Claude Sonnet 4.6与GPT-6 Luna同分95.19：Smoke快测13模型并列第一
2026-11-15 赢政指数 Smoke 快测覆盖 13 个模型，Claude Sonnet 4.6 与 GPT-6 Luna 以 95.19 分并列当日首位。Smoke 为每日 10 题快测，适合观察短期信号，不等同 Full 周榜结论。
2026-11-15 的赢政指数 Smoke 快测共跑了 13 个模型。
Claude Sonnet 4.6 和 GPT-6 Luna 当天同拿 95.19 分，并列第一。Smoke 是每天 10 道题的快测，用来捕捉短期变化，跟 Full 周榜的结论不是一回事。
这一期 Smoke 只涉及代码执行、材料约束两个主榜维度，主榜分数按 0.55 × 代码执行 + 0.45 × 材料约束 计算。每日样本量偏小，所以单日成绩更适合当监控信号看，不宜据此给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 | Claude Sonnet 4.6 | 95.19 | 100 | 89.3 | pass |
| #2 |  GPT-6 Luna | 95.19 | 100 | 89.3 | pass |
| #3 | GPT-o3 | 94.31 | 98.4 | 89.3 | pass |
| #4 | GPT-6 Sol | 90.69 | 100 | 79.3 | pass |
| #5 | GPT-5.5 | 88.75 | 100 | 75 | pass |
| #6 | GPT-6 Astra | 84.7 | 97.3 | 69.3 | pass |
| #7 | GPT-6.1 Sol | 84.7 | 97.3 | 69.3 | pass |
| #8 | Grok 4 | 82.7 | 77.3 | 89.3 | pass |
| #9 | Claude Opus 4.7 | 81.44 | 75 | 89.3 | pass |
| #10 | 豆包 Pro | 65.38 | 45.8 | 89.3 | pass |
| #11 | Gemini 3.1 Pro | 53.94 | 25 | 89.3 | pass |
| #12 | Gemini 2.5 Pro | 51.63 | 20.8 | 89.3 | pass |
| #13 | DeepSeek V4 Pro | 49.44 | 25 | 79.3 | pass |
主要变化
- GPT-o3 主榜涨 28.8 分，其中代码执行 +7.1 分、材料约束 +55.2 分；GPT-6 Sol 主榜涨 24.8 分，代码执行 +8.7 分、材料约束 +44.5 分；Claude Sonnet 4.6 主榜涨 24.6 分，代码执行 +5.5 分、材料约束 +47.9 分；GPT-6 Astra 主榜涨 19.6 分，材料约束 +40.2 分；GPT-6 Luna 主榜涨 18.6 分，代码执行 +5.5 分、材料约束 +34.5 分。
需要关注的信号
- Claude Opus 4.7 的代码执行大跌 -19.5 分，豆包 Pro 主榜大跌 -8 分。
- Gemini 3.1 Pro 代码执行同样跌了 -19.5 分，Gemini 2.5 Pro 的代码执行跌幅达到 -46.2 分。
- DeepSeek V4 Pro 代码执行跌 -19.5 分；GLM-4.6 的数据不完整，缺 execution、communication 维度，原因是 API 故障或超时，已安排自动补跑，本期不计入排名。
- Qwen3 Max 同样数据不完整，缺 execution、grounding、judgment、integrity、communication 维度，同样是 API 故障或超时，也已进入自动补跑，本期不参与排名。
看这类 Smoke 简报，关键盯两件事：一个模型是不是连着几天都露出同一类短板；诚信评级有没有从 pass 掉到 warn 或者 fail。单日执行分、约束分的大幅起落，可能只是题目抽样造成的，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。
