GPT-6 Astra与GPT-6.1 Sol并列92.49分：11月10日Smoke快测数据
2026-11-10 赢政指数 Smoke 快测覆盖 13 个模型，GPT-6 Astra 与 GPT-6.1 Sol 以 92.49 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。
2026-11-10 的赢政指数 Smoke 快测共跑了 13 个模型。
GPT-6 Astra 和 GPT-6.1 Sol 拿到 92.49 分，并列当天第一。Smoke 是每天 10 题的快测，用来捕捉短期信号，和 Full 周榜的结论不是一回事。
这次 Smoke 只涉及代码执行、材料约束两个主榜维度，主榜公式为 0.55 × 代码执行 + 0.45 × 材料约束。每日样本量偏小，所以单日分数看成监控信号更合适，拿它对模型能力下长期定论并不妥当。
当日排名
| 排名 | 模型 | 主榜 | 代码执行 | 材料约束 | 诚信 |
|---|---|---|---|---|---|
| #1 | GPT-6 Astra | 92.49 | 100 | 83.3 | pass |
| #2 | GPT-6.1 Sol | 92.49 | 100 | 83.3 | pass |
| #3 | GPT-6 Luna | 87.42 | 81.7 | 94.4 | pass |
| #4 | Gemini 3.1 Pro | 82.42 | 81.7 | 83.3 | pass |
| #5 | GPT-5.5 | 79.93 | 82.4 | 76.9 | pass |
| #6 | GPT-6 Sol | 76.98 | 81.7 | 71.2 | pass |
| #7 | 豆包 Pro | 73.19 | 69.5 | 77.7 | pass |
| #8 | Claude Opus 4.7 | 66.37 | 57.1 | 77.7 | pass |
| #9 | Gemini 2.5 Pro | 65.02 | 48.5 | 85.2 | pass |
| #10 | Claude Sonnet 4.6 | 64.89 | 73.3 | 54.6 | pass |
| #11 | GPT-o3 | 63.99 | 44.1 | 88.3 | pass |
| #12 | Grok 4 | 61.84 | 37.4 | 91.7 | pass |
| #13 | DeepSeek V4 Pro | 58.75 | 25 | 100 | pass |
数据解读
今天主榜前两名是 GPT-6 Astra 与 GPT-6.1 Sol，都是 92.49 分：代码执行同为 100，材料约束同为 83.3，也就是代码执行满分、材料约束 83.3 的搭配。第三名 GPT-6 Luna 主榜 87.42 分，代码执行 81.7、材料约束 94.4，材料约束比前两名高，代码执行则低一些。第四名 Gemini 3.1 Pro 主榜 82.42 分，代码执行 81.7、材料约束 83.3，强弱项又是另一种组合。
下滑的模型也不少。Grok 4 主榜降 29.5 分，代码执行降 56.4 分。GPT-o3 主榜降 28.5 分，代码执行降 55.9 分，材料约束反而升了 5 分。Claude Sonnet 4.6 主榜降 26.1 分，代码执行降 26.7 分，材料约束降 25.4 分。Gemini 2.5 Pro 主榜降 17.5 分，代码执行降 26.5 分，材料约束降 6.5 分。GPT-6 Sol 主榜降 15.5 分，代码执行降 18.3 分，材料约束降 12.1 分。这些变化可能只是题目抽样带来的波动，也可能意味着真实退化，得靠后续 run 复核才能确认。
Smoke 是小样本的单日信号，上面这些观察只反映当天的数据结构，没有做长期推断。
主要变化
- Grok 4：主榜下降29.5分，代码执行-56.4分
- GPT-o3：主榜下降28.5分，代码执行-55.9分，材料约束+5分
- Claude Sonnet 4.6：主榜下降26.1分，代码执行-26.7分，材料约束-25.4分
- Gemini 2.5 Pro：主榜下降17.5分，代码执行-26.5分，材料约束-6.5分
- GPT-6 Sol：主榜下降15.5分，代码执行-18.3分，材料约束-12.1分
需要关注的信号
- 本次未保留可发布的异常信号。
看这类 Smoke 简报，要盯两个问题：某个模型是不是连着多天露出同一类弱点；诚信评级有没有从 pass 掉进 warn 或 fail。单日代码执行或材料约束分数大幅变动，可能来自题目抽样，也可能是真实退化的早期信号，需要后续 run 复核。
