GPT-6 Sol登顶Smoke快测:80.54分,Gemini 2.5 Pro单日跌44.8分

资讯 AI 科技快讯 作者:赢政天下 全文 2088 字 · 约 6 分钟读完 配图 2 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 快测共纳入 13 个模型,当日头名是 GPT-6 Sol,得分 80.54。Smoke 每天只出 10 道题,看的是短期信号,不能当成 Full 周榜的结论。

这轮 Smoke 只涉及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。每天样本量不大,单日分数拿来做监控可以,用来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
#1GPT-6 Sol80.5468.795pass
#2GPT-5.578.6274.383.9pass
#3GPT-o378.0873.883.3pass
#4Claude Sonnet 4.677.4168.588.3pass
#5Claude Opus 4.774.4357.695pass
#6豆包 Pro71.8448.8100pass
#7Gemini 3.1 Pro68.7747.395pass
#8GPT-6 Astra64.8749.383.9pass
#9GPT-6.1 Sol64.8749.383.9pass
#10GPT-6 Luna63.7638.295pass
#11Grok 450.4123.583.3pass
#12DeepSeek V4 Pro46.9416.783.9pass
#13Gemini 2.5 Pro37.76083.9pass

数据解读

当日主榜前五名在代码执行和材料约束的搭配上各有偏重。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 的头部模型,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。

异常信号这边,Gemini 2.5 Pro 主榜掉了 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。单日出现这么大的波动,可能是题目抽样造成的,也可能是真的退化了,得靠后续 run 复核才能确认。

GLM-4.6 和 Qwen3 Max 碰上 API 故障,数据不完整,本期没进排名。Smoke 快测本身就是小样本的单日信号,上面这些观察只反映当天分数结构,长期判断暂时不做。

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,盯两件事就够了:一是某个模型有没有连续多天暴露同一类弱点;二是诚信评级有没有从 pass 掉到 warn 或 fail。单日执行分或约束分大幅变动,可能只是题目抽样,也可能是真实退化的早期迹象,还得等后续 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 连遭投诉:对齐隐瞒翻倍,视频生成20分钟烧100美元

    **GPT-6 Astra 服务异常:安全妥协与性能崩盘的双重危机** 过去6小时,X平台连续出现三起用户对GPT-6 Astra的集中投诉,指向服务稳定性、安全合规与实际生成质量的多重问题。OpenAI本应在系统卡发布后完成对齐与工具修复,却在关键环节出现明显退步,引发行业对“下一代模型”交付标...

    来源 AI 科技快讯
  2. OpenAI发布GPT-6.2 Astra与Sol:API缓存输入降价60%

    11月17日,OpenAI发布两款升级主力模型GPT-6.2Astra与GPT-6.2Sol,人工智能竞争再进一步。二者定位不同:Astra主攻专业深度,Sol领跑日常效率,覆盖专业工作与日常任务场景,并在API使用成本上显著优化。OpenAI以“双核驱动”满足不同用户需求,推动新一代智能引擎落地。

    来源 AI 产业速递
  3. GPT-6.2 Astra/Sol来了!首破自进化红线,OpenAI历史性一夜

    新智元报道 真是猝不及防!刚刚,OpenAI正式发布GPT-6.2 Astra和GPT-6.2 Sol。API定价上,Astra单价直降20%,输入8美元、输出40美元/百万Token,Sol则保持输入2美元、输出10美元/百万Token。好消息是,每月200美元的Pro用户终于能用Sol的Ultrafast极速模式了

    来源 腾讯网
  4. 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
  5. OpenAI发布GPT-6.2双模型:Astra与Sol上线,成本仅5%

    OpenAI于当地时间11月17日发布GPT-6.2系列模型,包括旗舰模型Astra和面向日常任务的Sol。Astra在Agents' Last Exam测试中得分比GPT-6 Astra高5.2分,比Claude Fable 5.2高5.5分,完成成本仅为后者约5%。两款模型已在ChatGPT Work、Codex及

    来源 凤凰科技
  6. OpenAI 发布 GPT-6.2 双模型:Astra 与 Sol 定价再下探

    11 月 17 日,OpenAI 发布两款新语言模型 GPT-6.2 Astra 和 GPT-6.2 Sol。Astra 面向科学、法律、金融等专业工作,Sol 定位于快速、通用的日常任务。两款模型均已向 ChatGPT Work 和 Codex 的 Plus、Pro、Enterprise、Edu 用户开放,并同步接入

    来源 腾讯网
  7. Astra for Law登顶LAB-AA:20.8%全通过率,幻觉率0.03次

    OpenAI于2026年11月17日发布Astra for Law 6.2,这是一个基于GPT-6.2 Astra的法律专项配置。在Harvey与Artificial Analysis联合开发的LAB-AA v1.1基准中,该模型以20.8%的全任务通过率位列第一,覆盖24个法律执业领域的120项私有任务,材

    来源 AI 科技快讯
  8. GPT-6.2双版本发布:3D与办公能力提升,API价格再降

    千呼万唤之中,OpenAI 终于把 GPT-6.2 推到了台前,一口气推出两个版本:GPT-6.2 Astra 和 GPT-6.2 Sol。 有意思的是,OpenAI 这次又赶在了一个微妙的时间点出牌。 眼下,Anthropic 上市的消息仍在持续发酵,AI 行业的竞争也愈发激烈。 OpenAI 偏偏选在此时发布新一代

    来源 AI 行业观察
  9. GPT-6.2 上线12小时:开发者为何称其“史上最糟”

    就在今天,OpenAI 正式发布了新一代旗舰模型 GPT-6.2 Astra,以及主打性价比的 GPT-6.2 Sol。从官方公布的成绩来看,GPT-6.2 Astra 在专业 Agent 任务上反超 Claude Fable 5.2,完成同等任务的综合成本却只有后者的 5%,堪称一次漂亮的反击。上下滑动查看更多内容然

    来源 腾讯网
  10. OpenAI发布GPT-6.2双版本:3D设计亮眼,实测体验两极

    千呼万唤之中,OpenAI 终于把 GPT-6.2 推到了台前,一口气推出两个版本:GPT-6.2 Astra 和 GPT-6.2 Sol。有意思的是,OpenAI 这次又赶在了一个微妙的时间点出牌。眼下,Anthropic 上市的消息仍在持续发酵,AI 行业的竞争也愈发激烈。OpenAI 偏偏选在此时发布新一代模型,

    来源 腾讯网
  11. 跑分狂飙,实测翻车,刚发的 GPT-6.2 暴露了 OpenAI 的软肋

    「基本不可用,不推荐」。OpenAI 新模型上线仅仅 8 分钟,硅谷知名创业者 Matt Shumer,就在社交平台上扔下一句毫不留情的评价。紧接着,拥有大批开发者拥趸的 Theo Browne,发了一篇长文《我为什么讨厌 GPT-6.2 Astra》。向来对前沿模型保持温和耐心的沃顿商学院教授 Ethan Molli

    来源 腾讯网
  12. 拖更两个月的GPT-6.2,居然是一个“汇报狂魔”?

    美国当地时间11月17日,OpenAI正式推出GPT-6.2 Astra和GPT-6.2 Sol。 这场发布来得比外界预期更晚。早在10月底,就有网友从ChatGPT用量记录中扒出疑似GPT-6.2的灰测痕迹,此后模型标识和测试截图不断流出。此前媒体曾预测新模型最快于11月6日发布,最终发布日期比这一预期晚了11天。

    来源 AI 行业观察
向下滚动自动加载更多