测评 GPT-o3代码执行暴跌24.5分 主榜掉15.2，抽签还是真实退化 GPT-o3今日Smoke评测主榜从96.01跌至80.78分，代码执行单项暴跌24.5分至72.50，材料约束微降3.9分。工程判断保持100分，任务表达反升15分。分析显示此次大跌最可能源于2题抽签波动，而非模型整体退化。 GPT-o3 代码执行 Smoke评测 主榜波动 1天前 45
