首页
/
行业洞察
/
正文
INDUSTRY INSIGHT · 深度
Claude Opus 4.7 与 GPT-5.5并列80.2分:2026-09-29 Smoke快测数据简报
📅 2026/9/30 23:21:31
✍️ 爱科研究院
👁 阅读 3,247
2026-09-29 赢政指数 Smoke 快测覆盖 10 个模型Claude Opus 4.7 与 GPT-5.5 以 80.2 分并列当日首位。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#1Claude Opus 4.780.210056pass#2GPT-5.580.210056pass#3豆包 Pro76.2596.951warn#4Qwen3 Max75.9192.256warn#5GPT-o373.7893.849.3warn#6Grok 469.9894.540pass#7Claude Sonnet 4.666.38741pass#8Gemini 3.1 Pro54.955061pass#9DeepSeek V4 Pro45.72571warn#10Gemini 2.5 Pro41.22561pass数据解读今日主榜前两名Claude Opus 4.7与GPT-5.5均取得主榜80.2其中代码执行均为100、材料约束均为56显示两者在代码执行与材料约束的搭配上形成均衡高位。豆包Pro主榜76.25代码执行96.9、材料约束51Qwen3 Max主榜75.91则以代码执行92.2搭配材料约束56头部模型整体呈现代码执行偏强、材料约束中等的结构特征。Gemini 3.1 Pro主榜54.95代码执行50、材料约束61DeepSeek V4 Pro主榜45.7则代码执行25、材料约束71体现材料约束相对更强的不同搭配。Claude Sonnet 4.6主榜较上一同口径run下降25.5分代码执行下降13分、材料约束下降40.8分DeepSeek V4 Pro主榜下降25.2分代码执行下降50分、材料约束上升5.1分Gemini 2.5 Pro主榜下降22.9分代码执行下降45分Grok 4主榜下降21.8分代码执行下降5.5分、材料约束下降41.8分Qwen3 Max主榜下降15.9分材料约束下降34.9分。这些分数变化可能源于题目抽样波动也可能反映单日真实表现差异需后续run复核确认。Smoke作为小样本单日信号上述解读仅针对今日数据结构不做长期判断。主要变化Claude Sonnet 4.6主榜下降25.5分代码执行-13分材料约束-40.8分DeepSeek V4 Pro主榜下降25.2分代码执行-50分材料约束5.1分Gemini 2.5 Pro主榜下降22.9分代码执行-45分Grok 4主榜下降21.8分代码执行-5.5分材料约束-41.8分Qwen3 Max主榜下降15.9分材料约束-34.9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 #344本文首发于赢政天下 (https://www.winzheng.com/review/yz-smoke-brief-20260929-run-344)获取更多深度技术内容与资源欢迎访问官网。
📌 标签:
工业官网
设计趋势
AI 建站
SEO
获取完整报告 →
RELATED ARTICLES
推荐阅读
2026/9/30 23:21:31
FPGA功耗优化实战:从RTL到实现的时钟门控与BRAM技巧
2026/9/30 23:16:31
PyTorch Loss曲线绘制:从数据采集到专业可视化
2026/9/30 23:16:31
让 AI 直接查公司数据库?先给 SQL 加三道闸:基于蓝耘 MaaS 的只读查询助手
2026/10/1 0:01:36
智能车竞赛芯片选型指南:从主频、资源到双核与生态的决策链
2026/10/1 0:01:36
MCP Kubernetes Server 实战:用 TaoToken 统一 Key 打通集群管理工具链
2026/10/1 0:01:36
2026 大模型集体涨价:用 Python 做企业 Token 成本测算与选型避坑(附配置)
2026/10/1 0:01:36
Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式:TaoToken 统一 Key 配置与验证
2026/10/1 0:01:36
我发现了一个新思路:用 Remotion + Claude Code 像写代码一样自动化生成短视频
2026/9/30 23:56:34
贷网站-ssm vue mysql
2026/10/1 0:01:36
我发现了一个新思路:用 Remotion + Claude Code 像写代码一样自动化生成短视频
2026/10/1 0:01:36
Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式:TaoToken 统一 Key 配置与验证
2026/10/1 0:01:36
2026 大模型集体涨价:用 Python 做企业 Token 成本测算与选型避坑(附配置)
2026/9/29 11:29:08
网站建设的英语怎么说?别只背单词,看完这套安全完整流程才敢上线
2026/9/29 13:01:36
新手入门看这篇:建设网站加盟避坑指南与SEO实操
2026/9/29 14:07:33
论文AIGC疑似度是什么意思?想查论文AI率有哪些免费工具?
2026/10/1 0:01:36
我发现了一个新思路:用 Remotion + Claude Code 像写代码一样自动化生成短视频
2026/10/1 0:01:36
Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式:TaoToken 统一 Key 配置与验证
2026/10/1 0:01:36
2026 大模型集体涨价:用 Python 做企业 Token 成本测算与选型避坑(附配置)