Claude Opus 4.7 登顶 Smoke 快测：98.79 分，多款模型主榜下滑
2026-11-01 赢政指数 Smoke 快测覆盖 13 个模型，Claude Opus 4.7 以 98.79 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。
2026-11-01 的赢政指数 Smoke 快测一共跑了 13 个模型，
Claude Opus 4.7 当天拿到 98.79 分，排在第一位。Smoke 是每天 10 题的快测，用来捕捉短期信号，不能当成 Full 周榜的结论。
这一期 Smoke 只看了两个主榜维度：代码执行和材料约束。主榜分数按 0.55 × 代码执行 + 0.45 × 材料约束 计算。每天样本量不大，所以单日分数更像是监控用的信号，不足以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 |
98.79 | 97.8 | 100 | pass |
| #2 | GPT-6 Astra | 97.25 | 95 | 100 | pass |
| #3 | GPT-6 Luna | 90.93 | 94.3 | 86.8 | pass |
| #4 | Claude Sonnet 4.6 | 86.38 | 95.6 | 75.1 | pass |
| #5 | GPT-6.1 Sol | 86 | 95 | 75 | pass |
| #6 | GPT-6 Sol | 85.62 | 94.3 | 75 | pass |
| #7 | Grok 4 | 82.75 | 78.2 | 88.3 | pass |
| #8 | GPT-o3 | 77.49 | 89.1 | 63.3 | pass |
| #9 | GPT-5.5 | 69.06 | 75 | 61.8 | pass |
| #10 | Gemini 3.1 Pro | 61 | 70 | 50 | pass |
| #11 | 豆包 Pro | 59.9 | 78.8 | 36.8 | pass |
| #12 | DeepSeek V4 Pro | 50.05 | 50 | 50.1 | pass |
| #13 | Gemini 2.5 Pro | 50 | 50 | 50 | pass |
主要变化
- DeepSeek V4 Pro 主榜掉了 34.8 分，其中代码执行 -44 分，材料约束 -23.6 分
- Gemini 3.1 Pro 主榜下滑 29.4 分，代码执行 -24 分，材料约束 -35.9 分
- 豆包 Pro 主榜减少 28.6 分，材料约束 -60.2 分
- Gemini 2.5 Pro 主榜下降 28.1 分，代码执行 -31.3 分，材料约束 -24.2 分
- Claude Opus 4.7 主榜涨了 15.8 分，代码执行 +28.8 分
需要关注的信号
- Grok 4 的代码执行暴跌 -15.8 分
- GPT-o3 的材料约束暴跌 -25 分
- GLM-4.6 数据不完整，缺 judgment、communication 维度，属于 API 故障/超时，已经进入自动补跑，这一期不参与排名
- 同样暴跌的还有 Gemini 3.1 Pro，主榜 -29.4 分
- 豆包 Pro 主榜暴跌 -28.6 分
- DeepSeek V4 Pro 主榜暴跌 -34.8 分
- Gemini 2.5 Pro 主榜暴跌 -28.1 分
- Qwen3 Max 的数据也不完整，缺 execution、grounding、judgment、integrity、communication 维度，原因是 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，要盯住两件事：一是某个模型有没有连续多天在同一类弱点上反复暴露；二是诚信评级有没有从 pass 掉到 warn 或 fail。单日执行或约束分数大幅起落，可能只是题目抽样带来的波动，也可能是真实退化的早期迹象，得靠后续 run 来复核。
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。
