Claude Opus 4.7 等三模型并列92.39分：Smoke快测13模型
2026-10-14 赢政指数 Smoke 快测覆盖 13 个模型，Claude Opus 4.7 与 DeepSeek V4 Pro 与 GPT-o3 以 92.39 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。
2026-10-14 的赢政指数 Smoke 快测一共跑了 13 个模型，
Claude Opus 4.7、DeepSeek V4 Pro 和 GPT-o3 当天以 92.39 分一起排在头名。Smoke 是每天 10 道题的快测，看短期信号可以，但不能拿它当 Full 周榜的结论用。
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。每天题量不大，所以单日分数更适合当成一个监控信号盯着，而不是就此给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 | Claude  Opus 4.7 |
92.39 | 94.5 | 89.8 | pass |
| #2 |  DeepSeek V4 Pro |
92.39 | 94.5 | 89.8 | pass |
| #3 | GPT-o3 | 92.39 | 94.5 | 89.8 | pass |
| #4 | GPT-5.5 | 88.6 | 89.5 | 87.5 | pass |
| #5 | 豆包 Pro | 88.54 | 85.3 | 92.5 | pass |
| #6 | GPT-6.1 Sol | 88.29 | 89.5 | 86.8 | pass |
| #7 | GPT-6 Astra | 87.25 | 89.5 | 84.5 | pass |
| #8 | GPT-6 Sol | 86.81 | 88.7 | 84.5 | pass |
| #9 | Grok 4 | 83.2 | 77.8 | 89.8 | warn |
| #10 | Claude Sonnet 4.6 | 78.64 | 69.5 | 89.8 | pass |
| #11 | Gemini 2.5 Pro | 76.33 | 65.3 | 89.8 | pass |
| #12 | Gemini 3.1 Pro | 75.89 | 64.5 | 89.8 | pass |
| #13 | GPT-6 Luna | 74.54 | 64.5 | 86.8 | pass |
数据解读
今天赢政指数 Smoke 快测里，Claude Opus 4.7、DeepSeek V4 Pro 与 GPT-o3 主榜同为 92.39，代码执行都是 94.5，材料约束都是 89.8，两个维度上强弱搭配得比较均衡。GPT-5.5 主榜 88.6，代码执行 89.5，材料约束 87.5；豆包 Pro 主榜 88.54，代码执行 85.3，材料约束 92.5，材料约束这一项更亮眼。GPT-6.1 Sol 主榜 88.29，代码执行 89.5，材料约束 86.8，两个维度之间也算平衡。
跟上一同口径 run 比，Claude Opus 4.7 主榜 +32.9 分、代码执行 +44.5 分、材料约束 +18.8 分，DeepSeek V4 Pro 主榜 +28.1 分、代码执行 +44.5 分、材料约束 +8.1 分，GPT-5.5 主榜 +28.7 分、代码执行 +31.2 分、材料约束 +25.6 分，这几个异动模型主要是代码执行维度涨得多。GPT-6.1 Sol 主榜 +27.3 分、代码执行 +31.2 分、材料约束 +22.5 分，GPT-6 Astra 主榜 +27.3 分、代码执行 +31.2 分、材料约束 +22.6 分，分数结构上代码执行和材料约束是一起动的。
Gemini 3.1 Pro 代码执行暴跌 -27.2 分，这个异常可能来自题目抽样波动，也可能是真实退化，得靠后续 run 复核才能确认。GLM-4.6 与 Qwen3 Max 因为数据不完整没有参与排名，Smoke 本身是小样本单日信号，相关解读还是克制一点。
主要变化
- Claude Opus 4.7：主榜上升32.9分，代码执行+44.5分，材料约束+18.8分
- GPT-5.5：主榜上升28.7分，代码执行+31.2分，材料约束+25.6分
- DeepSeek V4 Pro：主榜上升28.1分，代码执行+44.5分，材料约束+8.1分
- GPT-6.1 Sol：主榜上升27.3分，代码执行+31.2分，材料约束+22.5分
- GPT-6 Astra：主榜上升27.3分，代码执行+31.2分，材料约束+22.6分
需要关注的信号
- Gemini 3.1 Pro：代码执行暴跌 -27.2 分
- GLM-4.6：数据不完整（缺 grounding,judgment 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，重点落在两个问题上：一是某个模型有没有连续多日暴露同一类弱点；二是诚信评级有没有从 pass 掉进 warn 或 fail。单日执行或约束分数大幅起落，可能是题目抽样造成的，也可能是真实退化的早期信号，需要后续 run 复核。
