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
Claude Opus 4.7以92.49分居首:2026-09-04 Smoke快测数据简报
2026-09-04 赢政指数 Smoke 快测覆盖 11 个模型Claude Opus 4.7 以 92.49 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#1Claude Opus 4.792.4910083.3pass#2Grok 489.3810076.4pass#3GPT-o382.4797.564.1pass#4Gemini 2.5 Pro75.457576pass#5Qwen3 Max75.1596.748.8pass#6GPT-5.571.677567.6pass#7DeepSeek V4 Pro67.245088.3pass#8GLM-4.660.945074.3pass#9Gemini 3.1 Pro60.657543.1pass#10Claude Sonnet 4.652.165054.8pass#11豆包 Pro50.095050.2pass数据解读今日主榜前三模型在代码执行与材料约束两项指标上呈现不同搭配。Claude Opus 4.7以代码执行100、材料约束83.3取得主榜92.49Grok 4同样代码执行100但材料约束76.4主榜89.38GPT-o3代码执行97.5、材料约束64.1主榜82.47。三者均诚信pass。DeepSeek V4 Pro代码执行50、材料约束88.3主榜67.24显示材料约束相对更强的结构特点。Gemini 2.5 Pro代码执行75、材料约束76主榜75.45处于两项较为均衡的位置。多模型出现明显同口径变化。Claude Opus 4.7主榜33.6分代码执行25分材料约束44分Grok 4主榜27.4分代码执行25分材料约束30.3分Gemini 2.5 Pro主榜27.9分代码执行25分材料约束31.5分DeepSeek V4 Pro主榜22.1分材料约束49分。豆包 Pro主榜-29分代码执行-50分。这些单日幅度需结合Smoke小样本特性看待可能源于题目抽样波动也可能反映真实表现变化均需后续run复核确认。异常信号集中在数个模型。GPT-5.5代码执行暴跌-25分GLM-4.6诚信评级由fail转为FailClaude Sonnet 4.6主榜暴跌-13.9分豆包 Pro主榜暴跌-29分。以上变动在小样本单日测试中常见暂不宜视为长期退化仅作为观察信号建议通过多轮重复测试进一步验证。主要变化Claude Opus 4.7主榜上升33.6分代码执行25分材料约束44分豆包 Pro主榜下降29分代码执行-50分Gemini 2.5 Pro主榜上升27.9分代码执行25分材料约束31.5分Grok 4主榜上升27.4分代码执行25分材料约束30.3分DeepSeek V4 Pro主榜上升22.1分材料约束49分需要关注的信号GPT-5.5代码执行暴跌 -25 分GLM-4.6诚信评级降为 Fail (fail→pass)Claude Sonnet 4.6主榜暴跌 -13.9 分豆包 Pro主榜暴跌 -29 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 #308本文首发于赢政天下 (https://www.winzheng.com/review/yz-smoke-brief-20260904-run-308)获取更多深度技术内容与资源欢迎访问官网。
RELATED

相关推荐

Pi Agent插件选择与自动化工作流构建实战指南

Pi Agent插件选择与自动化工作流构建实战指南

/* 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 …

📅 2026/10/6 6:38:39
OpenAI发布Astra:新前沿还是新风险?

OpenAI发布Astra:新前沿还是新风险?

本周,OpenAI正式推出名为Astra的新型AI模型。按照官方描述,该模型能流畅操控电脑和浏览器,自动执行复杂任务,无需人类逐步指引。OpenAI在公告中毫不掩饰其雄心,称Astra代表着“计算机和浏览器使用的新前沿”&#xff0…

📅 2026/9/17 16:08:10
本地化二维码任务系统:从零构建支持批量生成与API集成的技术方案

本地化二维码任务系统:从零构建支持批量生成与API集成的技术方案

/* 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 …

📅 2026/10/25 12:07:23
MORE NEWS

更多资讯

📰

LC选频网络与谐振回路:Q值、通频带及阻抗匹配解析

简介:这份PPT面向电子工程、通信类课程学习者及需要复习高频电路基础的读者,围绕选频网络中的串联谐振回路展开,适合课堂讲授、考前梳理与知识点查漏。内容从单振荡回路的谐振特性切入,依次讲解谐振频率、阻抗与电流相位关系、品质…

📰

工控机无网不用愁:三步搞定网络共享,附共享与网桥对比

车间里的工控机大多是"孤岛"状态——设备本身跑着采集程序、视觉算法或者本地数据库,但一到要拉取更新包、同步日志、远程看个界面,就卡在"没有网络"这一步。很多人第一反应是给每台机器插一张无线网卡,或者干脆拉一根网…

📰

AI工程体系构建:Python/Rust/TS/Julia多语言协同实践

1. 为什么“从零构建AI工程体系”不是写个Python脚本那么简单 很多人看到“AI Engineering from Scratch”这个标题,第一反应是:不就是用PyTorch搭个模型、调调超参、跑个train.py吗?我上周刚用Hugging Face的Trainer类三行代码训完一个文本…

📰

LeetCode 27题:双指针法原地移除数组元素

1. 题目解析与需求理解LeetCode第27题"移除元素"是一个经典的数组操作问题,题目要求我们原地移除数组中所有等于给定值的元素,并返回新数组的长度。这里的"原地"意味着不能使用额外的数组空间,必须通过修改输入数组来实现…

📰

STM32入门必看:Proteus 8.6安装汉化与仿真全攻略

嵌入式入门这条路上,STM32几乎是绕不开的一站,而仿真工具Proteus则是很多人在没有实物板子时最先接触的验证手段。我见过太多新手卡在"软件装好了但界面全是英文""汉化包放进去没反应""仿真跑不起来提示缺少模型"这些环节…

📰

Node.js私厨服务小程序开发实战与架构设计

1. 项目背景与需求分析私厨服务系统小程序是近年来O2O餐饮领域的一个创新方向,它连接了有烹饪技能的个人厨师和追求个性化餐饮服务的消费者。这个毕业设计项目选择基于Node.js技术栈开发,主要考虑了以下几个市场需求:餐饮个性化趋势&#xff…

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。

📞 💬