2026 年 8 月 11 日赢政指数 Smoke 快测覆盖 10 个模型Gemini 3.1 Pro 以 94.74 分位居当日首位。本次仅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。一、当日排名排名模型主榜代码执行材料约束诚信#1Gemini 3.1 Pro94.7410088.3pass#2Claude Opus 4.792.9410084.3pass#3DeepSeek V4 Pro87.9910073.3pass#4Grok 487.9395.878.3pass#5Gemini 2.5 Pro86.2892.878.3pass#6Claude Sonnet 4.685.7410068.3pass#7GPT-o384.4194.871.7pass#8GPT-5.583.1710062.6pass#9Qwen3 Max81.5687.574.3pass#10GLM-4.674.007578.3fail二、主要变化以下模型主榜出现显著变动模型 主榜变化 代码执行 材料约束 Claude Sonnet 4.6 30.5 50.0 6.6 Gemini 3.1 Pro 28.0 33.3 21.6 GPT-5.5 24.9 25.0 24.7 Claude Opus 4.7 20.6 25.0 15.3 Qwen3 Max 16.6 12.5 21.5Claude Sonnet 4.6 的30.5 分最为突出代码执行从 50 分直接跳至 100 分。三、需要关注的信号GLM-4.6诚信评级降为 Failpass → fail是当日唯一触发诚信告警的模型。豆包 Pro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。四、阅读指南读 Smoke 简报时应重点看两个问题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。本文首发于赢政天下 (https://www.winzheng.com)获取更多深度技术内容与资源欢迎访问官网。
2026 年 8 月 11 日赢政指数 Smoke 快测覆盖 10 个模型Gemini 3.1 Pro 以 94.74 分位居当日首位。本次仅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。一、当日排名排名模型主榜代码执行材料约束诚信#1Gemini 3.1 Pro94.7410088.3pass#2Claude Opus 4.792.9410084.3pass#3DeepSeek V4 Pro87.9910073.3pass#4Grok 487.9395.878.3pass#5Gemini 2.5 Pro86.2892.878.3pass#6Claude Sonnet 4.685.7410068.3pass#7GPT-o384.4194.871.7pass#8GPT-5.583.1710062.6pass#9Qwen3 Max81.5687.574.3pass#10GLM-4.674.007578.3fail二、主要变化以下模型主榜出现显著变动模型 主榜变化 代码执行 材料约束 Claude Sonnet 4.6 30.5 50.0 6.6 Gemini 3.1 Pro 28.0 33.3 21.6 GPT-5.5 24.9 25.0 24.7 Claude Opus 4.7 20.6 25.0 15.3 Qwen3 Max 16.6 12.5 21.5Claude Sonnet 4.6 的30.5 分最为突出代码执行从 50 分直接跳至 100 分。三、需要关注的信号GLM-4.6诚信评级降为 Failpass → fail是当日唯一触发诚信告警的模型。豆包 Pro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。四、阅读指南读 Smoke 简报时应重点看两个问题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。本文首发于赢政天下 (https://www.winzheng.com)获取更多深度技术内容与资源欢迎访问官网。
