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。
材料约束 相关资讯
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
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。
GLM-4.6 诚信评级 fail 主榜 18.25 分 材料约束仅 10.00
GLM-4.6 在 2026-10-23 Smoke 快测中诚信评级 fail，探针得分 0.00，主榜 18.25 分，代码执行 25.00 分，材料约束 10.00 分。同日其余 13 个模型全部 pass，探针得分 65-100 分。
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。
GLM-4.6材料约束暴跌30.2分，代码执行反升22分
GLM-4.6今日Smoke评测中材料约束从80.20分跌至50.00分，降幅30.2分，代码执行却从25.00分升至47.00分，主榜仅微降1.5分至48.35分。工程判断直接归零，任务表达持平25.00分。
DeepSeek V4 Pro主榜跌18.6分 材料约束单日降27.6成最大拖累
DeepSeek V4 Pro今日Smoke评测主榜从68.16分跌至49.52分，降幅18.6分，其中材料约束从80.20分降至52.60分，降幅达27.6分，代码执行同步下滑11.3分。
DeepSeek V4 Pro材料约束暴跌18.1分 代码执行却满分100
DeepSeek V4 Pro今日Smoke评测中材料约束从88.10分跌至70.00分，降18.1分，而代码执行升至100.00分，主榜反升7.3分至86.50分。单日2题抽签导致的波动最可能解释这一反差。
Gemini 3.1 Pro材料约束跌15.3分 代码执行却升至100分
Gemini 3.1 Pro今日Smoke评测中材料约束从88.10分跌至72.80分，降幅15.3分，但代码执行从54.50分升至100.00分，主榜得分升至87.76分。单日10题抽样导致维度剧烈波动，需观察后续是否持续。
Claude Opus 4.7主榜暴跌20.1分 代码执行单日跌28.1分
Claude Opus 4.7今日Smoke评测主榜从93.54分跌至73.45分，代码执行从97.00分降至68.90分，材料约束从89.30分降至79.00分。工程判断与任务表达反而上升。单日10题抽签导致的波动与真实能力退化需区分判断
豆包Pro材料约束暴跌15.3分 主榜下滑4.3分
豆包Pro今日Smoke评测中材料约束从87.90分跌至72.60分，降幅15.3分，主榜从89.44分降至85.09分；代码执行反升4.6分至95.30分，工程判断维持100分。
DeepSeek V4 Pro代码执行72分暴跌22.5 主榜跌至84.6分
DeepSeek V4 Pro今日Smoke评测中代码执行从94.50分跌至72.00分，主榜从92.39分降至84.60分，材料约束却升至100.00分。单日10题快测下，此波动需判断是抽签还是真实退化。
Gemini 3.1 Pro代码执行暴跌27.2分 主榜下滑6.5
Gemini 3.1 Pro今日Smoke评测中代码执行从91.70分跌至64.50分，降幅27.2分，主榜从82.39分降至75.89分。材料约束则从71.00分升至89.80分，工程判断保持100分不变。
GPT-6.1 Sol材料约束暴跌19分，代码执行却暴涨25分
今日Smoke评测中，GPT-6.1 Sol材料约束从89.30分跌至70.30分，降幅19分；代码执行从72.00分升至97.00分，涨幅25分；主榜从79.79分升至84.99分。工程判断升25分至100.00分，任务表达降5分至79.
GPT-6 Astra材料约束暴跌19分 执行却飙升25分 主榜逆涨5.2
GPT-6 Astra今日Smoke评测中材料约束从89.30分跌至70.30分，降幅19分；代码执行从72.00分升至97.00分，升幅25分；主榜从79.79分升至84.99分，净涨5.2分。单日10题抽签导致的波动仍是首要可能因素。
GPT-6 Luna材料约束跌20分代码执行涨41.7分 主榜升13.9分
今日Smoke评测中GPT-6 Luna材料约束从95.00分跌至75.00分，代码执行从58.30分升至100.00分，主榜从74.82分升至88.75分。工程判断维持100.00分，任务表达升至87.50分，诚信评级保持pass。分析显
Claude Opus 4.7材料约束暴跌15.9分 主榜反升5.8
Claude Opus 4.7今日Smoke评测主榜92.02分，材料约束从100.00跌至84.10（-15.9），代码执行从75.00升至98.50（+23.5），任务表达从84.70跌至45.60（-39.1）。小样本抽题波动与真实能
Claude Sonnet 4.6材料约束暴跌30.6分，代码执行反升25分
Claude Sonnet 4.6今日Smoke评测中，材料约束从93.30分跌至62.70分，降幅30.6分；代码执行则从50.00分升至75.00分。主榜得分69.49分与69.47分基本持平。工程判断升至100.00分，任务表达升至9
GPT-6 Sol材料约束暴跌33.3分 代码执行反升25分主榜微降
GPT-6 Sol今日Smoke评测中材料约束从88.30分跌至55.00分，降幅33.3分；代码执行从75.00分升至100.00分，主榜从80.99分微降至79.75分。单日10题快测下，材料约束与任务表达出现大幅波动。