快测90.36分居首，豆包Pro材料约束97 2026-10-31 赢政指数 Smoke 快测覆盖 14 个模型，Gemini 3.1 Pro 以 90.36 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。

相关资讯

更多
Gemini安卓版更新：弹层视觉改版，聊天窗可生成编辑文件 网易科技 · 10/31 一天跌没5000亿，AI科技股跌麻了，AI大公司竟开始“缺钱” AI 行业观察 · 09:43 苹果计划明年推出第二代触屏 OLED MacBook Pro，搭载 M7 Pro/M7 Max 芯片 AI 行业观察 · 11:57 谷歌TPU首次在轨跑通Gemma 4：卫星回传了一首俳句 AI 行业观察 · 11/01 OpenAI、谷歌、微软和 Anthropic 联手推行 AI 数据抓取退出标准 AI 行业观察 · 11/01 Oracle十年节点扩容OCI：NVIDIA Vera Rubin与Google TPU同台上线 TechWeb · 14:33 Oracle OCI扩AI算力：NVIDIA Vera Rubin与Google TPU同台上线 TechWeb · 14:33 ​传苹果逐步淘汰非触控 MacBook Pro；谷歌 AI 被指正切断互联网流量；赛力斯：问界全面进入欧洲市场 腾讯网 · 08:29 土耳其就谷歌搜索 AI 功能发起调查并实施临时监管举措 AI 行业观察 · 16:42 OpenAI合并ChatGPT与Codex额度：Plus、Pro、Business 12月起共用 36氪 · 11/01

相关 AI 工具

AI 导航
Gemini 支持 Gemini 3 聊天、4K 图像生成和专业视频创作的多模态 AI 平台 聊天对话 · gemini3.us Gemini Gemini 2.5 是 Google DeepMind 推出的 AI 模型,在原 Gemini 基础上构建… 聊天对话 · deepmind.google Gemini Gemini是一个受监管的加密货币交易所,提供安全可靠的API接入市场 API 与算力 · gemini.com Google Antigravity antigravity官网,Google以Gemini 3为核心、强调“agent-first”的云端AI开… AI 编程 · antigravity.google Socratic by Google 一个由谷歌人工智能驱动的学习应用,为作业问题提供答案和解释 教育与学习 · socratic.org Hubble with Google PaLM Rubber是一款无代码平台,专为无需编程技能即可创建AI应用程序而设计 AI 智能体 · hubble.ai WhiteSmoke 语法检查和写作分析工具 AI 写作 · whitesmoke.com Gemini Google推出的AI原生多模态大模型 聊天对话 · apple.com

相关推荐 按相关度与热度排序

全部资讯 →

  1. Gemini 3.1 Pro守约榜91分登顶，Qwen3 Max 58.85分垫底差32分

    Gemini 3.1 Pro以91.00分位居WDCD守约排行榜首位，Qwen3 Max以58.85分垫底，首尾差距32.15分。15个模型中满分率41%，R3崩溃率9.2%。头部模型在v2锚点R3平均得分1.38以上，尾部模型R1即归零，显示多轮施压下的守约差异直接决定生产可用性。

    来源 AI 行业观察

  3. Gemini 3.1 Pro守约测试91分登顶，Qwen3 Max 58.85分落后32.15分

    Gemini 3.1 Pro以91.00分位居WDCD守约排行榜首位，Qwen3 Max以58.85分垫底，首尾差距32.15分。15个模型中满分率41%，R3崩溃率9.2%。头部模型在v2锚点R3平均得分1.38以上，尾部模型R1即归零，显示多轮施压下的守约差异直接决定生产可用性。

    来源 AI 科技快讯

  5. Claude Code扩展遭篡改波及开发者，Gemini 4 Carbon登顶竞技场

    本期AI速报关注两大核心事件：Cursor商城中Claude Code扩展被植入恶意代码，约5000名开发者受影响；Google Gemini 4 Carbon模型在Text Arena登顶。此外，清华团队提出代数世界模型，Adobe发布EditAgent提升图像编辑质量，Hyperflow H3视频模型以高性价比进入

