Claude Opus 4.7拿下83.48分：11月14日Smoke快测13款模型成绩单
2026-11-14 赢政指数 Smoke 快测覆盖 13 个模型，Claude Opus 4.7 以 83.48 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月14日的赢政指数Smoke快测共纳入13个模型，当日头名是
Claude Opus 4.7，得分83.48。Smoke每天出10道题做快测，看短期信号可以，不能当成Full周榜的结论。
这轮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。每日样本量不大，单日分数更接近一个监控信号，拿来给模型能力下长期定论并不合适。
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 | 83.48 | 94.5 | 70 | pass |
| #2 | GPT-6 Luna | 76.64 | 94.5 | 54.8 | pass |
| #3 | GPT-5.5 | 76.41 | 94.5 | 54.3 | pass |
| #4 | 豆包 Pro | 73.4 | 94.5 | 47.6 | pass |
| #5 | GPT-6.1 Sol | 72.14 | 94.5 | 44.8 | pass |
| #6 | Claude Sonnet 4.6 | 70.61 | 94.5 | 41.4 | pass |
| #7 | Grok 4 | 69 | 88.8 | 44.8 | pass |
| #8 | GPT-6 Sol | 65.88 | 91.3 | 34.8 | pass |
| #9 | GPT-o3 | 65.56 | 91.3 | 34.1 | pass |
| #10 | GPT-6 Astra | 65.07 | 94.5 | 29.1 | pass |
| #11 | Gemini 2.5 Pro | 57.01 | 67 | 44.8 | pass |
| #12 | Gemini 3.1 Pro | 55.66 | 44.5 | 69.3 | pass |
| #13 | DeepSeek V4 Pro | 53.73 | 44.5 | 65 | pass |
数据解读
拆开分数看，Claude Opus 4.7主榜83.48排第一，代码执行94.5、材料约束70，两项搭配比较均衡，材料约束在头部模型里最高。GPT-6 Luna、GPT-5.5、豆包Pro、GPT-6.1 Sol和Claude Sonnet 4.6的代码执行都停在94.5的高位，材料约束却分别只有54.8、54.3、47.6、44.8和41.4，共同点是代码执行强、材料约束偏弱。Grok 4与GPT-6 Sol的代码执行是88.8和91.3，材料约束44.8和34.8，主榜整体为69和65.88。异常信号方面，GPT-6 Astra主榜掉了27.3分，材料约束-60.2分；GPT-6 Luna主榜+16.3分，材料约束+35分；豆包Pro主榜+15.8分，代码执行+19.5分、材料约束+11.3分；GPT-o3主榜-14.2分，材料约束-27.2分；Claude Sonnet 4.6主榜-11.7分，代码执行-5分、材料约束-19.9分。这些单日大幅波动可能来自题目抽样，也可能说明真实退化，要等后续run复核才能确认。Claude Opus 4.7主榜暴跌-11.4分、Grok 4材料约束暴跌-16.5分、Gemini 2.5 Pro材料约束暴跌-16.5分、Gemini 3.1 Pro代码执行暴跌-30.5分，同样说明小样本信号有局限。
GLM-4.6和Qwen3 Max的数据不完整，没有进入排名，已经安排自动补跑。这期Smoke快测的结果只作当日参考。
主要变化
- GPT-6 Astra：主榜下降27.3分，材料约束-60.2分
- GPT-6 Luna：主榜上升16.3分，材料约束+35分
- 豆包 Pro：主榜上升15.8分，代码执行+19.5分，材料约束+11.3分
- GPT-o3：主榜下降14.2分，材料约束-27.2分
- Claude Sonnet 4.6：主榜下降11.7分，代码执行-5分，材料约束-19.9分
需要关注的信号
- Claude Opus 4.7：主榜暴跌 -11.4 分
- Claude Sonnet 4.6：主榜暴跌 -11.7 分
- Grok 4：材料约束暴跌 -16.5 分
- GPT-o3：主榜暴跌 -14.2 分
- GPT-6 Astra：主榜暴跌 -27.3 分
- Gemini 2.5 Pro：材料约束暴跌 -16.5 分
- Gemini 3.1 Pro：代码执行暴跌 -30.5 分
- GLM-4.6：数据不完整（缺 judgment,integrity,communication 维度，API 故障/超时），已进入自动补跑，本期不参与排名
- 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，盯住两件事就够了：一是某个模型有没有连续多天暴露同一类弱点，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，得靠后续run复核。
