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。