DeepSeek V4 Pro以95.19分居首：2026-07-08 Smoke快测数据简报
2026-07-08 赢政指数 Smoke 快测覆盖 10 个模型，DeepSeek V4 Pro 以 95.19 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 |
|---|---|---|---|---|---|
| #1 | DeepSeek V4 Pro | 95.19 | 100 | 89.3 | pass |
| #2 | Grok 4 | 91.69 | 98.3 | 83.6 | pass |
| #3 | Claude Sonnet 4.6 | 86.28 | 100 | 69.5 | pass |
| #4 | GPT-o3 | 83.44 | 83.3 | 83.6 | pass |
| #5 | Claude Opus 4.7 | 81.44 | 75 | 89.3 | pass |
| #6 | Qwen3 Max | 77.83 | 73.1 | 83.6 | pass |
| #7 | 豆包 Pro | 71.83 | 83.3 | 57.8 | pass |
| #8 | GPT-5.5 | 66.09 | 75 | 55.2 | pass |
| #9 | Gemini 3.1 Pro | 61 | 58.3 | 64.3 | pass |
| #10 | Gemini 2.5 Pro | 59.9 | 56.3 | 64.3 | pass |
数据解读
今日赢政指数Smoke快测中，DeepSeek V4 Pro以代码执行100、材料约束89.3的组合取得主榜95.19，位列首位；Grok 4凭借代码执行98.3与材料约束83.6获得主榜91.69，紧随其后；Claude Sonnet 4.6则依靠代码执行100、材料约束69.5拿下主榜86.28。三者均呈现代码执行强于材料约束的结构特征，其中DeepSeek V4 Pro的材料约束89.3与Grok 4的83.6形成互补，支撑了主榜前两名的分数。
GPT-5.5主榜下滑16.7分，代码执行下降25分、材料约束下降6.5分；Claude Opus 4.7主榜下滑15.6分，代码执行下降25分；Gemini 2.5 Pro主榜下滑9分，代码执行下降42.2分、材料约束上升31.5分。Qwen3 Max主榜上升16.5分，材料约束上升40.3分；DeepSeek V4 Pro主榜上升15分，材料约束上升31.5分。这些单日变动可能源于题目抽样波动，也可能是模型在特定约束下的真实表现差异，需后续同口径run复核确认。
整体来看，主榜公式下代码执行与材料约束的强弱搭配直接影响排名，Smoke快测作为小样本单日信号，仅反映当日数据分布，未提供长期趋势判断。
主要变化
- GPT-5.5：主榜下降16.7分，代码执行-25分，材料约束-6.5分
- Qwen3 Max：主榜上升16.5分，材料约束+40.3分
- Claude Opus 4.7：主榜下降15.6分，代码执行-25分
- DeepSeek V4 Pro：主榜上升15分，材料约束+31.5分
- Gemini 2.5 Pro：主榜下降9分，代码执行-42.2分，材料约束+31.5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 #220 | 查看原始数据
© 2026 Winzheng.com 赢政天下 | 转载请注明来源并附原文链接