Grok 4 拿下 83.51 分登顶:11月22日 Smoke 快测 13 款模型成绩出炉

资讯 AI 行业观察 全文 1975 字 · 约 5 分钟读完 配图 1 张 分类GrokxAI

2026-11-22 赢政指数 Smoke 快测覆盖 13 个模型,Grok 4 以 83.51 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

2026-11-22 的赢政指数 Smoke 快测共跑了 13 个模型,Grok 4 当天以 83.51 分排在第一。这项快测每天出 10 道题,看的是短期信号,不能跟 Full 周榜的结论画等号。

本期 Smoke 只涉及代码执行和材料约束两个主榜维度,主榜按 0.55 × 代码执行 + 0.45 × 材料约束折算。每天样本量不大,所以单日分数拿来当监控信号更合适,不适合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 Grok 4 83.51 88.5 77.4 pass
#2 GPT-o3 78.4 71.6 86.7 pass
#3 Claude Opus 4.7 78.09 99.1 52.4 pass
#4 豆包 Pro 73.17 73.8 72.4 pass
#5 GPT-6.1 Sol 70.88 74.3 66.7 pass
#6 GPT-6 Luna 67.13 71.4 61.9 pass
#7 GPT-6 Astra 66.79 74.3 57.6 pass
#8 GPT-6 Sol 64.63 74.3 52.8 pass
#9 DeepSeek V4 Pro 62.33 50 77.4 pass
#10 Claude Sonnet 4.6 61.56 48.6 77.4 pass
#11 Gemini 2.5 Pro 57.52 50 66.7 pass
#12 Gemini 3.1 Pro 57.52 50 66.7 pass
#13 GPT-5.5 54.16 49.3 60.1 pass

数据解读

主榜前三今天的表现各有侧重。Grok 4 的代码执行是 88.5、材料约束 77.4,两项相对均衡,主榜 83.51;GPT-o3 则是材料约束更强,86.7 对 71.6,主榜 78.4;Claude Opus 4.7 代码执行做到 99.1,材料约束只有 52.4,主榜 78.09,一项突出、一项偏低。豆包 Pro 的搭配也比较均衡,主榜 73.17,代码执行 73.8,材料约束 72.4。

多个模型的分数出现明显波动。GPT-o3 的代码执行掉了 27.2 分,Claude Opus 4.7 的材料约束下滑 17.6 分,豆包 Pro 主榜跌 17.9 分、代码执行跌 25 分,GPT-6 Luna 主榜跌 13 分、代码执行跌 27.9 分,DeepSeek V4 Pro 的代码执行跌 25 分,Claude Sonnet 4.6 代码执行跌 25.2 分,Gemini 2.5 Pro 主榜跌 12.2 分、代码执行跌 25 分,Gemini 3.1 Pro 主榜跌 15.2 分。

这些变化有可能只是题目抽样带来的波动,也可能是模型真的退化了,得靠后续 run 复核才能确认。GLM-4.6 和 Qwen3 Max 因为 API 故障,数据不完整,本期排名里没有它们。说到底,Smoke 快测只是小样本的单日信号,上面这些观察反映的是当天数据,不做长期推断。

主要变化

  • 豆包 Pro:主榜降了 17.9 分,代码执行 -25 分,材料约束 -9.3 分
  • Gemini 3.1 Pro:主榜下降 15.2 分,代码执行 -25 分
  • GPT-6 Luna:主榜降 13 分,代码执行 -27.9 分,材料约束 +5.2 分
  • Gemini 2.5 Pro:主榜下滑 12.2 分,代码执行 -25 分
  • Claude Sonnet 4.6:主榜跌 7.5 分,代码执行 -25.2 分,材料约束 +14.1 分

需要关注的信号

  • GPT-o3:代码执行暴跌 -27.2 分
  • Claude Opus 4.7:材料约束暴跌 -17.6 分
  • 豆包 Pro:主榜暴跌 -17.9 分
  • GPT-6 Luna:主榜暴跌 -13 分
  • DeepSeek V4 Pro:代码执行暴跌 -25 分
  • Claude Sonnet 4.6:代码执行暴跌 -25.2 分
  • Gemini 2.5 Pro:主榜暴跌 -12.2 分
  • Gemini 3.1 Pro:主榜暴跌 -15.2 分
  • GLM-4.6:数据不完整(缺 integrity、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,两个问题最该盯:一是某个模型有没有连续多日栽在同一类弱点上;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,可能来自题目抽样,也可能是真实退化的早期信号,要等后续 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. 黄仁勋卸任英伟达,算力租赁管制收紧:国产芯片询价升温

    黄仁勋离开英伟达的方式,比市场预想的更突然。 当地时间11月12日,黄仁勋辞去总裁、首席执行官及董事会成员职务。11月17日,他公开发表声明称,如果董事会认为他的回归符合利…,他愿意重新出任CEO;但同一天,董事会主席哈维·琼斯在2027财年第三季度财报电话会上明确表态,董事会“不打算恢复他的CEO职务”。 一位掌舵3

    来源 AI 行业观察
  2. OpenAI开放GPT-Live-1.1 API:实时双向对话,智能体边聊边干活

    OpenAI 今日宣布向开发者开放 GPT-Live-1.1 API 语音模型,允许第三方开发者将其集成到自己的应用程序中,构建能够实时聆听、回应并执行复杂任务的 AI 语音智能体。 据 OpenAI 介绍,GPT-Live-1.1 是 GPT-Live-1 的升级版本,具备全双工语音交互能力,可以

