GPT-6 Astra 93.05分登顶，Smoke快测单日榜，14个模型参评

2026-11-07 的赢政指数 Smoke 快测一共跑了 14 个模型，GPT-6 Astra 拿到 93.05 分，排在当天第一。这个快测每天出 10 道题，看的是短期信号，不能当成 Full 周榜的结论。

本轮的评测范围只有代码执行和材料约束两个主榜维度，主榜分数按 0.55 × 代码执行加 0.45 × 材料约束算出来。每天样本量不大，单日分数拿来做监控信号更合适，要说长期能力定论还早。

当日排名

数据解读

当天排在最前的是 GPT-6 Astra，主榜 93.05，代码执行 99.8、材料约束 84.8，两项都硬，优势拉得开。GPT-6 Luna 和 GPT-6 Sol 的代码执行也都是 99.8，材料约束分别是 71.3 和 69.5，主榜各为 86.98 和 86.17。Claude Opus 4.7 材料约束有 89.8，但代码执行只有 70，主榜 78.91，结构上是材料约束强、代码执行偏弱。Gemini 3.1 Pro 代码执行 75、材料约束 84.5，主榜 79.28，排名同样靠材料约束撑着。

和前次相比，GPT-6 Luna 主榜涨了 22.9 分，代码执行多出 49.8 分，材料约束掉了 10.1 分；GPT-6 Sol 主榜升 18.1 分，代码执行增加 30.3 分；GLM-4.6 主榜升 15.7 分，代码执行增加 30.5 分；GPT-o3 主榜升 15.1 分，代码执行加 22.1 分、材料约束加 6.6 分；GPT-6 Astra 主榜升 13.8 分，材料约束增加 24.1 分。这些波动可能只是当天题目抽样带来的，还得靠后续 run 复核，才能判断是不是真的变化。

异常这边，GPT-5.5 材料约束降了 18 分，豆包 Pro 主榜降 8 分，Gemini 2.5 Pro 主榜降 9.5 分，DeepSeek V4 Pro 主榜降 10.2 分。Qwen3 Max 数据不完整，没有参加排名。Smoke 本来就是小样本的单日信号，上面这些起伏要多次 run 验证稳不稳，不做长期判断。

主要变化

• GPT-6 Luna：主榜上升22.9分，代码执行+49.8分，材料约束-10.1分；GPT-6 Sol：主榜上升18.1分，代码执行+30.3分；GLM-4.6：主榜上升15.7分，代码执行+30.5分；GPT-o3：主榜上升15.1分，代码执行+22.1分，材料约束+6.6分，诚信warn→pass；GPT-6 Astra：主榜上升13.8分，代码执行+5.3分，材料约束+24.1分

需要关注的信号

• GPT-5.5：材料约束暴跌 -18 分；豆包 Pro：主榜暴跌 -8 分；Gemini 2.5 Pro：主榜暴跌 -9.5 分；DeepSeek V4 Pro：主榜暴跌 -10.2 分；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

看这种 Smoke 简报，盯住两件事就够了：一是某个模型有没有连续多天在同一类弱点上栽跟头；二是诚信评级有没有从 pass 掉到 warn 或者 fail。单日执行分数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苗头，得等后续 run 复核。