豆包 Pro 登顶 Smoke 快测：87.6 分居首，单日信号不宜等同周榜
2026-11-06 赢政指数 Smoke 快测覆盖 13 个模型，豆包 Pro 以 87.6 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。
2026-11-06 的赢政指数 Smoke 快测覆盖了 13 个模型，当天排在第一位的是
豆包 Pro，得分 87.6。Smoke 是每天 10 道题的快测，用来捕捉短期信号，不能跟 Full 周榜的结论画等号。
这一期 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，所以单日分数拿来当监控信号更合适，不该据此对模型能力下定论。
当日排名
| 排名 | 模型 | 主榜 | 代码执行 | 材料约束 | 诚信 |
|---|---|---|---|---|---|
| #1 | 豆包 Pro | 87.6 | 90.3 | 84.3 | pass |
| #2 | Claude Opus 4.7 | 80.66 | 69.5 | 94.3 | pass |
| #3 | Gemini 3.1 Pro | 79.69 | 74.2 | 86.4 | pass |
| #4 | GPT-6 Astra | 79.29 | 94.5 | 60.7 | pass |
| #5 | GPT-6.1 Sol | 79.29 | 94.5 | 60.7 | pass |
| #6 | Grok 4 | 74.26 | 82 | 64.8 | pass |
| #7 | GPT-5.5 | 73.91 | 69.5 | 79.3 | pass |
| #8 | Gemini 2.5 Pro | 73.85 | 65.3 | 84.3 | pass |
| #9 | DeepSeek V4 Pro | 73.46 | 69.5 | 78.3 | pass |
| #10 | Claude Sonnet 4.6 | 69.76 | 82 | 54.8 | pass |
| #11 | GPT-6 Sol | 68.11 | 69.5 | 66.4 | pass |
| #12 | GPT-o3 | 67.79 | 69.5 | 65.7 | warn |
| #13 | GPT-6 Luna | 64.13 | 50 | 81.4 | pass |
主要变化
- Claude Opus 4.7：主榜涨了 29.6 分，代码执行 +50.1 分
- GPT-5.5：主榜涨 19.8 分，代码执行 +44.5 分，材料约束 -10.5 分
- 豆包 Pro：主榜涨 17.4 分，代码执行 +40.3 分，材料约束 -10.5 分
- Gemini 2.5 Pro：主榜涨 16.2 分，代码执行 +34 分，材料约束 -5.5 分
- GPT-o3：主榜涨 13.6 分，代码执行 +44.5 分，材料约束 -24.1 分，诚信评级由 pass 变为 warn
几个需要留意的信号
- GPT-6 Astra：材料约束下滑 -29.1 分
- GPT-6.1 Sol：材料约束下滑 -29.1 分
- Grok 4：材料约束下滑 -25 分
- Claude Sonnet 4.6：材料约束下滑 -38 分
- GPT-o3：材料约束下滑 -24.1 分
- GLM-4.6：数据不完整（缺 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，该盯的是两件事：一是某个模型有没有连着多天栽在同一类弱点上；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的大幅波动，可能只是题目抽样带来的，也可能是真退化的早期迹象，得靠后续 run 来复核。
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。
