2026-08-07 赢政指数 Smoke 快测覆盖 9 个模型Gemini 2.5 Pro 以 87.21 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。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#1Gemini 2.5 Pro87.2194.578.3pass#2Grok 481.2394.565warn#3Claude Opus 4.780.9869.595pass#4GPT-5.574.4894.550pass#5GPT-o372.3694.545.3pass#6Claude Sonnet 4.671.4694.543.3pass#7Gemini 3.1 Pro67.5971.163.3pass#8Qwen3 Max65.2369.560pass#9DeepSeek V4 Pro61.2269.551.1pass数据解读Gemini 2.5 Pro 主榜 87.21 领先代码执行 94.5 与材料约束 78.3 搭配均衡。Grok 4 代码执行 94.5 但材料约束 65主榜 81.23。Claude Opus 4.7 材料约束 95 而代码执行 69.5主榜 80.98。GPT-5.5 代码执行 94.5、材料约束 50主榜 74.48显示头部模型在两项维度上的不同侧重。主要变化DeepSeek V4 Pro主榜下降 31 分代码执行 -30.5 分材料约束 -31.5 分Claude Sonnet 4.6主榜下降 20.7 分材料约束 -39.3 分GPT-o3主榜下降 16.8 分材料约束 -30.7 分Gemini 2.5 Pro主榜上升 15.9 分代码执行 23.7 分Qwen3 Max主榜下降 15.3 分代码执行 -18 分需要关注的信号Grok 4 材料约束暴跌 -17.6 分诚信评级 warnClaude Opus 4.7 代码执行暴跌 -30.5 分GPT-5.5 主榜暴跌 -12.9 分Claude Sonnet 4.6 主榜暴跌 -20.7 分DeepSeek V4 Pro 主榜暴跌 -31 分豆包 Pro 与 GLM-4.6 数据不完整API 故障/超时已进入自动补跑本期不参与排名读 Smoke 简报时重点应放在两个问题上某个模型是否连续多日暴露同一类弱点诚信评级是否从 pass 进入 warn 或 fail。单日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。