GPT-5.5 与 GPT-o3 并列 97.25 分：2026-08-13 Smoke 快测数据简报

发布时间：2026/10/14 23:19:46

GPT-5.5 与 GPT-o3 并列 97.25 分：2026-08-13 Smoke 快测数据简报
2026-08-13 赢政指数 Smoke 快测覆盖 11 个模型GPT-5.5 与 GPT-o3 以 97.25 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。评测说明本次 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#1GPT-5.597.2595100pass#2GPT-o397.2595100pass#3Grok 493.169590.9pass#4Claude Sonnet 4.691.819587.9pass#5Claude Opus 4.783.570100pass#6DeepSeek V4 Pro83.570100pass#7Gemini 3.1 Pro83.570100pass#8Gemini 2.5 Pro79.417090.9pass#9豆包 Pro78.427088.7pass#10GLM-4.678.427088.7pass#11Qwen3 Max78.067087.9pass主要变化GPT-5.5主榜上升 36 分代码执行 45 分材料约束 25 分GPT-o3主榜上升 22.3 分代码执行 20 分材料约束 25 分Claude Sonnet 4.6主榜上升 16.8 分代码执行 20 分材料约束 12.9 分Qwen3 Max主榜上升 15.4 分材料约束 37.9 分DeepSeek V4 Pro主榜上升 13.4 分材料约束 35 分需要关注的信号Gemini 2.5 Pro主榜暴跌 -9.1 分读这类 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。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。

相关新闻

Rust重构Open Interpreter：构建安全高效的AI智能体执行引擎

Rust重构Open Interpreter：构建安全高效的AI智能体执行引擎

1. 项目缘起：当AI编程助手决定“单干”如果你用过GitHub Copilot或者Cursor，肯定对那种在代码注释里写个需求，然后AI帮你生成几行代码的体验不陌生。这很酷，但总觉得缺了点什么——它更像一个坐在副驾驶的导航员，告诉你…

2026/10/14 11:32:13 阅读更多 →
从入门到进阶：Delve调试Go并发程序的8个高级技巧

从入门到进阶：Delve调试Go并发程序的8个高级技巧

从入门到进阶：Delve调试Go并发程序的8个高级技巧 【免费下载链接】delve Delve is a debugger for the Go programming language. 项目地址: https://gitcode.com/gh_mirrors/del/delve Delve是Go编程语言的专用调试器，专为解决Go程序的并发复杂性…

2026/10/14 22:32:16 阅读更多 →
软件持续更新的技术逻辑与用户应对策略

软件持续更新的技术逻辑与用户应对策略

1. 为什么我们总在点击"立即更新"按钮 刚装好的游戏还没玩两天就弹出更新提示，常用的办公软件每周都在下载补丁包，甚至连手机上的计算器应用都隔三差五要求升级。作为普通用户，你可能不止一次疑惑：这些开发者是不是当初…

2026/10/11 9:55:34 阅读更多 →

最新新闻

快速见效的SEO实战五步法：从关键词策略到数据迭代

快速见效的SEO实战五步法：从关键词策略到数据迭代

标题里写了“快速见效”，我先说句实话——SEO不存在“今天上线明天出词”的魔法，但确实存在一条能让见效周期明显缩短的路径。我在内容运营和SEO优化这条线上摸爬滚打了十几年，见过太多人一上来就整站改标题、狂发外链、堆砌关键词&#xff0…

2026/10/14 23:19:26 阅读更多 →
Ubuntu 20.04下C/C++开发环境搭建：VS Code与GCC/GDB工具链配置指南

Ubuntu 20.04下C/C++开发环境搭建：VS Code与GCC/GDB工具链配置指南

1. 为什么在 Ubuntu 20.04 上折腾 C/C 开发环境值得认真对待1.1 从一次真实的踩坑经历说起先说个我自己的经历。几年前我刚把主力开发机换成 Ubuntu 20.04 的时候&#xff0c;觉得装个编辑器写 C 代码能有多难&#xff1f;结果光是让#include <stdio.h>下面不出现红色波浪…

2026/10/14 23:19:26 阅读更多 →
AI产品化实战：从模型到可上线MVP的完整链路

AI产品化实战：从模型到可上线MVP的完整链路

1. 项目概述&#xff1a;这不是一套“AI课”&#xff0c;而是一份产品化思维的实战手稿“闪学it- AI产品创造营”这个标题里&#xff0c;“闪学”不是速成&#xff0c;是节奏感&#xff1b;“AI”不是堆模型&#xff0c;是工具链&#xff1b;“产品创造营”才是题眼——它不教你…

2026/10/14 23:19:26 阅读更多 →
Flink广播变量实战：原理、维表关联与动态更新方案

Flink广播变量实战：原理、维表关联与动态更新方案

1. 从一个真实场景说起&#xff1a;为什么需要广播变量做实时流计算的同学&#xff0c;大概率都遇到过这样的场景&#xff1a;主数据流源源不断进来&#xff0c;每一条记录都需要根据一份“规则表”或“配置表”做过滤、打标、富化。这份规则表可能来自数据库&#xff0c;可能来…

