在赢政指数2026年6月Smoke评测中，Claude Sonnet 4.6主榜从96.45分跌至70.52分，代码执行从100.00降至50.00，材料约束从92.10升至95.60。
单一维度导致的剧烈波动
此次主榜下跌25.9分几乎完全由代码执行维度决定。该维度从昨日的100.00分直接跌至50.00分，降幅达到50分。材料约束维度反而从92.10分提升3.5分至95.60分，工程判断维度维持100.00分不变，任务表达从84.20分升至87.50分。两个核心主榜维度中仅代码执行出现断崖式下跌。
Smoke评测特性与抽签影响
Smoke评测每日仅10题，每维度2题，单日分数标准差天然较大。代码执行维度本次可能抽中了对特定编程场景敏感的题目，导致模型一次性失分50分。材料约束维度同期小幅上升，说明模型在约束遵循方面的基础能力并未出现系统性问题。
真实退化还是随机波动
从单日数据看，更可能是题目抽签带来的随机波动。工程判断维度连续两日保持100.00分，任务表达维度也小幅上升，诚信评级维持pass，未出现跨维度同步下滑。真实模型退化通常会伴随多个维度同时恶化，而非单一维度50分级别的孤立下跌。
是否需要持续关注
建议将Claude Sonnet 4.6列入明日Smoke评测观察名单。若代码执行维度连续两日低于70分，再结合正式评测数据判断是否存在版本级变化。目前仅凭单日50分跌幅，尚不足以认定模型能力出现系统性退化。
一次50分的代码执行腰斩，更可能是10道题的抽签结果，而非模型本身突然失效。
数据来源：赢政指数 (YZ Index) | Run #201 | 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