GPT-6 Astra以91.14分登顶Smoke快测:DeepSeek V4 Pro主榜涨42.2分

资讯 AI 行业观察 全文 1334 字 · 约 4 分钟读完 配图 1 张 分类GPTGPT-6OpenAI

2026-11-18 赢政指数 Smoke 快测覆盖 14 个模型,GPT-6 Astra 以 91.14 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

2026-11-18 的赢政指数 Smoke 快测共纳入 14 个模型,当日头名是 GPT-6 Astra,得分 91.14。Smoke 每天出 10 道题做快测,用来捕捉短期信号,和 Full 周榜的结论不是一回事。

这次 Smoke 只跑代码执行和材料约束两个主榜维度,主榜公式是 0.55 × 代码执行 + 0.45 × 材料约束。每日样本量偏小,所以单日分数更适合当监控信号看,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 GPT-6 Astra 91.14 100 80.3 pass
#2 GPT-6.1 Sol 90.15 100 78.1 pass
#3 GPT-6 Luna 83.91 75 94.8 pass
#4 Grok 4 83.9 79.4 89.4 pass
#5 Gemini 2.5 Pro 82.52 75 91.7 pass
#6 DeepSeek V4 Pro 81.48 75 89.4 pass
#7 GPT-5.5 78.74 75 83.3 pass
#8 GPT-6 Sol 76.4 75 78.1 pass
#9 Claude Opus 4.7 75.99 70 83.3 pass
#10 GPT-o3 72.5 50 100 pass
#11 豆包 Pro 71.81 75 67.9 pass
#12 GLM-4.6 71.51 50 97.8 pass
#13 Claude Sonnet 4.6 64.34 55.2 75.5 pass
#14 Gemini 3.1 Pro 58.06 50 67.9 pass

主要变化

  • DeepSeek V4 Pro 主榜涨了 42.2 分,其中代码执行 +50 分、材料约束 +32.7 分;Gemini 2.5 Pro 主榜涨 40.2 分,代码执行 +46.4 分,材料约束 +32.6 分。
  • Grok 4 主榜上升 34.8 分,代码执行 +28.6 分,材料约束 +42.4 分。GLM-4.6 主榜上升 28.2 分,代码执行 +25 分,材料约束 +32 分。
  • GPT-6 Astra 主榜上升 25.5 分,代码执行 +25.2 分,材料约束 +25.9 分。

需要关注的信号

  • 代码执行一项跌得最狠的几个:GPT-6 Luna -24.1 分,GPT-5.5 -24.8 分,GPT-6 Sol -24.1 分。
  • Claude Opus 4.7 代码执行暴跌 -22.7 分,GPT-o3 为 -16.3 分,Claude Sonnet 4.6 为 -28.6 分。
  • Qwen3 Max 的数据不完整,缺 execution、grounding、judgment、integrity、communication 维度,原因是 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 掉到 warn 或 fail。单日执行或约束分数大幅起落,可能只是题目抽样造成,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. GPT-6 Astra仅对26.7%:Visual Cipher Bench为何难住顶级AI?

    修 bug、写功能、跑长任务…… 今天的 Agent 几乎都能做。因为要求有文字说明,做错了有测试报错。那如果规则只画在图里呢?一张黑白线稿,几个编号,几条箭头。没有题干,没有选项,做对做错也没人告诉你。所有线索都在图里,很难转成文字,只能反复看图、提假设、再回到图里验证。这就是长程视觉推理。8 个前沿模型、3480

    来源 腾讯网
  2. GPT-6可零样本操控机械臂:多校联合发布RoboRisk安全基准

    新智元报道 近年来,多模态基础模型凭借规模化带来的泛化能力,越来越多地被用作机器人的「大脑」,负责任务规划和动作决策。GPT-6 Astra发布后,研究者发现它可以零样本控制机械臂,甚至完成绘画这样的复杂任务;GPT、Claude、Gemini、Grok等主流模型都已支持即插即用的机器人控制。智能体机器人(agenti

    来源 腾讯网
  3. OpenAI开放内部接受四家机构审查,最大RL训练成重点

    传了好久的GPT-6.2 Astra,至今还是没影儿。 就在全网盯着OpenAI憋大招时,硅谷等来了一个更出人意料的消息。 今天,OpenAI竟把四家外部机构,请进了自家内部「查岗」! 他们分别是,METR、Apollo Research、Transluce和Goodfire。 与以往不同,OpenAI罕见开放了部分内

    来源 AI 行业观察
  4. OpenAI新模型因安全延期:GPT-6.2还要等多久

    OpenAI也终于活成了2022年谷歌的样子: 预告和承诺一波接一波,新模型却迟迟不见踪影,GPT-6.2更是一拖再拖。 而背后的核心原因,又是“安全”。 一则流传甚广的“已删”贴文中,OpenAI工程师Joe爆料: OpenAI已经成了全世界最把安全当回事的公司之一。OpenAI现在是一家安全公司。 那意思就是,在O

