GPT-6 Astra 91.14分登顶,2026-11-18 Smoke快测:两处需盯
2026-11-18 赢政指数 Smoke 快测覆盖 14 个模型,GPT-6 Astra 以 91.14 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。
2026-11-18 的赢政指数 Smoke 快测共跑了 14 个模型,当日头名是
GPT-6 Astra,得分 91.14。Smoke 是每天 10 题的快测,用来盯短期信号可以,不能拿它当 Full 周榜的结论。
这一期 Smoke 只涉及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。每天题量就这么点,单日分数更像是监控用的信号,别据此给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 | GPT-6 Astra | 91.14 | 100 | 80.3 | pass |
| #2 | GPT-6.1 Sol | 90.15 | 100 | 78.1 | pass |
| #3 | GPT-6 Luna | 83.91 | 75 | 94.8 | pass |
| #4 | Grok 4 | 83.9 | 79.4 | 89.4 | pass |
| #5 | Gemini 2.5 Pro | 82.52 | 75 | 91.7 | pass |
| #6 | DeepSeek V4 Pro | 81.48 | 75 | 89.4 | pass |
| #7 | GPT-5.5 | 78.74 | 75 | 83.3 | pass |
| #8 | GPT-6 Sol | 76.4 | 75 | 78.1 | pass |
| #9 | Claude Opus 4.7 | 75.99 | 70 | 83.3 | pass |
| #10 | GPT-o3 | 72.5 | 50 | 100 | pass |
| #11 | 豆包 Pro | 71.81 | 75 | 67.9 | pass |
| #12 | GLM-4.6 | 71.51 | 50 | 97.8 | pass |
| #13 | Claude Sonnet 4.6 | 64.34 | 55.2 | 75.5 | pass |
| #14 | Gemini 3.1 Pro | 58.06 | 50 | 67.9 | pass |
主要变化
- DeepSeek V4 Pro 主榜涨了 42.2 分,其中代码执行 +50 分、材料约束 +32.7 分;Gemini 2.5 Pro 主榜 +40.2 分,代码执行 +46.4 分、材料约束 +32.6 分。
- Grok 4 主榜上行 34.8 分,代码执行 +28.6 分、材料约束 +42.4 分;GLM-4.6 主榜 +28.2 分,代码执行 +25 分、材料约束 +32 分。
- GPT-6 Astra 自己的主榜涨幅是 25.5 分,代码执行 +25.2 分,材料约束 +25.9 分。
需要关注的信号
- 代码执行一项跌得最狠的是 GPT-6 Luna,-24.1 分;GPT-5.5 同样难看,-24.8 分。
- GPT-6 Sol 的代码执行掉了 -24.1 分,Claude Opus 4.7 是 -22.7 分。
- GPT-o3 代码执行 -16.3 分,Claude Sonnet 4.6 则暴跌 -28.6 分。
- Qwen3 Max 的数据不完整,缺 execution、grounding、judgment、integrity、communication 几个维度,原因是 API 故障/超时,已经触发自动补跑,这一期不参加排名。
看这种 Smoke 简报,盯两件事就够了:一个模型是不是连着好几天都栽在同一类弱项上;诚信评级有没有从 pass 掉到 warn 或 fail。单日执行分数或约束分数大幅起落,可能是题目抽样造成的,也可能是真退化的早期迹象,得靠后续 run 复核。