Claude Opus 4.7 Smoke快测83.48分居首：13款模型单日信号怎么看
2026-11-14 赢政指数 Smoke 快测覆盖 13 个模型，Claude Opus 4.7 以 83.48 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。
2026-11-14 的赢政指数 Smoke 快测跑了 13 个模型，当天排第一的是 
Claude Opus 4.7，83.48 分。这套 Smoke 每天出 10 道题，看的是短期信号，跟 Full 周榜的结论不是一回事。
这一期只统计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。每天题量小，单日分数拿来做监控信号更合适，要给模型能力下长期判断还不够。
当日排名
| 排名 | 模型 | 主榜 | 代码执行 | 材料约束 | 诚信 |
|---|---|---|---|---|---|
| #1 | Claude  Opus 4.7 |
83.48 | 94.5 | 70 | pass |
| #2 | GPT-6 Luna | 76.64 | 94.5 | 54.8 | pass |
| #3 | GPT-5.5 | 76.41 | 94.5 | 54.3 | pass |
| #4 | 豆包 Pro | 73.4 | 94.5 | 47.6 | pass |
| #5 | GPT-6.1 Sol | 72.14 | 94.5 | 44.8 | pass |
| #6 | Claude Sonnet 4.6 | 70.61 | 94.5 | 41.4 | pass |
| #7 | Grok 4 | 69 | 88.8 | 44.8 | pass |
| #8 | GPT-6 Sol | 65.88 | 91.3 | 34.8 | pass |
| #9 | GPT-o3 | 65.56 | 91.3 | 34.1 | pass |
| #10 | GPT-6 Astra | 65.07 | 94.5 | 29.1 | pass |
| #11 | Gemini 2.5 Pro | 57.01 | 67 | 44.8 | pass |
| #12 | Gemini 3.1 Pro | 55.66 | 44.5 | 69.3 | pass |
| #13 | DeepSeek V4 Pro | 53.73 | 44.5 | 65 | pass |
数据解读
拆开分数看，Claude Opus 4.7 主榜 83.48 排在最前，代码执行 94.5、材料约束 70，两边比较均衡，材料约束这一项在头部模型里是最高的。GPT-6 Luna、GPT-5.5、豆包 Pro、GPT-6.1 Sol 和 Claude Sonnet 4.6 的代码执行都停在 94.5 这个高位，材料约束却分别只有 54.8、54.3、47.6、44.8 和 41.4，共同点很清楚：代码执行强，材料约束偏弱。Grok 4 和 GPT-6 Sol 的代码执行是 88.8 和 91.3，材料约束 44.8 和 34.8，主榜整体落在 69 和 65.88。
异常信号这边，GPT-6 Astra 主榜掉了 27.3 分，材料约束同时 -60.2 分；GPT-6 Luna 主榜涨 16.3 分，材料约束 +35 分；豆包 Pro 主榜 +15.8 分，其中代码执行 +19.5 分、材料约束 +11.3 分；GPT-o3 主榜 -14.2 分，材料约束 -27.2 分；Claude Sonnet 4.6 主榜 -11.7 分，代码执行 -5 分、材料约束 -19.9 分。这些单日大起大落，可能是抽到的题目变了，也可能是真退化，得等后续 run 复核才能确认。
同样的局限也出现在另外几处：Claude Opus 4.7 主榜暴跌 -11.4 分，Grok 4 材料约束暴跌 -16.5 分，Gemini 2.5 Pro 材料约束暴跌 -16.5 分，Gemini 3.1 Pro 代码执行暴跌 -30.5 分。GLM-4.6 与 Qwen3 Max 因为数据不完整没有参与排名，已经进入自动补跑，本期 Smoke 快测的结果只能当当天参考。
主要变化
- GPT-6 Astra：主榜下降 27.3 分，材料约束 -60.2 分
- GPT-6 Luna：主榜上升 16.3 分，材料约束 +35 分
- 豆包 Pro：主榜上升 15.8 分，代码执行 +19.5 分，材料约束 +11.3 分
- GPT-o3：主榜下降 14.2 分，材料约束 -27.2 分
- Claude Sonnet 4.6：主榜下降 11.7 分，代码执行 -5 分，材料约束 -19.9 分
需要关注的信号
- Claude Opus 4.7：主榜暴跌 -11.4 分
- Claude Sonnet 4.6：主榜暴跌 -11.7 分
- Grok 4：材料约束暴跌 -16.5 分
- GPT-o3：主榜暴跌 -14.2 分
- GPT-6 Astra：主榜暴跌 -27.3 分
- Gemini 2.5 Pro：材料约束暴跌 -16.5 分
- Gemini 3.1 Pro：代码执行暴跌 -30.5 分
- GLM-4.6：数据不完整（缺 judgment,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，盯两件事就够了：某个模型是不是连着几天都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幅变动，可能只是题目抽样带来的，也可能是真实退化的早期迹象，还得靠后续 run 复核。
