Claude Opus 4.7在Smoke评测中主榜得分从96.99分降至82.95分，代码执行维度从100.00分跌至69.00分，降幅达31分。
得分变化拆解
材料约束维度从93.30分升至100.00分，工程判断从55.60分升至100.00分，任务表达从95.80分降至78.90分。主榜仅由代码执行与材料约束加权构成，因此代码执行的31分跌幅直接拉低整体14.04分。
可能成因分析
Smoke评测每日仅2题/维度，代码执行今日2题得分合计仅69分，远低于昨日满分。材料约束同期升至满分，说明模型基础能力未出现系统性退化，最可能原因是今日代码执行题目在边界条件处理或多步调试上与昨日抽签不同。
工程判断（侧榜，AI辅助评估）升至100分而任务表达下降16.9分，进一步印证波动集中在特定维度而非全局能力下滑。诚信评级维持pass，未出现一致性异常。
对使用者的含义
重代码执行的团队在每日Smoke场景下需预留缓冲，单日69分表现可能导致自动化脚本生成失败率上升。材料约束满分则表明对文档忠实度敏感的场景仍可放心使用Claude Opus 4.7。
开发者若依赖连续多轮代码调试，应在关键任务前增加本地验证环节，避免单日抽签波动直接影响交付。
战略判断
本次14分主榜下跌主要由2题代码执行抽签波动造成，并非模型真实退化信号。下一期Smoke评测若代码执行回升至95分以上，则可确认本日为孤立事件；若持续低于80分，则需重点追踪代码执行维度构成变化。
当前数据不支持对Claude Opus 4.7整体能力下调结论，建议选型企业继续按昨日96.99分基准评估，仅在高频代码生成场景增加冗余校验。
数据来源：赢政指数 (YZ Index) | Run #229 | 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