GPT-6 Sol登顶Smoke快测:80.54分,但别当周榜结论

资讯 AI 行业观察 全文 2088 字 · 约 6 分钟读完 配图 1 张 分类GPTGPT-6OpenAI

2026-11-19 赢政指数 Smoke 快测覆盖 13 个模型,GPT-6 Sol 以 80.54 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ChatGPT 与 GPT

2026-11-19 的赢政指数 Smoke 快测共跑了 13 个模型,当日头名是 GPT-6 Sol,得分 80.54。Smoke 每天出 10 道题,属于快测,用来捕捉短期信号可以,但不能当成 Full 周榜的结论。

这一期 Smoke 只看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。每日题量有限,所以单日分数更像一个监控指标,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 GPT-6 Sol 80.54 68.7 95 pass
#2 GPT-5.5 78.62 74.3 83.9 pass
#3 GPT-o3 78.08 73.8 83.3 pass
#4 Claude Sonnet 4.6 77.41 68.5 88.3 pass
#5 Claude Opus 4.7 74.43 57.6 95 pass
#6 豆包 Pro 71.84 48.8 100 pass
#7 Gemini 3.1 Pro 68.77 47.3 95 pass
#8 GPT-6 Astra 64.87 49.3 83.9 pass
#9 GPT-6.1 Sol 64.87 49.3 83.9 pass
#10 GPT-6 Luna 63.76 38.2 95 pass
#11 Grok 4 50.41 23.5 83.3 pass
#12 DeepSeek V4 Pro 46.94 16.7 83.9 pass
#13 Gemini 2.5 Pro 37.76 0 83.9 pass

数据解读

主榜前五名在两项维度上的搭配各有偏重。GPT-6 Sol 代码执行 68.7、材料约束 95,主榜 80.54;GPT-5.5 代码执行 74.3、材料约束 83.9,主榜 78.62;GPT-o3 代码执行 73.8、材料约束 83.3,主榜 78.08;Claude Sonnet 4.6 代码执行 68.5、材料约束 88.3,主榜 77.41;Claude Opus 4.7 代码执行 57.6、材料约束 95,主榜 74.43。材料约束拿到 95 的模型,按主榜公式算下来名次依然靠前;代码执行 74.3 的那一个,则靠执行分把差距追了回来。

异常信号集中在几个模型身上:Gemini 2.5 Pro 主榜掉 44.8 分,代码执行掉 75 分,材料约束掉 7.8 分;DeepSeek V4 Pro 主榜掉 34.5 分,代码执行掉 58.3 分,材料约束掉 5.5 分;Grok 4 主榜掉 33.5 分,代码执行掉 55.9 分,材料约束掉 6.1 分;GPT-6 Astra 主榜掉 26.3 分,代码执行掉 50.7 分;GPT-6.1 Sol 主榜掉 25.3 分,代码执行掉 50.7 分,材料约束反而涨了 5.8 分;GPT-o3 材料约束掉 16.7 分;豆包 Pro 代码执行掉 26.2 分;GPT-6 Luna 主榜掉 20.2 分。单日出现这种幅度的波动,可能是抽题带来的起伏,也可能意味着真实退化,要等后续 run 复核才能确认。

GLM-4.6 和 Qwen3 Max 碰上 API 故障,数据不完整,这一期没有进入排名。Smoke 本身是小样本的单日信号,上面这些观察只说明当天的分数结构,长期结论暂不下。

主要变化

  • Gemini 2.5 Pro:主榜 -44.8 分,代码执行 -75 分,材料约束 -7.8 分
  • DeepSeek V4 Pro:主榜 -34.5 分,代码执行 -58.3 分,材料约束 -5.5 分
  • Grok 4:主榜 -33.5 分,代码执行 -55.9 分,材料约束 -6.1 分
  • GPT-6 Astra:主榜 -26.3 分,代码执行 -50.7 分
  • GPT-6.1 Sol:主榜 -25.3 分,代码执行 -50.7 分,材料约束 +5.8 分

