Claude Opus 4.7代码执行暴跌17.4分 任务表达下滑31.2
Claude Opus 4.7今日Smoke评测代码执行从75.00降至57.60，任务表达从57.50降至26.30，主榜从73.61降至69.53；材料约束从71.90升至84.10，诚信评级维持pass。
Claude Opus 4.7今日Smoke评测代码执行从75.00降至57.60，任务表达从57.50降至26.30，主榜从73.61降至69.53；材料约束从71.90升至84.10，诚信评级维持pass。
GLM-4.6今日Smoke评测材料约束从74.30分跌至53.30分（-21），代码执行从50.00升至75.00（+25），主榜从60.94升至65.24（+4.3），工程判断从25.00升至95.80，诚信评级从pass变为warn。
在最新的评测中，Claude Sonnet 4.6 的 SQL 题“疑似重复支付识别”从满分跌至零分。这一变化引人关注，本文将通过分析具体代码和可能原因，探讨模型在执行层面的潜在问题。