豆包 Pro 拿下 Smoke 快测头名:93.01 分,14 款模型参测

资讯 AI 科技快讯 作者:赢政天下 全文 1812 字 · 约 5 分钟读完 配图 1 张 分类豆包字节跳动

2026-11-20 赢政指数 Smoke 快测覆盖 14 个模型,豆包 Pro 以 93.01 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 大厂动态国产大模型

2026-11-20 的赢政指数 Smoke 快测共覆盖 14 个模型,当日头名由豆包 Pro 拿下,得分 93.01。Smoke 属于每天 10 题的快测,用来盯短期信号可以,但和 Full 周榜的结论不是一回事。

这一轮 Smoke 只测了代码执行和材料约束两个主榜维度,主榜按 0.55 × 代码执行 + 0.45 × 材料约束 计算。每日样本量偏小,所以单日分数更该当成监控信号看,不宜据此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豆包 Pro93.0198.586.3pass
#2Claude Opus 4.792.1694.589.3pass
#3GPT-6 Astra88.9396.879.3pass
#4Gemini 2.5 Pro80.097586.3pass
#5GPT-6 Sol77.2971.884pass
#6Grok 474.4966.784pass
#7GPT-6.1 Sol72.7971.874pass
#8GPT-5.572.3971.873.1pass
#9Claude Sonnet 4.671.8970.973.1pass
#10GLM-4.664.694786.3pass
#11DeepSeek V4 Pro59.154774pass
#12GPT-o357.9245.573.1pass
#13GPT-6 Luna55.9444.669.8pass
#14Gemini 3.1 Pro55.0629.586.3pass

数据解读

今天的具体排布是这样:豆包 Pro 代码执行 98.5、材料约束 86.3,主榜 93.01;Claude Opus 4.7 靠材料约束 89.3 的均衡发挥拿到主榜 92.16;GPT-6 Astra 代码执行 96.8,材料约束只有 79.3,主榜 88.93。再往下,Gemini 2.5 Pro 材料约束 86.3、代码执行 75,主榜 80.09;GPT-6 Sol 代码执行 71.8、材料约束 84,主榜 77.29。头部模型在代码执行和材料约束的强弱搭配上,各有各的偏重。

分数变动方面,Gemini 2.5 Pro 主榜 +42.3 分、代码执行 +75 分;GPT-6 Astra 主榜 +24.1 分、代码执行 +47.5 分;Grok 4 主榜 +24.1 分、代码执行 +43.2 分;豆包 Pro 主榜 +21.2 分、代码执行 +49.7 分、材料约束 -13.7 分。GPT-o3 则是主榜 -20.2 分、代码执行 -28.3 分、材料约束 -10.2 分。这些起伏可能来自题目抽样的波动,还得等后续 run 复核才能确认。

异常信号也出现了几个:Claude Sonnet 4.6 材料约束暴跌 -15.2 分,GPT-o3 主榜暴跌 -20.2 分,GPT-6 Luna 材料约束暴跌 -25.2 分,Gemini 3.1 Pro 主榜暴跌 -13.7 分。Qwen3 Max 因为数据不完整,没有进入排名。Smoke 只是小样本的单日信号,上面这些观察要谨慎看待。

主要变化

  • Gemini 2.5 Pro:主榜上升 42.3 分,代码执行 +75 分
  • GPT-6 Astra:主榜上升 24.1 分,代码执行 +47.5 分
  • Grok 4:主榜上升 24.1 分,代码执行 +43.2 分
  • 豆包 Pro:主榜上升 21.2 分,代码执行 +49.7 分,材料约束 -13.7 分
  • GPT-o3:主榜下降 20.2 分,代码执行 -28.3 分,材料约束 -10.2 分

需要关注的信号

  • Claude Sonnet 4.6:材料约束暴跌 -15.2 分
  • GPT-o3:主榜暴跌 -20.2 分
  • GPT-6 Luna:材料约束暴跌 -25.2 分
  • Gemini 3.1 Pro:主榜暴跌 -13.7 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,重点其实就两个问题:某个模型是不是连续多日都暴露同一类弱点;诚信评级有没有从 pass 掉进 warn 或 fail。单日执行或约束分数的大幅变化,可能来自题目抽样,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。