    来源 AI 应用前沿

  8. Qwen3 Max跌26.2分：15个模型仅2个上涨，80%下滑

    本期WDCD v3.1测试中，15个模型仅DeepSeek V4 Pro与GPT-6.1 Sol两家上涨，其余12家全部下降，Qwen3 Max跌幅达26.2分。Gemini 3.1 Pro以91.00分保持首位，GPT-6 Luna与GPT-o3分别下滑15.8分和11.9分，显示多轮渐进施压下多数模型守约生存能力出

    来源 AI 科技快讯

  9. 苹果第二代触屏OLED MacBook Pro明年登场：搭载M7 Pro/M7 Max

    苹果对 MacBook Pro 的规划并不止于引入 OLED 屏幕和触控操作——据最新披露的产品路线，第二代触屏 OLED MacBook Pro 预计明年推出，将搭载 M7 Pro 和 M7 Max 芯片，新一代芯片可能增加 AI 硬件能力，在性能与本地 AI 算力上完成升级。

    来源 TechWeb

  11. OpenAI、Claude新旗舰同日曝光

    两大新模型爆料，竟撞在了同一天！ 谷歌Gemini 4 Carbon刚把全球第一抢回去没几天，OpenAI和Anthropic就在周末同时亮出了下一代底牌。 OpenAI直接跳过6.1，在Codex后台悄悄灰测GPT-6.2 Astra。 结果这一爆料刚冲上热搜，后脚Anthropic官方源码里就被扒出赫然躺着Clau

    来源 AI 行业观察

  16. 谷歌TPU在轨跑通Gemma 4：数据中心级芯片首次在太空生成完整AI回复

    编辑｜山辉「写一首关于身处太空的俳句。」几天前，谷歌的工程师通过地面站，将这样一条提示词发送给了运行在地球轨道上的卫星。收到指令后，卫星搭载的 TPU 启动，预先部署的 Gemma 4 开始执行推理任务。随后，当卫星飞经挪威斯瓦尔巴群岛附近时，地面站终于收到了来自太空的回复。Blue marble below（蓝色星球

    来源 腾讯网

  17. OpenAI、谷歌、微软、Anthropic 联合推行 AI 抓取退出新标准

    IT之家 11 月 1 日消息，OpenAI、谷歌、微软以及 Anthropic 近日宣布将采用一项新标准，内容发布方可以借助该标准选择拒绝 AI 抓取自家网站内容。借助这项管控机制，内容发布方可以一次性向多家 AI 企业统一申明自身针对 AI 模型训练的内容使用偏好，而不必为每家企业单独设置规则。该标准由 Anthr

    来源 腾讯网

  18. Google Cloud王书元：Agent落地最后一公里，不再需要一个组织

    “Demo 半天，生产半年。”这句话，道出了许多 Agent 开发者共同的困境。尽管搭建一个多 Agent 协作的演示，只需要半天，但要让它进入企业的真实生产环境，开发者还要处理并发请求、延迟约束、跨系统调用、权限控制和合规审计。一连串具体而琐碎的工程问题，构成了 Agent 落地的“最后一公里”。过去，这段路往往需要

    来源 腾讯网

  19. 英特尔财报预警引发芯片股暴跌，市值蒸发1460亿美元

    公众号记得加星标⭐️，第一时间看推送不会错过。 10月份，以科技股为主的纳斯达克100指数市值预计将蒸发超过2万亿美元。此前，大型科技公司的财报加剧了投资者的审视，即注入人工智能领域的数百亿美元资金能否足够快地产生回报。 这一蒸发规模略高于SpaceX的整个市值。随着AI交易遭遇动荡，该指数10月迄今已下跌超5.8%。

