GLM-4.6 Smoke评测代码执行19.50分 材料约束全缺本期不排名
GLM-4.6今日Smoke评测因API故障导致grounding与judgment维度缺失，代码执行得分19.50分，任务表达50.00分，主榜无数据，本期不参与排名。需分析波动成因及关注必要性。
Smoke评测 相关资讯
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
GPT-6 Luna主榜暴跌8.4分 代码执行单日跌16.7分
今日Smoke评测中GPT-6 Luna主榜从83.19分跌至74.82分，下降8.4分。其中代码执行从75.00分跌至58.30分，任务表达从90.00分跌至77.50分，材料约束小升1.8分。工程判断维持100分，诚信评级保持pass。
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。
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
Grok 4代码执行暴跌31.3分 材料约束反升34.7分
Grok 4今日Smoke评测代码执行从95.30分跌至64.00分，降31.3分；材料约束从48.40分升至83.10分，涨34.7分。主榜仅降1.6分至72.60分。单日10题抽签导致的波动是主因，需持续观察。
GPT-6.1 Sol主榜暴跌9.2分 代码执行单日降16.7分
GPT-6.1 Sol今日Smoke评测主榜从86.25分跌至77.07分，代码执行从75.00分降至58.30分，材料约束维持100.00分，工程判断维持100.00分，任务表达升至87.50分。单日10题测试下，代码执行维度波动最大。
Gemini 2.5 Pro 材料约束暴跌28分 代码执行却升至100分
Gemini 2.5 Pro今日Smoke评测中材料约束从100.00分跌至72.00分，代码执行从71.90分升至100.00分，主榜微升至87.40分。单日10题抽样导致的波动与真实能力退化需区分判断。
GPT-5.5代码执行暴跌22分 材料约束却飙升25.9分
GPT-5.5今日Smoke评测中代码执行从72.00降至50.00，材料约束从69.10升至95.00，主榜仅微降0.5分至70.25。工程判断维持100.00，任务表达降8.3分，诚信评级保持pass。单日维度剧烈波动但整体排名影响极小
Qwen3 Max代码执行暴跌24分 主榜下滑7.4分
今日Smoke评测中Qwen3 Max代码执行从94.00分跌至70.00分，主榜从84.51分降至77.16分，材料约束则从72.90分升至85.90分。工程判断与任务表达两项侧榜得分上升，诚信评级维持pass。
GPT-o3代码执行暴跌21.8分 材料约束反升33.5分 主榜微涨
今日Smoke评测中，GPT-o3代码执行从93.80分跌至72.00分（-21.8），材料约束从49.30分升至82.80分（+33.5），主榜从73.78分升至76.86分，诚信评级由warn转为pass。单日10题抽签导致的波动是主因
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24.5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。
Claude Opus 4.7 Smoke评测主榜跌13.9分 代码执行单日暴跌22分
Claude Opus 4.7今日Smoke评测主榜从96.01分跌至82.16分，代码执行从97.00分跌至75.00分，降幅22分；材料约束小降3.9分，任务表达从50.00分升至80.00分，工程判断维持100.00分。
GPT-5.5 Smoke评测主榜暴跌12.5分 代码执行单日跌28分
GPT-5.5今日Smoke评测主榜从91.32分跌至78.80分，代码执行从100.00暴跌至72.00，材料约束反升至87.10。单日10题抽签下，代码执行维度2题表现显著下滑，其他维度持平或上升，需区分题目波动与真实能力变化。