    来源 AI 行业观察
  5. 美团LongCat-2.5开源:1.6万亿参数全昇腾训练20项超GPT-5.6

    美团于2026年11月15日开源LongCat-2.5权重,该1.6万亿参数MoE模型全程使用华为昇腾训练,未接触英伟达GPU,在27项测试中20项超过GPT-5.6-Sol。报道从评测数据出发,分析国产芯片对模型能力上限的影响,并探讨其在出口管制背景下的产业意义。

    来源 AI 行业观察
  6. 宇树科技与南方电网战略合作:2025机器人市场9150亿

    行业动态 具身智能最近进展:从乒乓机器人,Astra到具身智能体,你怎么看? SonyAI推出的Ace机器人系统在真实比赛中击败精英级乒乓球运动员,展现了人工智能在对抗性任务中的超常表现。GPT-6-Astra在具身智能界取得亮眼表现,但距离实用还有距离。RPent是一套开源具身智能体架构,可整合感知、推理、记忆、执行

    来源 腾讯网
  7. 黄仁勋辞任后奥尔特曼首度发声:称其为英雄,但英雄也有缺点

    【TechWeb】11月17日消息,在英伟达创始人黄仁勋突然辞任数日后,OpenAI首席执行官萨姆·奥尔特曼打破沉默。他没有选择站队,也没有回避。奥尔特曼的表态:敬意、共情与留白当地时间11月16日,在旧金山Semafor“硅谷与世界”大会上,奥尔特曼用一句“英雄也有缺陷”定义了自己对这位昔日偶像的复杂立场,同时将更重

    来源 腾讯网
  8. AI4S融资超200亿:阿里腾讯等入局,离自主科研还有多远

    一种帮助药物进入细胞的肽分子,从开始设计到进入实验验证,要花多长时间? 过去,仅仅是从海量候选分子里筛出有希望的那几个,就可能耗上一年甚至更久。而在AI4S创业公司智源深澜,这件事被压缩到了两三个月:AI模型负责设计和筛选,自动化实验平台接手后续实验,原本要靠科研人员一轮轮试错的工作,交给了算法和机器。 类似的变化正在

    来源 AI 行业观察
  9. OpenAI 推出儿童性虐待内容检测工具,加强儿童网络安全防护

    IT之家 11 月 17 日消息,OpenAI 昨天宣布推出儿童性虐待内容(CSAM)检测工具。该产品可中断有害行为,同时提供干预措施,并为负责儿童安全案件的执法调查人员提供支持。该工具将通过 OpenAI API,向经过审核的机构免费开放。 据介绍,OpenAI 已推出全新的图像分类器,用于检测潜在的儿童性虐待内容。

    来源 AI 行业观察
  10. DeepSeek卖“全家桶”,开发者还需要专业工具吗?

    DeepSeek开始抢AI工具商的生意了? 近日,DeepSeek宣布开放“全家桶应用API”,将联网搜索、文件解析、语音交互等能力一并提供给开发者,用一套API承接更多需求。 此前,阿里云百炼提供DeepSeek模型及配套工具,豆包工作也支持接入DeepSeek等第三方模型。DeepSeek把搜索、文档等工具打包卖给

    来源 AI 行业观察
  11. OpenAI学术计划扩额:5万名额先到先得,可携2名合作者

    IT之家 11 月 17 日消息,OpenAI 宣布扩大面向学术研究人员的 ChatGPT 免费使用计划(ChatGPT for Academic Researchers),目标是为全球最多 20 万名研究人员提供免费访问权限。OpenAI 今日宣布,新一轮申请将于当地时间 11 月 23 日开放,计划新增 5 万个免

    来源 腾讯网
  12. OpenAI与Meta同日打通代理支付:Agent商业闭环成了?

    作者|桦林舞王编辑|靖宇Agent 能进门了,也能付钱了。Agent 替用户「消费」的时代,终于到来了。美国时间 2026 年 11 月 13 日,两家公司两场发布会同天发生。一边是企业级对话式智能体公司 Sierra 联合 Meta 正式发布个人代理协议 Poppy v1.0,解决助手怎么「进门」的问题;另一边是 O

    来源 腾讯网
  13. Proton Lumo桌面版上线:隐私优先AI助手硬刚ChatGPT

    以加密邮箱起家的Proton将AI助手Lumo带到桌面端,覆盖Windows、macOS与Linux。新应用可跨本地文件与已连接应用自动执行任务,并允许用户精细控制AI能访问哪些内容。在ChatGPT、Claude加速渗透办公场景的当下,Proton试图用"数据不离开用户掌控"切入市场,为注重隐私的个人与企业

    来源 AI 科技快讯
向下滚动自动加载更多