相关推荐 按相关度与热度排序

全部资讯 →
  1. 豆包工作上线三个月,日活跃用户(DAU)突破 800 万

    IT之家 11 月 18 日消息,豆包工作官方今日宣布,产品上线 3 个月,日活跃用户(DAU)突破 800 万,企业客户年度经常性收入(ARR)突破 20 亿元。 IT之家注:豆包工作是豆包面向生产力场景打造的 AI 产品及品牌。用户可以使用自然语言描述任务,并提供相关资料或工作上下文;豆包工作会根据任务目标自主拆解

    来源 AI 行业观察
  2. 豆包工作DAU超800万:上线三个月,企业ARR破20亿

    11月18日,豆包官方宣布,上线仅三个月的豆包工作日活跃用户数(DAU)突破 800 万,企业客户年度经常性收入(ARR)突破 20 亿元。 豆包工作是豆包面向生产力场景推出的 AI 产品及品牌,自8月25日正式发布以来,持续更新专业办公能力。11月16日,豆包工作上线 “工作台” 功能,首批覆盖金融、医疗、教育、创意

    来源 AI 行业观察
  3. 豆包实时音视频通话模型 1.0 API 全量上线,可实现边看边听边说全模态实时交互

    IT之家 11 月 19 日消息,今天,火山引擎正式上线豆包实时音视频通话模型(SeedRealtime 1.0) API 服务,带来全模态交互的新体验。 据介绍,SeedRealtime 将声音、画面、时序与表达统一到同一个端到端模型中,能在连续的多模态信息流上实时交互,带来“边看、边听、边说”的全新体验。 这大大降

    来源 AI 行业观察
  4. 豆包实时音视频通话模型1.0 API上线:可在连续多模态信息流实时交互

    11月19日,火山引擎正式上线豆包实时音视频通话模型(SeedRealtime 1.0)API服务。该模型将声音、画面、时序与表达统一到端到端模型中,可在连续多模态信息流上实时交互,并降低传统级联系统的延迟叠加和信息损耗,适用于语音助手、智能硬件、陪伴式应用和实时客服等场景。

    来源 凤凰科技
  5. 豆包工作三月成绩单:DAU超800万,企业ARR破20亿

    11月18日,豆包宣布生产力AI产品“豆包工作”上线三个月,日活用户突破800万,企业客户年度经常性收入超20亿元,B端AI商业化增速强劲。该产品8月25日发布,深耕专业办公场景;11月16日上线“工作台”,首批覆盖金融、医疗、教育、创意设计等21个垂直专业领域,提供预配置行业功能。

    来源 AI 产业速递
  6. 陈林二次创业押注AI教育,“银河智学”能否跑通?

    点击 Tech星球 > 点击右上角“···” > 设为星标 Tech星球(微信ID:tech618)文 | 翟元元封面来源 | 豆包AI创业两年之后,陈林正式公开创业项目。11月9日,字节跳动旗下今日头条前CEO、原大力教育CEO陈林发布长文《我为什么还要做教育?》,正式宣布已于2024年开启二次创业,方向为AI教育,

    来源 腾讯网
  7. 火山引擎上线豆包实时音视频通话模型API服务

    36氪获悉,火山引擎正式上线豆包实时音视频通话模型(SeedRealtime1.0)API服务,带来全模态交互的新体验。SeedRealtime将声音、画面、时序与表达统一到同一个端到端模型中,能在连续的多模态信息流上实时交互,带来“边看、边听、边说”的全新体验。

    来源 AI 行业观察
  8. 火山引擎上线豆包实时音视频通话模型 SeedRealtime 1.0 API

    实时多模态交互正朝更自然、流畅演进。火山引擎正式上线豆包实时音视频通话模型 SeedRealtime1.0 的 API 服务,为开发者与应用提供全新实时音视频交互能力。该模型采用端到端统一建模,打破传统语音及多模态架构中 ASR、VLM、TTS 等多模块串联的级联链路瓶颈,减少级联处理带来的问题,提升实时交互体验。

    来源 AI 产业速递
  9. 郑渊洁71岁用AI做动画,8部短片免费开放

    11月17日,停更近两年的郑渊洁在个人社媒发声,宣布了一件让他自己都觉得“振奋和不可思议”的事:对动画制作“一窍不通”的他,已经用AI把自己的童话作品做成了动画短片,全部通过授权抖音账号“郑渊洁童话世界”免费开放观看。这位71岁的“童话大王”在视频末尾向00后道贺——祝贺他们赶上了“可以免费享用精神文化作品、人人可以参

