新闻详情

新闻详情

首页 / 资讯中心 / 详情

材料约束暴跌39分,赢政指数11模型主榜集体下滑

发布时间:2026/9/1 13:43:30来源:尧图网络
材料约束暴跌39分,赢政指数11模型主榜集体下滑
2026年6月15日Smoke轻量评测中Grok 4以主榜82.59分执行100、约束61.3 pass位居11模型首位但其材料约束较前一日暴跌21.7分。执行满分模型的约束短板前八名模型执行维度全部达到100分材料约束却集中在51.3至61.3区间。Grok 4、豆包Pro、GPT-5.5、Qwen3 Max四家执行均为100约束分别为61.3、60.8、60.8、60.3主榜依次82.59、82.36、82.36、82.14。Claude Opus 4.7执行100、约束59.3主榜81.69诚信评级为warn。后三名模型执行仅50分Gemini 2.5 Pro主榜53.38约束57.5、Gemini 3.1 Pro主榜53.06约束56.8、文心一言4.5主榜50.59约束51.3。执行与约束的明显分化导致主榜前八与后三形成30分以上断层。昨日对比下的剧烈波动与昨日数据对比Gemini 3.1 Pro主榜下降39.4分执行下降47.5分、约束下降29.5分。Qwen3 Max主榜上升29.3分但约束下降30.7分。豆包Pro主榜上升23.1分约束下降24分。DeepSeek V4 Pro主榜上升16.2分约束下降39.2分。Gemini 2.5 Pro主榜下降17.2分。材料约束维度出现多起30分以上跌幅Claude Sonnet 4.6下降38.7分、Claude Opus 4.7下降38分、DeepSeek V4 Pro下降39.2分、文心一言4.5下降32.5分。执行维度保持100的模型其约束下滑直接拉低主榜。分数结构差异的直接影响core_overall公式为0.55×执行0.45×约束。执行100的模型约束每下降1分主榜约下降0.45分执行50的模型约束影响权重相对更高。今日前八模型约束中位数约57分后三模型约束中位数约56.8分两组执行差距50分最终主榜差距主要来自执行维度。异常信号集中于材料约束所有11个模型均出现该维度下滑其中10个模型跌幅超过20分。Grok 4尽管仍居首位但约束61.3已接近及格线边缘。执行满分已成标配材料约束正在成为决定排名的关键变量。今日Smoke数据仅反映单日10题快测结果稳定性维度未纳入本次轻量评测。后续观察重点在于各模型约束分数的恢复速度。数据来源赢政指数 (YZ Index) | Run #176 | 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
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

STM32 HAL库驱动DHT11:单总线时序与稳定读取实战 2026/9/2 4:08:57

STM32 HAL库驱动DHT11:单总线时序与稳定读取实战

简介:面向STM32入门开发者,这份压缩包提供基于STM32CubeMX配置STM32F103ZET6驱动DHT11温湿度传感器的完整工程,解决单总线传感器时序调试难、工程搭建繁琐的问题。包含源码、CubeMX配置文件、编译中间文件及烧录固件,可直接打开工…

阅读更多 →
AMD 9000系CPU体质测试:四步量化评估,告别玄学 2026/9/2 4:08:57

AMD 9000系CPU体质测试:四步量化评估,告别玄学

你刚拿到一颗全新的AMD 9000系CPU,装进主板,点亮系统,跑分软件的数字很漂亮。但一个念头总会冒出来:我手里这颗U,在“体质”这条看不见的跑道上,究竟跑赢了平均值,还是不幸落在了后面&#xff1…

阅读更多 →
Tesseract OCR中文语言包部署与常见报错排查全指南 2026/9/2 4:08:57

Tesseract OCR中文语言包部署与常见报错排查全指南

简介:Tesseract OCR 安装包与中文语言包整合为一个 zip 压缩包,面向需要在应用中实现图片文字识别的开发者、数据标注人员及自动化办公人群,解决 OCR 引擎安装与中文识别模型缺失的常见痛点,适合桌面工具、自动化流程或服务端场景…

阅读更多 →
电赛硬件开发避坑指南:从设计到调试的全流程优化 2026/9/2 4:08:57

电赛硬件开发避坑指南:从设计到调试的全流程优化

这次我们来看一个在电子设计竞赛(电赛)中普遍存在但很少被系统讨论的问题:为什么很多队伍会陷入“四天三夜,三天在焊板子拆板子”的困境?这背后反映的不仅仅是焊接技术问题,更是项目规划、硬件设计、调试流…

阅读更多 →
CEF 3071构建环境配置:depot_tools与gclient实战指南 2026/9/2 4:08:57

CEF 3071构建环境配置:depot_tools与gclient实战指南

简介:cef3071 depot_tools.zip 是一套面向 CEF(Chromium Embedded Framework)开发者的官方工具集分发包,用于在本地快速搭建设置 Chromium/CEF 源码的获取、构建和更新环境,适合需要嵌入网页能力的桌面应用开发者以及希…

阅读更多 →
角色互动应用开发实战:用角色卡、对话API与TTS打造AI角色聊天Demo 2026/9/2 4:05:56

角色互动应用开发实战:用角色卡、对话API与TTS打造AI角色聊天Demo

“Can I get a kiss,sunset?”——这句话如果出现在《小马宝莉》同人社区里,往往不是一声简单的告白,而是一种创作驱动:粉丝想让余晖烁烁(Sunset Shimmer)真的看见自己、回应自己。传统同人创作…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