GPT-5.5与GPT-6 Sol并列92.44分：11月16日Smoke快测数据
2026-11-16 赢政指数 Smoke 快测覆盖 14 个模型，GPT-5.5 与 GPT-6 Sol 以 92.44 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。
2026-11-16 的赢政指数 Smoke 快测跑了 14 个模型，
GPT-5.5 和 GPT-6 Sol 同拿 92.44 分，并列当天第一。Smoke 是每天 10 道题的快测，用来盯短期信号，和 Full 周榜的结论不是一回事。
这次 Smoke 只算代码执行和材料约束两个主榜维度，主榜公式是 0.55 × 代码执行 + 0.45 × 材料约束。每日样本量偏小，单日分数当监控信号看更合适，不宜拿来给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 | GPT-5.5 | 92.44 | 95 | 89.3 | pass |
| #2 | GPT-6 Sol | 92.44 | 95 | 89.3 | pass |
| #3 | GPT-6 Luna | 88.75 | 88.3 | 89.3 | pass |
| #4 | Claude Opus 4.7 | 82.43 | 76.8 | 89.3 | pass |
| #5 | Grok 4 | 81.99 | 76 | 89.3 | pass |
| #6 | GPT-6 Astra | 78.69 | 70 | 89.3 | pass |
| #7 | GPT-6.1 Sol | 78.69 | 70 | 89.3 | pass |
| #8 | Claude Sonnet 4.6 | 70.74 | 76 | 64.3 | pass |
| #9 | GPT-o3 | 68.46 | 51.4 | 89.3 | pass |
| #10 | Gemini 3.1 Pro | 53.69 | 45 | 64.3 | pass |
| #11 | DeepSeek V4 Pro | 51.19 | 20 | 89.3 | pass |
| #12 | GLM-4.6 | 51.19 | 20 | 89.3 | pass |
| #13 | Gemini 2.5 Pro | 42.69 | 25 | 64.3 | pass |
| #14 | 豆包 Pro | 40.82 | 21.6 | 64.3 | pass |
数据解读
今天的 Smoke 快测中，GPT-5.5 与 GPT-6 Sol 主榜同为 92.44 分，代码执行都是 95、材料约束都是 89.3，两项都立在相近的高位。GPT-6 Luna 主榜 88.75 分，代码执行 88.3、材料约束 89.3，靠材料约束撑住排名。Claude Opus 4.7 主榜 82.43 分，代码执行 76.8、材料约束 89.3；Grok 4 主榜 81.99 分，代码执行 76、材料约束 89.3。再往后的模型，结构大多是代码执行往下走、材料约束仍停在 89.3。
降幅明显的几个：GPT-o3 主榜掉 25.9 分、代码执行掉 47 分；豆包 Pro 主榜掉 24.6 分、代码执行掉 24.2 分，材料约束掉 25 分；Claude Sonnet 4.6 主榜掉 24.5 分、代码执行掉 24 分，材料约束掉 25 分。这些异常信号可能只是题目抽样波动，也可能是真的退化，得靠后续 run 复核。GPT-6 Astra 代码执行暴跌 27.3 分、GPT-6.1 Sol 代码执行暴跌 27.3 分、Gemini 3.1 Pro 材料约束暴跌 25 分、Gemini 2.5 Pro 主榜下降 8.9 分，同样要多轮验证才能分清是波动还是退化。
Smoke 是小样本的单日信号，解读时保持克制，没有对长期表现下结论。
主要变化
- GPT-o3：主榜下降25.9分，代码执行-47分
- 豆包 Pro：主榜下降24.6分，代码执行-24.2分，材料约束-25分
- Claude Sonnet 4.6：主榜下降24.5分，代码执行-24分，材料约束-25分
- Gemini 2.5 Pro：主榜下降8.9分，材料约束-25分
- GPT-6 Luna：主榜下降6.4分，代码执行-11.7分
需要关注的信号
- GPT-6 Astra：代码执行暴跌 -27.3 分
- GPT-6.1 Sol：代码执行暴跌 -27.3 分
- Claude Sonnet 4.6：主榜暴跌 -24.5 分
- GPT-o3：主榜暴跌 -25.9 分
- Gemini 3.1 Pro：材料约束暴跌 -25 分
- Gemini 2.5 Pro：主榜暴跌 -8.9 分
- 豆包 Pro：主榜暴跌 -24.6 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
读这类 Smoke 简报，盯两件事就够了：某个模型有没有连着多天暴露同一类弱点；诚信评级有没有从 pass 掉进 warn 或 fail。单日执行或约束分数大幅变动，既可能来自题目抽样，也可能是真实退化的早期信号，要等后续 run 复核。
