2026-07-08 赢政指数 Smoke 快测覆盖 10 个模型DeepSeek V4 Pro 以 95.19 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。本次 Smoke 评测只覆盖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。由于每日样本量较小单日分数更适合作为监控信号而不是对模型能力做长期定论。当日排名排名模型主榜代码执行材料约束诚信#1DeepSeek V4 Pro95.1910089.3pass#2Grok 491.6998.383.6pass#3Claude Sonnet 4.686.2810069.5pass#4GPT-o383.4483.383.6pass#5Claude Opus 4.781.447589.3pass#6Qwen3 Max77.8373.183.6pass#7豆包 Pro71.8383.357.8pass#8GPT-5.566.097555.2pass#9Gemini 3.1 Pro6158.364.3pass#10Gemini 2.5 Pro59.956.364.3pass数据解读今日赢政指数Smoke快测中DeepSeek V4 Pro以代码执行100、材料约束89.3的组合取得主榜95.19位列首位Grok 4凭借代码执行98.3与材料约束83.6获得主榜91.69紧随其后Claude Sonnet 4.6则依靠代码执行100、材料约束69.5拿下主榜86.28。三者均呈现代码执行强于材料约束的结构特征其中DeepSeek V4 Pro的材料约束89.3与Grok 4的83.6形成互补支撑了主榜前两名的分数。GPT-5.5主榜下滑16.7分代码执行下降25分、材料约束下降6.5分Claude Opus 4.7主榜下滑15.6分代码执行下降25分Gemini 2.5 Pro主榜下滑9分代码执行下降42.2分、材料约束上升31.5分。Qwen3 Max主榜上升16.5分材料约束上升40.3分DeepSeek V4 Pro主榜上升15分材料约束上升31.5分。这些单日变动可能源于题目抽样波动也可能是模型在特定约束下的真实表现差异需后续同口径run复核确认。整体来看主榜公式下代码执行与材料约束的强弱搭配直接影响排名Smoke快测作为小样本单日信号仅反映当日数据分布未提供长期趋势判断。主要变化GPT-5.5主榜下降16.7分代码执行-25分材料约束-6.5分Qwen3 Max主榜上升16.5分材料约束40.3分Claude Opus 4.7主榜下降15.6分代码执行-25分DeepSeek V4 Pro主榜上升15分材料约束31.5分Gemini 2.5 Pro主榜下降9分代码执行-42.2分材料约束31.5分需要关注的信号本次未保留可发布的异常信号。读这类 Smoke 简报时重点应放在两个问题上第一某个模型是否连续多日暴露同一类弱点第二诚信评级是否从 pass 进入 warn 或 fail。单日执行或约束分数的大幅变化可能来自题目抽样也可能是真实退化的早期信号需要后续 run 复核。数据来源赢政指数 (YZ Index) | Run #220 | 查看原始数据© 2026 Winzheng.com 赢政天下 | 转载请注明来源并附原文链接