Claude Opus 4.7 与 GPT-5.5并列80.2分:2026-09-29 Smoke快测数据简报
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。

相关新闻

FPGA功耗优化实战:从RTL到实现的时钟门控与BRAM技巧

FPGA功耗优化实战:从RTL到实现的时钟门控与BRAM技巧

1. 功耗问题从来不是小事:从一个真实翻车现场说起去年帮一个朋友救火,他们做的一款便携式工业相机,用的是 Xilinx Artix-7 系列 FPGA,样机阶段跑得好好的,一到小批量试产就出问题:连续工作二十分钟后外壳烫…

2026/9/30 23:21:10 阅读更多 →
工业级配电开关控制设备:关键电气参数、公差与机械寿命全解析

工业级配电开关控制设备:关键电气参数、公差与机械寿命全解析

“工业级配电开关控制设备”这个提法,在行业里通常对应的是低压成套设备中的核心元件,比如塑壳断路器(MCCB)、框架断路器(ACB)、接触器、隔离开关以及各类组合电器。干这行十几年,我经手过的项目…

2026/9/30 23:20:10 阅读更多 →
配电开关控制设备选型:读懂分断能力、公差与机械寿命关键参数

配电开关控制设备选型:读懂分断能力、公差与机械寿命关键参数

配电开关控制设备的选型,大多数人把精力放在了"额定电流够不够"上,但真正到了工业现场,决定设备能不能长期稳定运行、能不能在故障时可靠分断的,往往是那些铭牌上不起眼的小参数——绝缘耐压、分断能力、动作公差、机械…

2026/9/30 23:20:10 阅读更多 →

最新新闻

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 …

2026/10/1 0:00:30 阅读更多 →
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 …

2026/10/1 0:00:30 阅读更多 →
游戏引擎原理与实践 02:揭开3A游戏背后的技术面纱

游戏引擎原理与实践 02:揭开3A游戏背后的技术面纱

游戏引擎原理与实践 02:揭开3A游戏背后的技术面纱Bilibili 同步视频游戏逻辑 vs 游戏引擎,剧本和摄影机的区别现代游戏引擎都包含哪些模块?游戏编辑器:游戏开发者的工作台数学,游戏引擎的内功根基需要重点掌握的数学知…

2026/9/30 23:59:29 阅读更多 →
中科院青藏高原所李新团队提出 READY 框架|地学数据光“开放共享”还不够,得先过“AI 就绪”这道关

中科院青藏高原所李新团队提出 READY 框架|地学数据光“开放共享”还不够,得先过“AI 就绪”这道关

近日,中国科学院青藏高原研究所、国家青藏高原科学数据中心联合国内多个地学数据中心科研人员,系统提出了“人工智能就绪地球科学数据(AI-ready geoscience data)”的定义框架与实现路径。当前,“人工智能就绪数据&…

2026/9/30 23:59:29 阅读更多 →
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

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

1. 为什么第十五届的“芯片选型”忽然成了所有人绕不开的话题从第十五届备赛周期开始,智能车竞赛里的一个趋势变得非常明显:你打开官方通知后,第一件事不再是去翻上届学长传下来的代码,而是先去看“主控芯片”那一栏还能不能沿用老…

2026/9/30 23:59:29 阅读更多 →
MCP Kubernetes Server 实战:用 TaoToken 统一 Key 打通集群管理工具链

MCP Kubernetes Server 实战:用 TaoToken 统一 Key 打通集群管理工具链

/* 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 …

2026/9/30 23:59:29 阅读更多 →

日新闻

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 …

2026/10/1 0:00:30 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 …

2026/10/1 0:00:30 阅读更多 →

周新闻

如何划分训练/验证集:Spirula Studio五种eval_mode策略详解

如何划分训练/验证集:Spirula Studio五种eval_mode策略详解

如何划分训练/验证集:Spirula Studio五种eval_mode策略详解 【免费下载链接】spirula-studio Cross-vendor 3D Gaussian Splatting trainer - video to splat to mesh, Vulkan or CUDA. 项目地址: https://gitcode.com/GitHub_Trending/sp/spirula-studio Sp…

2026/9/30 13:14:22 阅读更多 →
SEO怎么推广速查手册新手避坑实战指南

SEO怎么推广速查手册新手避坑实战指南

SEO怎么推广速查手册新手避坑实战指南 模板网站太丑不够用?别急着加滤镜,那是治标不治本。很多老板盯着后台流量掉得眼红,却还在纠结首页Banner的圆角是不是3像素。这就像穿着西装去挖土,姿势不对,努力白费。我整理这份 速查手册…

2026/9/30 18:13:06 阅读更多 →
FireRed-OpenStoryline少样本仿写深度解析:AI Agent如何复刻你的独特文案风格与节奏

FireRed-OpenStoryline少样本仿写深度解析:AI Agent如何复刻你的独特文案风格与节奏

FireRed-OpenStoryline少样本仿写深度解析:AI Agent如何复刻你的独特文案风格与节奏 【免费下载链接】FireRed-OpenStoryline FireRed-OpenStoryline is an AI video editing agent that transforms manual editing into intention-driven directing through natural language …

2026/9/30 13:14:49 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 …

2026/10/1 0:00:30 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 …

2026/10/1 0:00:30 阅读更多 →