    来源 AI 开发者社区
  3. 谷歌Gemini上线GIF生成:Omni 1.2 Flash驱动,8国免费

    IT之家 11 月 21 日消息,谷歌宣布为 Gemini 上线 GIF 生成功能,相应功能由视频模型 Gemini Omni 1.2 Flash 驱动,可生成循环动态图效和搞笑表情包。 该功能面向所有 Google AI 订阅用户开放,并在美国、日本、韩国、澳大利亚、加拿大、英国、德国和法国免费。用户可在主聊天输入提

    来源 AI 行业观察
  4. 华中科技大学联手阿里巴巴建AI安全研究中心,首批9个课题启动

    IT之家 11 月 21 日消息,华中科技大学与阿里巴巴集团于 11 月 18 日签署合作协议,聚焦 AI 安全共建“智能攻防与前沿安全联合研究中心”,首批启动 9 个课题。 IT之家获悉,联合研究中心首批启动的 9 个课题,覆盖大模型安全攻防、智能体与终端安全、智能化系统与软件安全、数据协同与隐私保护四大方向,以下为

    来源 AI 行业观察
  5. OpenAI反蒸馏防护见效:GPT-6.2 Astra思考链提取率降至0.2%

    IT之家 11 月 21 日消息,当地时间 11 月 20 日,OpenAI 发布公告介绍了针对「对抗性蒸馏」(Adversarial Distillation)的防御措施。 OpenAI 称其已加强 GPT-6.2 Astra 和 GPT-6.2 Sol 对内部推理思考链(Chain-of-Thought)的保护,以

    来源 AI 行业观察
  6. Claude称证出黎曼猜想,陶哲轩等数学家回应

    智东西11月21日报道,昨夜,Anthropic数学家莱文特·阿尔珀格(Levent Alpöge)在个人网站上发布声明,宣称自己与Claude合作,找到了黎曼猜想及其更强版本——广义黎曼猜想(GRH)的证…

    来源 搜狐科技
  7. 谷歌字节快手集体降价,AI视频进入分秒计价时代?

    (本文作者为 AIX财经,钛媒体经授权发布)文 | AIX财经,作者 | 王璐,编辑 | 魏佳AI视频行业正在靠近一个类似DeepSeek的时刻,模型能力差距收窄,价格被打到分/秒,创作者开始批量调用。11月初,谷歌把视频模型Gemini Omni 1.2 Flash转为正式版,不仅支持15秒视频生成和多轮对话式编辑等

    来源 腾讯网
  8. 黄仁勋卸任英伟达CEO:评级下调、数据威胁与AMD做空风波

    【TechWeb】11月20日消息,黄仁勋卸任英伟达CEO带来的震荡仍在AI芯片产业链持续蔓延。19日行业接连爆出多重利空:英伟达遭遇勒索组织数据威胁、穆迪下调其信用评级展望,同时做空机构发布报告质疑AMD订单真实性与流动性安全,叠加台积电对英伟达超额订单提出预付现金要求,AI芯片板块的风险预期快速升温。勒索软件组织G

    来源 腾讯网
  9. 高通AI200推理加速器开放客户评估:单卡768GB,携手Cirrascale上云

    IT之家 11 月 20 日消息,Qualcomm(高通)当地时间本月 17 日宣布,其携手 AI 私有云企业 Cirrascale,向部分客户开放 Dragonfly(飞龙)AI200 推理加速器的评估。客户可通过云环境探索其 AI 工作负载在该芯片上的表现。 Dragonfly AI200 是高通的第一款机架级人工

    来源 AI 行业观察
  10. 黄仁勋卸任后英伟达评级遭下调,AMD被做空机构质疑订单

    【TechWeb】11月20日消息,黄仁勋卸任英伟达CEO带来的震荡仍在AI芯片产业链持续蔓延。19日行业接连爆出多重利空:英伟达遭遇勒索组织数据威胁、穆迪下调其信用评级展望,同时做空机构发布报告质疑AMD订单真实性与流动性安全,叠加台积电

    来源 TechWeb
  11. Anthropic上市:发行价83美元,阿莫迪从GPT-2警示到敲钟

    美国时间11月19日,Anthropic正式登陆纳斯达克,以“ANT”为股票代码挂牌,创下了全球史上最大规模IPO纪录。就在上市前一天,Anthropic将发行价定在每股83美元,并将发行数量从8.25亿股增加到9.8亿股,最终公开发行规模达到813.4亿美元。按发行价计算,这家成立不到六年的AI公司,完全稀释估值约为

    来源 腾讯网
  12. AIE电子展2026:一展双城,诺奖得主与芯片掌门人同台聊什么?

    人工智能与制造业的关系,正在从“展示”走向“改造”。 过去两年,AI在产业端最直观的形象,是展台上会跳舞的人形机器人和能自动生成文案的模型。但当技术真正进入工厂、进入供应链、进入材料和芯片实验室,问题开始变得具体:算力够不够便宜、材料迭代跟不跟得上、AI的能耗由谁承担、芯片与整机如何协同升级。 这些问题的共同点是——没

    来源 AI 行业观察
向下滚动自动加载更多