GPT-6 Astra 以90.64分登顶：11月8日Smoke快测覆盖13个模型
2026-11-08 赢政指数 Smoke 快测覆盖 13 个模型，GPT-6 Astra 以 90.64 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。
2026-11-08 的赢政指数 Smoke 快测中，13 个模型参与评测，
GPT-6 Astra 拿下 90.64 分，排在当天第一。Smoke 是每天 10 道题的快测，用来盯短期信号可以，但不能当成 Full 周榜的结论。
这一轮 Smoke 只跑代码执行和材料约束两个主榜维度，主榜公式为 0.55 × 代码执行 + 0.45 × 材料约束。每天样本量不大，所以单日分数更像监控信号，不适合拿来给模型能力下长期定论。换句话说，看趋势比看一天的数字更有意义。
当日排名
| 排名 | 模型 | 主榜 | 代码执行 | 材料约束 | 诚信 |
|---|---|---|---|---|---|
| #1 | GPT-6 Astra | 90.64 | 100 | 79.2 | pass |
| #2 | GPT-6.1 Sol | 89.65 | 100 | 77 | pass |
| #3 | GPT-6 Luna | 86.23 | 88.3 | 83.7 | pass |
| #4 | GPT-6 Sol | 84.97 | 82.4 | 88.1 | pass |
| #5 | Grok 4 | 77.57 | 64.7 | 93.3 | pass |
| #6 | Claude Sonnet 4.6 | 72.32 | 57.6 | 90.3 | pass |
| #7 | GPT-5.5 | 68.56 | 57.4 | 82.2 | pass |
| #8 | GPT-o3 | 63.44 | 44.4 | 86.7 | warn |
| #9 | 豆包 Pro | 59.56 | 53.3 | 67.2 | warn |
| #10 | Gemini 3.1 Pro | 56.18 | 25.8 | 93.3 | pass |
| #11 | Claude Opus 4.7 | 55.3 | 26 | 91.1 | pass |
| #12 | Gemini 2.5 Pro | 52 | 20 | 91.1 | pass |
| #13 | DeepSeek V4 Pro | 50.74 | 25 | 82.2 | pass |
主要变化
- 下滑幅度较大的是 Claude Opus 4.7：主榜下降23.6分，代码执行-44分。
- Gemini 3.1 Pro 主榜下降23.1分，代码执行-49.2分，材料约束+8.8分。
- 豆包 Pro 主榜下降20分，代码执行-43.5分，材料约束+8.7分，诚信评级由 pass 转为 warn。
- GPT-o3 主榜下降19.5分，代码执行-47.2分，材料约束+14.4分，诚信同样是 pass→warn。
- GPT-5.5 主榜下降13.9分，代码执行-42.4分，材料约束+20.9分。
需要关注的信号
- 本次未保留可发布的异常信号。
看这类 Smoke 简报，其实该盯两件事：某个模型有没有连着几天在同一类弱点上栽跟头；诚信评级有没有从 pass 掉进 warn 或 fail。单日执行或约束分数大起大落，可能是题目抽样造成的，也可能是真退化的早期迹象，得靠后面几轮 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。
