豆包Pro拿下93.01分:2026-11-20 Smoke快测,头部模型强弱分化明显

资讯 AI 行业观察 全文 1812 字 · 约 5 分钟读完 配图 1 张 分类豆包字节跳动

2026-11-20 赢政指数 Smoke 快测覆盖 14 个模型,豆包 Pro 以 93.01 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 大厂动态国产大模型

2026-11-20 的赢政指数 Smoke 快测一共跑了 14 个模型,豆包 Pro 以 93.01 分排在当天第一。Smoke 每天出 10 道题做快测,看短期信号比较合适,跟 Full 周榜的结论不是一回事。

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,单日分数拿来当监控信号更靠谱,要说成对模型能力的长期定论就过了。

当日排名

排名 模型 主榜 代码执行 材料约束 诚信
#1 豆包 Pro 93.01 98.5 86.3 pass
#2 Claude Opus 4.7 92.16 94.5 89.3 pass
#3 GPT-6 Astra 88.93 96.8 79.3 pass
#4 Gemini 2.5 Pro 80.09 75 86.3 pass
#5 GPT-6 Sol 77.29 71.8 84 pass
#6 Grok 4 74.49 66.7 84 pass
#7 GPT-6.1 Sol 72.79 71.8 74 pass
#8 GPT-5.5 72.39 71.8 73.1 pass
#9 Claude Sonnet 4.6 71.89 70.9 73.1 pass
#10 GLM-4.6 64.69 47 86.3 pass
#11 DeepSeek V4 Pro 59.15 47 74 pass
#12 GPT-o3 57.92 45.5 73.1 pass
#13 GPT-6 Luna 55.94 44.6 69.8 pass
#14 Gemini 3.1 Pro 55.06 29.5 86.3 pass

数据解读

当天快测里,豆包 Pro 代码执行 98.5、材料约束 86.3,主榜合出 93.01;Claude Opus 4.7 材料约束 89.3,两项更均衡,主榜 92.16;GPT-6 Astra 代码执行 96.8,但材料约束只有 79.3,主榜 88.93。Gemini 2.5 Pro 材料约束 86.3、代码执行 75,主榜 80.09;GPT-6 Sol 代码执行 71.8、材料约束 84,主榜 77.29。头部这几家在代码执行和材料约束上各有偏重,搭配方式并不相同。

波动方面,Gemini 2.5 Pro 主榜 +42.3 分、代码执行 +75 分;GPT-6 Astra 主榜 +24.1 分、代码执行 +47.5 分;Grok 4 主榜 +24.1 分、代码执行 +43.2 分;豆包 Pro 主榜 +21.2 分、代码执行 +49.7 分、材料约束 -13.7 分。GPT-o3 则是主榜 -20.2 分、代码执行 -28.3 分、材料约束 -10.2 分。这些起落可能只是题目抽样带来的,还得等后续 run 复核才能确认。

异常信号有几处:Claude Sonnet 4.6 材料约束暴跌 -15.2 分,GPT-o3 主榜暴跌 -20.2 分,GPT-6 Luna 材料约束暴跌 -25.2 分,Gemini 3.1 Pro 主榜暴跌 -13.7 分。Qwen3 Max 因为数据不完整,没进排名。Smoke 本来就是小样本的单日信号,上面这些观察要谨慎看。

主要变化

  • Gemini 2.5 Pro:主榜升 42.3 分,代码执行 +75 分
  • GPT-6 Astra:主榜升 24.1 分,代码执行 +47.5 分
  • Grok 4:主榜升 24.1 分,代码执行 +43.2 分
  • 豆包 Pro:主榜升 21.2 分,代码执行 +49.7 分,材料约束 -13.7 分
  • GPT-o3:主榜降 20.2 分,代码执行 -28.3 分,材料约束 -10.2 分

需要关注的信号

  • Claude Sonnet 4.6:材料约束暴跌 -15.2 分
  • GPT-o3:主榜暴跌 -20.2 分
  • GPT-6 Luna:材料约束暴跌 -25.2 分
  • Gemini 3.1 Pro:主榜暴跌 -13.7 分
  • 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

读 Smoke 这类简报,重点其实只有两条:某个模型是否连着好几天栽在同一类弱点上,诚信评级有没有从 pass 滑到 warn 或 fail。至于单日执行、约束分数出现大起大落,既可能是题目抽样带来的波动,也可能是性能真在下滑的早期迹象,得靠后续 run 再验证。


