Claude Opus 4.7在今日Smoke评测中主榜从100.00分跌至80.09分，代码执行维度从100.00分降至75.00分，材料约束从100.00分降至86.30分。
主榜得分变化拆解
主榜仅由代码执行与材料约束加权构成。代码执行单日下降25分，直接拉低主榜19.9分。材料约束下降13.7分，贡献了剩余降分。两项维度昨日均为满分，今日同时出现明显失分。
侧榜维度同步下滑
工程判断从100.00分跌至55.60分，降幅44.4分。任务表达从75.80分降至58.90分，降幅16.9分。诚信评级维持pass，未触发门槛。
可能成因分析
Smoke评测每日仅10题，每维度2题，题目抽签随机性高。代码执行与材料约束昨日满分、今日同时失分，最可能源于当日抽中难度更高的题目组合，而非模型参数发生变化。工程判断侧榜降幅最大，也符合小样本下单题失分被放大的特征。
若模型出现真实退化，通常会在连续多日多维度同时出现系统性失分。目前仅单日数据，无法区分抽签波动与真实能力退化。
对使用者的含义
重度依赖代码执行的开发者团队，需在关键任务中增加人工复核环节。材料约束敏感的RAG场景，今日86.30分仍处于可用区间，但低于昨日满分表现。
工程判断侧榜55.60分提示，在需要复杂决策链的场景中，模型输出一致性可能降低，建议增加多轮验证步骤。
战略判断
基于单日对比，Claude Opus 4.7主榜80.09分仍高于多数竞品基线，但代码执行25分跌幅需要下期同一维度连续追踪以确认是否为偶然波动。工程判断44.4分降幅是本期最值得验证的信号。
数据来源：赢政指数 (YZ Index) | Run #234 | 查看原始数据
© 2026 Winzheng.com 赢政天下 | 转载请注明来源并附原文链接