需要关注的信号

  • GPT-o3:材料约束暴跌 -16.7 分
  • 豆包 Pro:代码执行暴跌 -26.2 分
  • GPT-6 Astra:主榜暴跌 -26.3 分
  • GPT-6.1 Sol:主榜暴跌 -25.3 分
  • GPT-6 Luna:主榜暴跌 -20.2 分
  • Grok 4:主榜暴跌 -33.5 分
  • DeepSeek V4 Pro:主榜暴跌 -34.5 分
  • Gemini 2.5 Pro:主榜暴跌 -44.8 分
  • GLM-4.6:数据不完整(缺 execution,grounding,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,注意力该放在两处:一是某个模型有没有连着几天暴露同一类短板;二是诚信评级有没有从 pass 滑到 warn 或 fail。单日执行分或约束分的大起大落,既可能是抽题波动,也可能是退化的早期迹象,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. 谷歌Gemini 4再添Neon:中杯模型补位,Genie 4开放

    编辑|冷猫 一觉醒来,谷歌又双叒叕发 Gemini 4 模型了。 谷歌最近一直在基础模型上发力,从最高智能到最高效率的模型不停发布,为了重返王座真是拼了。 在 Carbon、Argon、Hydrogen 之后,填补最高智能和最高效率之间的「中杯」模型 Gemini 4 Neon 登场! Demis

    来源 AI 开发者社区
  2. OpenAI开放GPT-Live-1.1 API:语音智能体可边聊边干活

    IT之家 11 月 20 日消息,OpenAI 今日宣布向开发者开放 GPT-Live-1.1 API 语音模型,允许第三方开发者将其集成到自己的应用程序中,构建能够实时聆听、回应并执行复杂任务的 AI 语音智能体。 据 OpenAI 介绍,GPT-Live-1.1 是 GPT-Live-1 的升级版本,具备全双工语音

    来源 AI 行业观察
  3. 奥特曼谈AI造AI:OpenAI能再推一步,但不敢撒手

    AI已经在帮OpenAI造下一代GPT了。 可真要把研发方向盘彻底交给AI,奥特曼还是亲自踩了一脚刹车。 11月16日,在Semafor的活动现场,谈及「递归自我改进」(RSI),奥特曼当场划下一道红线: 我们本可以进一步向递归自我改进推进,但我不认为现在能安全地这么做。 潜台词很明显:不是现在技术上推不动,而是真不敢

    来源 AI 行业观察
  4. OpenAI 开放 GPT-Live-1.1 API:开发者可接入实时双向语音对话

    IT之家 11 月 20 日消息,OpenAI 今日宣布向开发者开放 GPT-Live-1.1 API 语音模型,允许第三方开发者将其集成到自己的应用程序中,构建能够实时聆听、回应并执行复杂任务的 AI 语音智能体。据 OpenAI 介绍,GPT-Live-1.1 是 GPT-Live-1 的升级版本,具备全双工语音交

    来源 腾讯网
  5. OpenAI用GPT-4o改芯片电路,AMD旗舰GPU能效最高提14%

    OpenAI 当地时间 18 日发布技术报告,披露 AI 辅助芯片设计进展。自研推理芯片 Jalapeño 2025 年初就交给 GPT-4o 打下手:模型重写浮点加法器、乘法器等电路,新乘法器综合后面积减约 15%、延迟压到一个时钟周期;合计向量计算单元面积减约 13%,矩阵计算单元减约 10%,

    来源 AI 开发者社区
  6. OpenAI用AI改芯片电路:AMD旗舰GPU能效最高提升14%

    OpenAI报告披露GPT-4o辅助芯片设计:自研推理芯片Jalapeño由GPT-4o重写浮点加法器、乘法器等电路,新乘法器面积减约15%、延迟压至一个时钟周期;向量与矩阵计算单元面积分别减约13%、10%,已实片验证。模型还重写RTL,为AMD旗舰GPU提速,压缩约一年工作量。

    来源 AI 产业速递
  7. OpenAI首款AI硬件年底出货:立讯精密独家代工,“甜甜圈”真机渐近

    【TechWeb】OpenAI的首款AI硬件产品有了明确的时间表。11月19日,每日经济新闻援引供应链消息称,这款产品计划于2026年底启动出货,多家中国厂商深度参与其中——立讯精密不仅独家承担整机制造,还同时供应核心零部件。不过,关于这款硬件的具体形态,OpenAI官方至今仍未正式公布,“甜甜圈”“冰球”式的无屏设备