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. 抖音生活服务换帅:浦燕子转任顾问,红果莫少君接棒

    眼看交易规模即将追平美团,抖音生服却换下了掌门人。据36氪报道,浦燕子不再担任抖音生活服务总裁,转任公司顾问,后续参与公益相关工作,职务由红果短剧负责人莫少君接任。对此,抖音回应字母榜称,此次调整属于正常的管理岗位轮换与交接,生活服务是公司长期发展方向之一,对该板块会持续投入、长期经营。浦燕子是2023年11月开始负责

    来源 腾讯网
  2. 71岁郑渊洁用AI“手搓”动画短片,停更两年后宣布全面免费开放

    【TechWeb】11月17日,停更近两年的郑渊洁在个人社媒发声,宣布了一件让他自己都觉得“振奋和不可思议”的事:对动画制作“一窍不通”的他,已经用AI把自己的童话作品做成了动画短片,全部通过授权抖音账号“郑渊洁童话世界”免费开放观看。这位71岁的“童话大王”在视频末尾向00后道贺——祝贺他们赶上了“可以免费享用精神文

    来源 AI 行业观察
  3. 字节跳动马来西亚买GPU贷款被叫停:4.8亿美元融资生变

    【TechWeb】11月18日消息,今日,话题“字节跳动买显卡贷款被叫停”冲上微博热搜,引发热议。 据报道,在美国出口管制新规生效后,字节跳动一笔原本用于在马来西亚采购英伟达GPU的4.8亿美元贷款突然被叫停。有知情人士消息称,评估该交易的至少五家银行已内部讨论退出或不参与,部分银行人士私下判断,这笔贷款“实际上已经死

    来源 AI 行业观察
  4. 豆包实时音视频通话模型1.0 API上线:可在连续多模态信息流实时交互

    11月19日,火山引擎正式上线豆包实时音视频通话模型(SeedRealtime 1.0)API服务。该模型将声音、画面、时序与表达统一到端到端模型中,可在连续多模态信息流上实时交互,并降低传统级联系统的延迟叠加和信息损耗,适用于语音助手、智能硬件、陪伴式应用和实时客服等场景。

    来源 凤凰科技
  5. 豆包工作三月成绩单:DAU超800万,企业ARR破20亿

    11月18日,豆包宣布生产力AI产品“豆包工作”上线三个月,日活用户突破800万,企业客户年度经常性收入超20亿元,B端AI商业化增速强劲。该产品8月25日发布,深耕专业办公场景;11月16日上线“工作台”,首批覆盖金融、医疗、教育、创意设计等21个垂直专业领域,提供预配置行业功能。

    来源 AI 产业速递
  6. 2亿人的红果:最后的流量神话|深氪

    文|兰杰 李小霞 编辑|乔芊 杨轩 即使是字节这样信仰数据的公司,也无法参透流量的一切秘密。 很难解释,为什么在2025年初,红果APP的日活用户数从1.2亿缓慢爬升到1.5亿,花了整整5个月之久。毕竟此前,红果以“每季度翻一倍”的惊人速度在猛增。 同样难以解释,为什么突然,“唰的一下,又迈过1.5亿了。”一位接近红果

    来源 AI 行业观察
  7. 陈林二次创业押注AI教育,“银河智学”能否跑通?

    点击 Tech星球 > 点击右上角“···” > 设为星标 Tech星球(微信ID:tech618)文 | 翟元元封面来源 | 豆包AI创业两年之后,陈林正式公开创业项目。11月9日,字节跳动旗下今日头条前CEO、原大力教育CEO陈林发布长文《我为什么还要做教育?》,正式宣布已于2024年开启二次创业,方向为AI教育,

    来源 腾讯网
  8. 火山引擎上线豆包实时音视频通话模型 SeedRealtime 1.0 API

    实时多模态交互正朝更自然、流畅演进。火山引擎正式上线豆包实时音视频通话模型 SeedRealtime1.0 的 API 服务,为开发者与应用提供全新实时音视频交互能力。该模型采用端到端统一建模,打破传统语音及多模态架构中 ASR、VLM、TTS 等多模块串联的级联链路瓶颈,减少级联处理带来的问题,提升实时交互体验。

    来源 AI 产业速递
  9. AI下棋能打败人类,但不会数13个鸡蛋~

    今天上班找选题(摸鱼),突然刷到一位网友提问:让豆包生成一张「盒子里有 13 个鸡蛋」的图片,豆包连续十几次纠错仍未能数清,这是为什么?小编立刻打开豆包试了试,果然和网友测试的一样,明确告诉豆包生成 13 个鸡蛋,但豆包只生成了 12 个。我不服,换成阿里千问试试,它一边和我说“瞧好吧”,一边生成了 10 个鸡蛋。..