2026/10/14 23:19:26 阅读更多 →
XiaoMate：轻量级本地化桌面行为分析系统

XiaoMate：轻量级本地化桌面行为分析系统

1. 项目概述&#xff1a;这不是一个会动的桌面小猫&#xff0c;而是一套嵌入式视觉分析系统“XiaoMate功能介绍&#xff1a;让桌宠帮你分析你的桌面屏幕”——这个标题乍看像某款卖萌向的Windows小工具&#xff0c;但实际拆解下来&#xff0c;它背后是一整套轻量级桌面环境感知…

2026/10/14 23:19:26 阅读更多 →
AI芯片浪潮下，晶圆级测试为何成为关键路径？

AI芯片浪潮下，晶圆级测试为何成为关键路径？

1. 一个被AI芯片浪潮重新“翻红”的工序1.1 从“例行公事”到“生死关键”前几天跟一个做AI芯片设计的团队复盘项目&#xff0c;对方跑来跟我抱怨&#xff1a;“流片回来之前&#xff0c;没人把晶圆级测试当回事&#xff1b;回来之后&#xff0c;所有人都在催测试结果。”这话我…

2026/10/14 23:18:19 阅读更多 →

日新闻

AnyPS5通用适配层设计：兼容性与性能的工程取舍

AnyPS5通用适配层设计：兼容性与性能的工程取舍

1. 从"AnyPS5"这个名字说起&#xff1a;它到底想解决什么问题第一次看到"AnyPS5"这个标题&#xff0c;我脑子里冒出来的第一个念头是&#xff1a;这大概率是一个围绕"跨平台运行"或者"通用适配"做文章的项目。名字里的"Any"…

2026/10/14 0:00:41 阅读更多 →
Flutter跨平台开发实战：二手交易应用与HarmonyOS适配

Flutter跨平台开发实战：二手交易应用与HarmonyOS适配

1. 项目概述&#xff1a;Flutter跨平台二手交易应用开发作为一名长期从事移动应用开发的工程师&#xff0c;我最近完成了一个基于Flutter框架的二手物品交易平台项目。这个项目最吸引我的地方在于它完美结合了Flutter的跨平台优势与HarmonyOS的生态特性&#xff0c;实现了"…

2026/10/14 0:00:41 阅读更多 →
DFS算法解决飞机降落调度问题实战

DFS算法解决飞机降落调度问题实战

1. 项目背景与核心思路飞机降落问题是一个经典的调度优化场景&#xff0c;也是算法竞赛和面试中的高频题目。这个题目要求我们合理安排多架飞机的降落顺序和时间&#xff0c;确保所有飞机都能安全着陆而不发生冲突。在实际航空管制中&#xff0c;这类问题直接关系到飞行安全和机…

2026/10/14 0:00:41 阅读更多 →

周新闻

流感时间序列预测实战：ARIMA/LSTM全流程拆解与避坑指南

流感时间序列预测实战：ARIMA/LSTM全流程拆解与避坑指南

简介&#xff1a;基于 ARIMA、LSTM、Transformer 等模型的流感时间序列预测 Python 源码&#xff0c;面向计算机相关专业课程设计与期末大作业学生&#xff0c;以及项目实战学习者。内容覆盖预处理、平稳性检验、定阶、残差分析、多模型对比预测的完整时序建模流程&#xff0c;…

2026/10/14 3:30:28 阅读更多 →
影刀RPA新手教程：键盘模拟输入实战——输入文本与模拟按键的区别

影刀RPA新手教程：键盘模拟输入实战——输入文本与模拟按键的区别

影刀RPA新手教程&#xff1a;键盘模拟输入实战——输入文本与模拟按键的区别 做影刀RPA自动化&#xff0c;十个新手有八个栽在"往输入框里填东西"这件事上&#xff1a;要么填不进去&#xff0c;要么填了一半&#xff0c;要么直接把原来内容追加在后面。这背后的根因&…

2026/10/14 16:30:29 阅读更多 →
影刀RPA新手教程：阅文起点小说数据采集实战——书籍信息与章节内容

影刀RPA新手教程：阅文起点小说数据采集实战——书籍信息与章节内容

影刀RPA新手教程&#xff1a;阅文起点小说数据采集实战——书籍信息与章节内容 1. 认识影刀&#xff1a;什么场景该用RPA采小说数据 起点中文网的页面结构相对稳定——分类榜单、书籍详情、章节内容三块独立页面&#xff0c;跳转链路清晰。这种场景非常适合影刀自动化&#x…

2026/10/14 3:29:58 阅读更多 →

月新闻

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

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

/* MD / 富文本中的 .toc（含博客园搬家等嵌套结构）；.toc-box 在侧栏，不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p（:empty 仍占 20px），一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/13 22:01:27 阅读更多 →
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

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

/* MD / 富文本中的 .toc（含博客园搬家等嵌套结构）；.toc-box 在侧栏，不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p（:empty 仍占 20px），一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/14 22:45:47 阅读更多 →
黑夜航拍船只数据集训练YOLOV5模型全流程解析

黑夜航拍船只数据集训练YOLOV5模型全流程解析

/* MD / 富文本中的 .toc（含博客园搬家等嵌套结构）；.toc-box 在侧栏，不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p（:empty 仍占 20px），一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/14 7:53:34 阅读更多 →