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。
维度波动 相关资讯
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 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
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 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代码执行暴跌27.4分，材料约束却暴涨37.7分
Claude Sonnet 4.6今日Smoke评测中代码执行从71.90分跌至44.50分，材料约束从50.60分升至88.30分，主榜仅微升1.9分至64.21分。工程判断升至100分，任务表达跌至45分。单日10题抽样下，维度剧烈波动
Claude Opus 4.7代码执行72分材料约束85分 Smoke评测主榜微降2.4分
Claude Opus 4.7今日Smoke评测代码执行从100.00降至72.00，材料约束从56.00升至85.00，主榜从80.20降至77.85。单日10题测试下，代码执行-28分与材料约束+29分形成鲜明对比，需区分题目抽签波动与
GPT-o3代码执行暴跌24.7分 主榜跌至78.13 Smoke评测异常需关注
GPT-o3今日Smoke评测代码执行从94.50分跌至69.80分（-24.7），主榜从86.04分降至78.13分（-7.9）。材料约束反升12.6分至88.30，工程判断跌22.2分。单日10题快测下，此波动幅度超出常规，需判断是抽签
GPT-5.5代码执行暴跌22.5分 材料约束却飙升28.6分
GPT-5.5今日Smoke评测中代码执行从94.50跌至72.00，材料约束从71.40升至100.00，主榜仅从84.11升至84.60。单日10题抽样导致的波动仍是主因，需持续观察下一期数据以确认是否为真实退化。
Grok 4 材料约束暴跌17.8分 代码执行反升18.5分 Smoke评测主榜仍涨2.2
Grok 4在今日Smoke评测中材料约束从100.00跌至82.20，代码执行从75.00升至93.50，主榜从86.25升至88.42。单日10题快测下，材料约束-17.8分的跌幅与代码执行+18.5分的涨幅形成明显反差，工程判断小降2
GLM-4.6材料约束暴跌21分，代码执行反升25分，主榜微涨4.3
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。
Claude Sonnet 4.6代码执行暴跌22分 主榜仅降0.5
今日Smoke评测中，Claude Sonnet 4.6代码执行从97.00降至75.00（-22），材料约束从67.60升至93.30（+25.7），主榜从83.77微降至83.24。仅2题/维度的快测下，单日大幅波动源于题目抽签差异，而
Claude Sonnet 4.6材料约束暴跌20.5分 代码执行却冲到100
今日Smoke评测中，Claude Sonnet 4.6材料约束从100.00跌至79.50，降20.5分；代码执行从73.70升至100.00，主榜反升5.2分至90.78。工程判断（侧榜，AI辅助评估）跌39.5分。单日10题抽样波动或
豆包 Pro 材料约束单日跌40.9分 代码执行升25分主榜下滑4.7
豆包 Pro 今日 Smoke 评测中材料约束从90.90分跌至50.00分，代码执行从75.00分升至100.00分，主榜从82.16分降至77.50分。单日10题测试下，材料约束暴跌40.9分成为主因，需区分题目抽签波动与真实能力退化。
GLM-4.6代码执行跌12.5分 材料约束满分推主榜升5.4
GLM-4.6今日Smoke评测主榜79.38分，代码执行从75.00降至62.50，材料约束升至100.00，诚信评级从fail转为pass。单日10题抽签导致的波动最可能解释此变化，暂无模型真实退化信号。
Grok 4 代码执行暴跌19.5分 材料约束反升23.2分 主榜仅降0.3
Grok 4今日Smoke评测代码执行从92.00分跌至72.50分，降19.5分；材料约束从60.90分升至84.10分，增23.2分；主榜从78.01分微降至77.72分。工程判断同步跌19.5分，任务表达升10分。单日10题快测下，需
Claude Sonnet 4.6代码执行暴跌22分 材料约束反升25.7分
Claude Sonnet 4.6今日Smoke评测中代码执行从97.00分跌至75.00分，材料约束从60.20分升至85.90分，主榜仅从80.44分微降至79.91分。单日10题抽签导致的波动可能是主因，需持续观察。
Claude Opus 4.7 Smoke评测主榜暴跌26.1分，代码执行与材料约束双双失守
今日Smoke评测中，Claude Opus 4.7主榜得分从100.00分跌至73.92分，降幅26.1分。代码执行从100.00降至75.00，材料约束从100.00降至72.60，工程判断与任务表达降幅较小，诚信评级维持pass。
Gemini 3.1 Pro 材料约束跌26.6分 主榜仍升5.4分
Gemini 3.1 Pro今日Smoke评测材料约束从90.90分跌至64.30分，降26.6分；代码执行从18.40分升至50.00分，主榜从51.03分升至56.44分。单日10题抽样下，材料约束与任务表达同步回落，需观察后续一致性。