豆包 Pro 拿下 91.11 分:2026-11-21 Smoke 快测 13 款模型排位
2026-11-21 赢政指数 Smoke 快测覆盖 13 个模型,豆包 Pro 以 91.11 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。
2026-11-21 的赢政指数 Smoke 快测一共跑了 13 个模型,当天排在头名的是
豆包 Pro,得分 91.11。Smoke 属于每天 10 道题的快测,看的是短期信号,和 Full 周榜的结论不是一回事。
这轮 Smoke 只涉及代码执行、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。每天样本量不大,所以单日分数更像一个监控信号,拿它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 | 豆包 Pro | 91.11 | 98.8 | 81.7 | pass |
| #2 | Grok 4 | 80.58 | 98.8 | 58.3 | pass |
| #3 | GPT-6 Luna | 80.13 | 99.3 | 56.7 | pass |
| #4 | GPT-o3 | 77.61 | 98.8 | 51.7 | pass |
| #5 | Gemini 3.1 Pro | 72.75 | 75 | 70 | pass |
| #6 | Claude Opus 4.7 | 72.37 | 74.3 | 70 | pass |
| #7 | GPT-6.1 Sol | 72.37 | 74.3 | 70 | pass |
| #8 | Gemini 2.5 Pro | 69.74 | 75 | 63.3 | pass |
| #9 | GPT-6 Astra | 69.35 | 74.3 | 63.3 | pass |
| #10 | GPT-6 Sol | 69.35 | 74.3 | 63.3 | pass |
| #11 | Claude Sonnet 4.6 | 69.08 | 73.8 | 63.3 | pass |
| #12 | DeepSeek V4 Pro | 67.49 | 75 | 58.3 | pass |
| #13 | GPT-5.5 | 55.65 | 49.3 | 63.4 | pass |
主要变化
- GPT-6 Luna:主榜涨 24.2 分,其中代码执行 +54.7 分,材料约束 -13.1 分
- Claude Opus 4.7:主榜跌 19.8 分,代码执行 -20.2 分,材料约束 -19.3 分
- GPT-o3:主榜涨 19.7 分,代码执行 +53.3 分,材料约束 -21.4 分
- GPT-6 Astra:主榜跌 19.6 分,代码执行 -22.5 分,材料约束 -16 分
- Gemini 3.1 Pro:主榜涨 17.7 分,代码执行 +45.5 分,材料约束 -16.3 分
需要关注的信号
- 这次没有留下可以发布的异常信号。
看这类 Smoke 简报,其实盯两件事就够了:一是某个模型有没有连续多天栽在同一类弱点上;二是诚信评级有没有从 pass 滑到 warn 或者 fail。单日执行分、约束分出现大幅波动,可能是题目抽样造成的,也可能真是退化的早期迹象,得靠后面的 run 再核一遍。