Qwen3 Max Smoke评测数据全缺席 API故障致主榜不参与排名
Qwen3 Max今日Smoke评测因API故障/超时导致execution、grounding等五维度数据完全缺失，已进入自动补跑，本期不参与排名。所有得分显示为-，表明技术问题而非模型能力变化。
Smoke评测 相关资讯
GLM-4.6 Smoke测试代码执行25分 主榜36.25因API故障缺通信维度
GLM-4.6今日Smoke评测因API故障/超时导致communication维度缺失，代码执行25.00分、材料约束50.00分、工程判断25.00分，主榜36.25分未参与排名。单日10题快测波动正常，但本次数据不完整需关注是否为模型
GPT-5.5材料约束暴跌18分代码执行却暴涨30.3分 主榜反升8.6
今日Smoke评测中GPT-5.5代码执行从69.50升至99.80，材料约束从79.30跌至61.30，主榜从73.91升至82.48。单日10题快测下，材料约束-18分与代码执行+30.3分形成鲜明对比，需判断是抽签波动还是真实退化。
GPT-6.1 Sol材料约束暴跌29.1分 代码执行反升19.5分
GPT-6.1 Sol今日Smoke评测材料约束从89.80分跌至60.70分，降29.1分，代码执行从75.00分升至94.50分，主榜从81.66分降至79.29分。单日10题抽签导致的波动仍是主要可能原因。
GPT-6 Astra材料约束暴跌29.1分 代码执行反升19.5分
GPT-6 Astra今日Smoke评测中材料约束从89.80分跌至60.70分，降幅29.1分，代码执行则从75.00分升至94.50分，主榜从81.66分微降至79.29分。单日10题抽样导致的波动是主因。
Claude Sonnet 4.6 主榜暴跌11.1分，代码执行与材料约束双双失守
Claude Sonnet 4.6今日Smoke评测主榜从84.90分跌至73.76分，下降11.1分。代码执行降10.1分至78.80，材料约束降12.4分至67.60，工程判断与任务表达上升，诚信评级从pass转为warn。单日10题抽
GPT-6 Luna主榜暴跌11.5分，代码执行从100跌至74.3
GPT-6 Luna今日Smoke评测主榜从87.27分跌至75.79分，代码执行维度从100.00分暴跌至74.30分，材料约束升至77.60分，诚信评级从pass变为warn。单日10题抽签波动或模型一致性问题需重点验证。
GPT-o3材料约束暴跌25分 代码执行反涨20.1分 主榜仅降0.2
今日Smoke评测中GPT-o3材料约束从88.30分跌至63.30分，降幅25分；代码执行从69.00分升至89.10分，升20.1分；主榜从77.69分微降至77.49分。工程判断与任务表达侧榜波动更大。
Grok 4代码执行暴跌15.8分 主榜仅降1.1分
Grok 4在今日Smoke评测中代码执行从94.00分跌至78.20分，降15.8分；材料约束从71.40分升至88.30分，涨16.9分；主榜从83.83分微降至82.75分。工程判断与任务表达侧榜同步大跌，诚信评级维持pass。
GPT-6 Sol主榜暴跌16.4分 代码执行从100直降66.8
GPT-6 Sol今日Smoke评测主榜从90.51分跌至74.14分，降幅16.4分。代码执行维度从100.00分暴跌至66.80分，材料约束小升4.2分至83.10分。工程判断从100.00分降至75.00分。单日10题快测下，此幅度波
GPT-6 Luna材料约束暴跌15.9分 代码执行却大涨19.7分
GPT-6 Luna今日Smoke评测中材料约束从87.90分跌至72.00分，降15.9分，代码执行从74.30分升至94.00分，主榜反升3.7分至84.10分。工程判断降25分，任务表达升33.7分。单日10题抽签波动可能是主因，需持
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 Sonnet 4.6主榜暴跌12.9分 代码执行从100直降76.1
Claude Sonnet 4.6今日Smoke评测主榜从87.36分跌至74.44分，单日下降12.9分。代码执行维度从100.00分暴跌至76.10分，材料约束微升0.5分至72.40分。工程判断侧榜同步下滑14.6分。
GPT-6 Luna Smoke评测主榜暴跌19.8分 代码执行从100直降75
GPT-6 Luna今日Smoke评测主榜从86.95分跌至67.17分，暴跌19.8分。其中代码执行从100.00分降至75.00分，材料约束从71.00分降至57.60分。工程判断保持100.00分不变，诚信评级维持pass。
Grok 4材料约束暴跌17.4分 代码执行反升7.9分 Smoke评测主榜降3.5
今日Smoke评测中Grok 4材料约束从75.00分跌至57.60分，降17.4分，代码执行升7.9分至82.30分，主榜从74.67分降至71.19分。单日10题测试波动正常，但材料约束大幅下滑值得单独分析。
GPT-5.5代码执行从100分暴跌至75分 主榜下滑5.3分
GPT-5.5今日Smoke评测代码执行从100.00分跌至75.00分，主榜从78.49分降至73.20分；材料约束升18.8分、工程判断升25分，显示单日10题抽签波动是主因，需持续观察一致性。
Grok 4代码执行暴跌20.2分 主榜却逆势上涨2.4分
Grok 4今日Smoke评测代码执行从94.60分跌至74.40分，降幅20.2分；材料约束从45.00分升至75.00分，主榜从72.28分升至74.67分。单日10题抽签导致的波动可能是主因，需持续观察多日数据以判断真实稳定性。
Claude Sonnet 4.6 Smoke评测主榜暴跌16.9分，材料约束单日跌30分
Claude Sonnet 4.6今日Smoke评测主榜从80.99分跌至64.13分，暴跌16.9分，其中材料约束从88.30分跌至58.30分，单日下降30分，代码执行下降6.1分。
Gemini 3.1 Pro材料约束暴跌16.7分，代码执行反升27分
Gemini 3.1 Pro今日Smoke评测主榜升至90.84分，但材料约束从100分跌至83.3分，代码执行从70分升至97分。单日10题快测下，维度波动是否反映真实能力变化值得分析。
Qwen3 Max Smoke评测五维度全缺 API故障致主榜零记录
Qwen3 Max今日Smoke评测因API故障/超时导致execution、grounding、judgment、integrity、communication五维度数据缺失，主榜无得分，本期不参与排名。所有昨日→今日对比均为“- → -