尧图网络 高端网站定制 · 原创设计
免费咨询热线
400-888-6620
免费获取方案
GPT-5.5以93.16分居首:2026-09-28 Smoke快测数据简报
2026-09-28 赢政指数 Smoke 快测覆盖 11 个模型GPT-5.5 以 93.16 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。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-5.593.169590.9pass#2Claude Sonnet 4.691.8110081.8pass#3Grok 491.8110081.8pass#4Qwen3 Max91.7892.590.9warn#5Claude Opus 4.782.167590.9pass#6GPT-o380.7872.590.9pass#7DeepSeek V4 Pro70.917565.9warn#8Gemini 3.1 Pro68.6378.356.8pass#9豆包 Pro68.167065.9warn#10Gemini 2.5 Pro64.067056.8pass#11GLM-4.651.912090.9pass数据解读今日主榜前三中GPT-5.5以代码执行95、材料约束90.9组合获得93.16Claude Sonnet 4.6与Grok 4则均以代码执行100、材料约束81.8的搭配并列91.81显示头部模型在两项能力上的强弱互补各有侧重。Qwen3 Max代码执行92.5、材料约束90.9主榜91.78紧随其后而Claude Opus 4.7与GPT-o3均呈现代码执行偏低、材料约束90.9的结构主榜分值分别落在82.16与80.78区间。异常信号方面Claude Opus 4.7主榜暴跌-13.9分、GPT-o3主榜暴跌-15.2分、豆包 Pro主榜暴跌-14.8分且诚信由pass转为warnGLM-4.6代码执行暴跌-47分这些单日变化可能源于题目抽样波动也可能反映真实退化需后续同口径run复核确认。Smoke快测样本量有限上述数字仅为当日观察不宜外推模型整体表现。主要变化GPT-o3主榜下降15.2分代码执行-24.5分豆包 Pro主榜下降14.8分代码执行-22分材料约束-6.1分诚信pass→warnGPT-5.5主榜上升14.4分代码执行23分Claude Opus 4.7主榜下降13.9分代码执行-22分Grok 4主榜下降5.8分材料约束-13分需要关注的信号Claude Opus 4.7主榜暴跌 -13.9 分GPT-o3主榜暴跌 -15.2 分豆包 Pro主榜暴跌 -14.8 分GLM-4.6代码执行暴跌 -47 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。数据来源赢政指数 (YZ Index) | Run #341本文首发于赢政天下获取更多深度技术内容与资源欢迎访问官网。
RELATED

相关推荐

全国有哪些值得推荐的机械设备APP开发公司?

全国有哪些值得推荐的机械设备APP开发公司?

摘要:全国值得推荐的机械设备APP开发公司,要懂设备全生命周期:台账、点检、维保、故障工单、远程运维和OEE效率分析,而不是做个设备信息展示页。机械设备App常要对接物联网采集数据,支持现场报修和远程监控。选型看设备…

📅 2026/10/1 2:52:34
基于OpenCV的色块追踪颜色识别源码技术解析与调优实战指南

基于OpenCV的色块追踪颜色识别源码技术解析与调优实战指南

简介:一套基于OpenCV实现的色块追踪与颜色识别完整项目,面向计算机、电子信息等专业的课程设计、期末大作业及毕设场景,也适合希望快速上手视觉识别的初学者。压缩包共35个文件,约6.43MB,其中包含5个Python脚本、6个Ma…

📅 2026/10/1 2:47:34
GO [ 并发 · 调度器 ]

GO [ 并发 · 调度器 ]

上一篇我们已经学习了 goroutine、channel、select、WaitGroup、Context、Mutex、RWMutex、Cond 和 atomic。现在有一个更底层的问题: go func() { ... }()这行代码到底是怎样被执行起来的?一个进程里明明可以有成千上万个 goroutine,操作系…

📅 2026/10/1 2:47:34
MORE NEWS

更多资讯

📰

知识蒸馏实战:本科毕设如何将人脸关键点检测模型压缩到2MB

简介:本资源为一份本科毕业设计级别的Python项目源码,主题是结合知识蒸馏训练人脸关键点检测的极小模型,面向计算机、人工智能、通信工程、自动化等专业的在校学生与教师,也适合作为课程设计、作业或项目初期立项的参考。项目代码…

📰

WSL2安装与Linux学习环境搭建:从零开始的Windows开发实践

看到不少同事、朋友开始研究“Windows 下 WSL2 安装与 Linux 学习环境搭建”这个问题,我其实挺有感触的。以前想在 Windows 上正经学 Linux,要么装个虚拟机,要么把硬盘划出一半来装双系统,后者一个手滑就能把引导搞坏,…

📰

WSL2从入门到实战:Windows下Linux环境搭建与Docker配置指南

先说个实在的:如果你手头只有一台 Windows 电脑,又恰好需要学 Linux、跑 Docker、跟服务器环境打交道,那 WSL2 基本是近几年最值得折腾的东西。它不是虚拟机,不是双系统,而是微软官方做的“Windows 下的 Linux 子系统”…

📰

IEEE 802.11a OFDM物理层仿真:从参数到SDR验证

简介:这份资源是一套基于IEEE 802.11a标准的OFDM物理层仿真程序,面向无线通信课程学习者、OFDM入门研究者以及需要验证802.11a关键技术的工程人员。程序围绕5GHz频段WLAN的物理层链路展开,覆盖数据预处理、QAM与QPSK调制、IFFT变换、循环前缀…

📰

知识蒸馏实战:本科毕设人脸关键点小模型CPU实时方案

简介:本资源为本科毕业设计项目源码,主题是结合知识蒸馏训练人脸关键点检测的极小模型,面向计算机、人工智能、通信工程、自动化等专业的在校学生与教师,也适合作为课程设计、作业或项目立项演示的参考。项目代码经过完整测试&…

📰

深度可分离UNet:轻量级医学图像分割实战与优化

简介:这份资源面向医学图像分割方向的开发者与研究者,提供一套基于深度可分离卷积的轻量级UNet实现方案,适合在资源受限的医疗设备上部署,也适合希望入门分割任务、理解模型轻量化思路的中级学习者。压缩包共10个文件,…

TODAY

今日更新

THIS WEEK

本周精选

THIS MONTH

本月热门

读完文章,想聊聊您的网站?

告诉我们您的行业与需求,资深顾问一对一梳理方案与报价,全程免费。

📞 💬