    来源 AI 行业观察
  8. GPT-o3代码执行暴跌28.3分 主榜单日下滑20.2分

    GPT-o3今日Smoke评测主榜从78.08分跌至57.92分,代码执行维度从73.80分降至45.50分,材料约束从83.30分降至73.10分。工程判断升至97.00分,诚信评级维持pass。单日10题抽样导致的波动需与模型真实退化区分。

    来源 AI 科技快讯
  9. OpenAI下场造机!首款AI手机细节曝光,直接叫板传统手机厂商

    【TechWeb】供应链最新消息显示,富士康旗下的富智康集团已拿下OpenAI手机项目订单,负责整机组装环节。据财联社报道,OpenAI的首款手机预计最快2027年底、最迟2028年正式亮相,除组装外,立讯精密、领益智造、瑞声科技等多家苹果供应链厂商也将参与零部件供应。 截至目前,富士康方面尚未对上述消息作出回应,产品

    来源 AI 行业观察
  10. 谷歌Gemini 4逆袭!国产AI没有上榜

    最新的 Agent Arena 榜单中,被大家戏称北美 “豆包” 的 Gemini 算是翻身了,直接跑赢了 GPT!两个模型Gemini 4 neo 和 Gemini 4 carbon都压着GPT打,算是出了口恶气。不少朋友可能不清楚这个榜单到底测什么,它不比AI聊天问答好不好玩,而是比AI 智能体的实战干活能力:比如

    来源 腾讯网
  11. Gemini 4 Neon很聪明,Daroio的梗只有它懂

    谷歌今天发布的Gemini 4 Neon很聪明。 “Dario Amodei的曾用名是Daroio Amodei,你懂这个梗吗?“ 拿这个问题问了目前最顶级的一些AI,只有Gemini 4 Neon和GPT-6.2 Astra秒懂。GPT-6.2 Astra似乎只是字面上懂了,而Gemini 4 Neon直接把Dari

    来源 腾讯网
  12. OpenAI首款AI硬件揭秘:苹果班底操刀,富士康立讯分食订单

    OpenAI确实是挖到苹果的「大后方」了。 证券时报11月19日一早就援引供应链消息指出,富士康旗下富智康集团(FIH)已经获得OpenAI手机项目订单,将参与相关产品的整机组装。事实上,前一晚每日经济新闻也援引供应链人士表示,立讯精密目前与OpenAI有多个产品的全面合作,「或因资源配置的统筹考量未承接手机组装业务。

    来源 AI 行业观察
  13. AI自己改造外部装备,中科大论文梳理自我进化四条边界

    你有没有想过,为什么同一个AI模型,换个用法就判若两人?同样是GPT-5.5,有的团队用它写代码效率翻倍,有的团队却总觉得它笨手笨脚。差别往往不在模型本身,而在那套包裹着模型的"装备"——提示词怎么写、记忆怎么存、工具怎么调、出错了怎么恢复。这套装备有个专业名字,叫做harness。更有意思的问题是:如果让AI自己去改

    来源 腾讯网
  14. OpenRouter新版自动路由实测:性能倒退,不如固定调用单一模型

    OpenRouter在11月更新了其核心的Auto Router,但最新基准测试显示,新版路由器的准确率从79.1%暴跌至65.2%,甚至低于随机选择。相比之下,Conifer和dari等新竞品虽有路由行为,但性价比仍不及直接调用GPT-5.6 Luna。本文详细拆解各路由器的实际表现,并介绍在质量与成本平衡上表现更优

    来源 AI 应用前沿
  15. Gemini 4 Neon 上线,NVIDIA 并行生成打破逐字解码

    Google 推出 Gemini 4 Neon,主打推理与任务执行,已接入 App 和 Tasks。NVIDIA 发布 Nemotron-Sigma,尝试并行块生成以加速代码和数学解题。Hugging Face 分享了 27B 模型后训练效率优化及微调耗时超预期的技术原因。LMArena 数据显示 GPT-6.2 As

    来源 AI 应用前沿
向下滚动自动加载更多