2026-11-21 的赢政指数 Smoke 快测一共跑了 13 个模型,当天排在第一位的是豆包 Pro,得分 91.11。Smoke 是每日 10 题的快测,看的是短期信号,不能当成 Full 周榜的结论。

这一轮 Smoke 只测了代码执行和材料约束两个主榜维度,主榜公式是 0.55 × 代码执行 + 0.45 × 材料约束。每天样本量偏小,所以单日分数拿来做监控信号更合适,要说某模型能力长期如何,还下不了定论。

当日排名

排名模型主榜代码执行材料约束诚信
#1豆包 Pro91.1198.881.7pass
#2Grok 480.5898.858.3pass
#3GPT-6 Luna80.1399.356.7pass
#4GPT-o377.6198.851.7pass
#5Gemini 3.1 Pro72.757570pass
#6Claude Opus 4.772.3774.370pass
#7GPT-6.1 Sol72.3774.370pass
#8Gemini 2.5 Pro69.747563.3pass
#9GPT-6 Astra69.3574.363.3pass
#10GPT-6 Sol69.3574.363.3pass
#11Claude Sonnet 4.669.0873.863.3pass
#12DeepSeek V4 Pro67.497558.3pass
#13GPT-5.555.6549.363.4pass

主要变化

  • GPT-6 Luna:主榜涨了24.2分,代码执行+54.7分,材料约束-13.1分
  • Claude Opus 4.7:主榜掉了19.8分,代码执行-20.2分,材料约束-19.3分
  • GPT-o3:主榜涨了19.7分,代码执行+53.3分,材料约束-21.4分
  • GPT-6 Astra:主榜掉了19.6分,代码执行-22.5分,材料约束-16分
  • Gemini 3.1 Pro:主榜涨了17.7分,代码执行+45.5分,材料约束-16.3分

需要关注的信号

  • 这次没有留下可以发布的异常信号。

看这类 Smoke 简报,要盯的是两件事:一是某个模型有没有连着多天栽在同一类弱点上;二是诚信评级有没有从 pass 变成 warn 或者 fail。单日执行分或约束分大起大落,可能是抽题抽成这样的,也可能是真退化的早期迹象,得靠后面的 run 再核一遍。