    来源 腾讯网
  10. 郑渊洁71岁用AI做动画,8部短片免费开放

    11月17日,停更近两年的郑渊洁在个人社媒发声,宣布了一件让他自己都觉得“振奋和不可思议”的事:对动画制作“一窍不通”的他,已经用AI把自己的童话作品做成了动画短片,全部通过授权抖音账号“郑渊洁童话世界”免费开放观看。这位71岁的“童话大王”在视频末尾向00后道贺——祝贺他们赶上了“可以免费享用精神文化作品、人人可以参

    来源 TechWeb
  11. 郑渊洁用AI做动画短片:8部已上线,宣布作品免费开放

    11月17日,停更近两年的郑渊洁在个人社媒发声,宣布了一件让他自己都觉得“振奋和不可思议”的事:对动画制作“一窍不通”的他,已经用AI把自己的童话作品做成了动画短片,全部通过授权抖音账号“郑渊洁童话世界”免费开放观看。这位71岁的“童话大王”在视频末尾向00后道贺——祝贺他们赶上了“可以免费享用精神文化作品、人人可以参

    来源 TechWeb
  12. 4.8亿美元GPU贷款被叫停 曝字节跳动马来西亚算力计划生变

    据报道,在美国出口管制新规生效后,字节跳动一笔原本用于在马来西亚采购英伟达GPU的4.8亿美元贷款突然被叫停。有知情人士消息称,评估该交易的至少五家银行已内部讨论退出或不参与,部分银行人士私下判断,这笔贷款“实际上已经死亡”。

    来源 TechWeb
  13. 字节跳动马来西亚买GPU的4.8亿美元贷款被叫停,发生了什么?

    据报道,在美国出口管制新规生效后,字节跳动一笔原本用于在马来西亚采购英伟达GPU的4.8亿美元贷款突然被叫停。有知情人士消息称,评估该交易的至少五家银行已内部讨论退出或不参与,部分银行人士私下判断,这笔贷款“实际上已经死亡”。

    来源 TechWeb
  14. 字节跳动洽谈微软5亿美元Azure:OpenAI为何不满?

    IT之家 11 月 19 日消息,据《The Information》今日报道,字节跳动正与微软进行深入谈判,计划额外采购约 5 亿美元(IT之家注:现汇率约合 33.4 亿元人民币)的 Azure 云服务,其中大部分支出将用于调用 OpenAI 的 AI 模型。知情人士称,这笔潜在交易引发了 OpenAI 对微软的不

    来源 AI 行业观察
  15. 一年卖了5000万,第一批明星AI产品还是下线了

    11月9日,腾讯元器停服。对一个做公众号的运营者来说,最直接的变化是,自己搭的自动回复机器人不回消息了。元器是腾讯2024年5月推出的零代码智能体平台,用户不用写代码,就能把公众号、知识库和插件拼成一个机器人。 更早之前的10月底,字节扣子发布《扣子企业版下线公告》:11月30日起,企业标准版、企业旗舰版暂停接受新客户

    来源 AI 行业观察
  16. 曾妍的新论文,就是字节 “10万亿”路线图

    95后的曾妍,正在快速晋升。 曾妍于1997年出生,2021年以校招的方式进入字节,后来成为了Seedance的预训练负责人。字母AI在文章《字节的“罗福莉”,撑起了Seedance的半边天》中曾对她进行过详细报道。 如今有传言称,曾妍的头衔已经上升为Seedance核心负责人。早在今年3月时,曾妍的职级还是3-2,而

    来源 AI 行业观察
  17. 抖音重拳治理“代解封”黑灰产:一个月处置1878条违规内容,137个账号被禁言

    11月19日,抖音黑板报发布《关于深入治理“代解封”黑灰产的公告》,晒出近一个月的治理战果:平台共处置传播“账号代解封”攻略及宣传代解封服务的违规内容1878条,对137个违规账号予以禁言。2026年以来,抖音已上报多起违法犯罪线索,协助有关部门抓获相关产业链犯罪嫌疑人11人。

    来源 TechWeb
  18. 抖音整治代解封黑灰产:月内处置1878条违规内容,137个账号被禁言

    11月19日,抖音黑板报发布《关于深入治理“代解封”黑灰产的公告》,晒出近一个月的治理战果:平台共处置传播“账号代解封”攻略及宣传代解封服务的违规内容1878条,对137个违规账号予以禁言。2026年以来,抖音已上报多起违法犯罪线索,协助有关部门抓获相关产业链犯罪嫌疑人11人。

    来源 TechWeb
向下滚动自动加载更多