    来源 TechWeb
  10. 郑渊洁用AI做动画短片:8部已上线,宣布作品免费开放

    11月17日,停更近两年的郑渊洁在个人社媒发声,宣布了一件让他自己都觉得“振奋和不可思议”的事:对动画制作“一窍不通”的他,已经用AI把自己的童话作品做成了动画短片,全部通过授权抖音账号“郑渊洁童话世界”免费开放观看。这位71岁的“童话大王”在视频末尾向00后道贺——祝贺他们赶上了“可以免费享用精神文化作品、人人可以参

    来源 TechWeb
  11. 71岁郑渊洁用AI“手搓”动画短片,停更两年后宣布全面免费开放

    【TechWeb】11月17日,停更近两年的郑渊洁在个人社媒发声,宣布了一件让他自己都觉得“振奋和不可思议”的事:对动画制作“一窍不通”的他,已经用AI把自己的童话作品做成了动画短片,全部通过授权抖音账号“郑渊洁童话世界”免费开放观看。这位71岁的“童话大王”在视频末尾向00后道贺——祝贺他们赶上了“可以免费享用精神文

    来源 AI 行业观察
  12. 字节跳动马来西亚买GPU贷款被叫停:4.8亿美元融资生变

    【TechWeb】11月18日消息,今日,话题“字节跳动买显卡贷款被叫停”冲上微博热搜,引发热议。 据报道,在美国出口管制新规生效后,字节跳动一笔原本用于在马来西亚采购英伟达GPU的4.8亿美元贷款突然被叫停。有知情人士消息称,评估该交易的至少五家银行已内部讨论退出或不参与,部分银行人士私下判断,这笔贷款“实际上已经死

    来源 AI 行业观察
  13. 4.8亿美元GPU贷款被叫停 曝字节跳动马来西亚算力计划生变

    据报道,在美国出口管制新规生效后,字节跳动一笔原本用于在马来西亚采购英伟达GPU的4.8亿美元贷款突然被叫停。有知情人士消息称,评估该交易的至少五家银行已内部讨论退出或不参与,部分银行人士私下判断,这笔贷款“实际上已经死亡”。

    来源 TechWeb
  14. 字节跳动马来西亚买GPU的4.8亿美元贷款被叫停,发生了什么?

    据报道,在美国出口管制新规生效后,字节跳动一笔原本用于在马来西亚采购英伟达GPU的4.8亿美元贷款突然被叫停。有知情人士消息称,评估该交易的至少五家银行已内部讨论退出或不参与,部分银行人士私下判断,这笔贷款“实际上已经死亡”。

    来源 TechWeb
  15. 2亿人的红果:最后的流量神话|深氪

    文|兰杰 李小霞 编辑|乔芊 杨轩 即使是字节这样信仰数据的公司,也无法参透流量的一切秘密。 很难解释,为什么在2025年初,红果APP的日活用户数从1.2亿缓慢爬升到1.5亿,花了整整5个月之久。毕竟此前,红果以“每季度翻一倍”的惊人速度在猛增。 同样难以解释,为什么突然,“唰的一下,又迈过1.5亿了。”一位接近红果

    来源 腾讯网
  16. 抖音重拳治理“代解封”黑灰产:一个月处置1878条违规内容,137个账号被禁言

    11月19日,抖音黑板报发布《关于深入治理“代解封”黑灰产的公告》,晒出近一个月的治理战果:平台共处置传播“账号代解封”攻略及宣传代解封服务的违规内容1878条,对137个违规账号予以禁言。2026年以来,抖音已上报多起违法犯罪线索,协助有关部门抓获相关产业链犯罪嫌疑人11人。

    来源 TechWeb
  17. 抖音整治代解封黑灰产:月内处置1878条违规内容,137个账号被禁言

    11月19日,抖音黑板报发布《关于深入治理“代解封”黑灰产的公告》,晒出近一个月的治理战果:平台共处置传播“账号代解封”攻略及宣传代解封服务的违规内容1878条,对137个违规账号予以禁言。2026年以来,抖音已上报多起违法犯罪线索,协助有关部门抓获相关产业链犯罪嫌疑人11人。

    来源 TechWeb
向下滚动自动加载更多