    来源 AI 行业观察

  21. GPT-6.2 Astra与Claude 5. 5 新旗舰同日遭曝光，硅谷直接炸锅

    在谷歌 Gemini4Carbon 登顶全球第一没几天，人工智能领域的竞争再度升级。本周末，OpenAI 与 Anthropic 两大巨头旗下的下一代旗舰模型在同一时间先后遭遇泄露，一场全新的行业巅峰对决正在拉开序幕。 首先是在 OpenAI 方面，公司跳过了原定发布的 GPT-6.1，转而将此前因安全测试出问题而回炉

    来源 AI 开发者社区

  22. 古尔曼：苹果明年上半年将推出配备 OLED 屏幕的 iPad Air、搭载均热板的 iPad Pro

    IT之家 11 月 2 日消息，彭博社记者马克 · 古尔曼（Mark Gurman）发文透露，继上周发布新款 iPad mini 之后，苹果接下来将在 2027 年将重心转向一系列其他平板产品的更新。 IT之家获悉，古尔曼称根据他获得的消息，这些产品线更新预计都将在上半年登场： 一款升级款入门级平板（考虑到此前涨价导致

    来源 AI 行业观察

  25. 苹果新CEO谈AI战略：不为AI而AI，端侧优先能否兑现

    当硅谷巨头纷纷在参数与榜单上军备竞赛时，苹果新任CEO在最新财报电话会上给出了截然不同的答案：不为了AI而AI。这番表态既是战略定力的宣示，也折射出苹果在生成式AI浪潮中“慢半拍”的争议。本文梳理其AI路线图、与OpenAI、谷歌、Meta的路径差异，以及这位新掌门人必须回答的三个难题。

    来源 AI 科技快讯

  27. 谷歌CLASHarness：15个大模型多Agent冲突首测

    当大模型从“单兵作战”走向“多 Agent 协同操作电脑（Computer Use）”，如果队友 Agent 读了旧缓存报假消息、下发了互相矛盾的指令，甚至锁死了共享文件，主控 Agent 该听谁的？来自 Google、Emory、USC、UF、UChicago、UCSB 和 Columbia 的研究团队联合发布了 C

    来源 腾讯网

  28. AI泡沫疑云下：涨价、暴跌与增量价值之问

    今天是 2026 年 10 月 31 日，周六。美国时间周五刚收盘。纳指跌了 2.86%，并不是一个多么吓人的数字，但网上却哀嚎一片。Intel 周五跌了 28.58%，这是四十年来最大的单日跌幅。它三季度的 EPS 是 0.52，远超市场预期的 0.40。就在昨天，谷歌跌了 12.64%，收在 283.82 美元，是

    来源 腾讯网

  29. Intel单日暴跌28.58%：AI泡沫要破了，还是硬件先涨价了

    今天是 2026 年 10 月 31 日，周六。美国时间周五刚收盘。纳指跌了 2.86%，并不是一个多么吓人的数字，但网上却哀嚎一片。Intel 周五跌了 28.58%，这是四十年来最大的单日跌幅。它三季度的 EPS 是 0.52，远超市场预期的 0.40。就在昨天，谷歌跌了 12.64%，收在 283.82 美元，是

    来源 腾讯网

  30. 蔡磊谈脑机接口心愿：想再抱一次儿子，称值得押上一切

    【TechWeb】10月31日，在2026年bilibili超级科学晚对谈环节，京东集团原副总裁、渐冻症抗争者蔡磊通过视频，分享了一个心愿：如果未来丧失语言和肢体功能，他希望通过脑机接口实现与家人的交流，甚至再次拥抱儿子。 他畅想，未来脑机接口与具身智能结合，患者或可用大脑控制机器人分身，让全身无法动弹的父亲借助机械躯

    来源 AI 行业观察
向下滚动自动加载更多
官方 API 状态 官方状态 Kimi 故障
Kimi · Kimi Code K3 TTFT 响应延迟升高（已持续 18 分钟）
更新于 8 分钟前 全部状态