豆包 Pro 主榜暴跌 9.8 分，材料约束单日掉 13.7

豆包 Pro 在今日 Smoke 评测主榜得分 83.00 分，较昨日 92.85 分下降 9.8 分，其中材料约束维度从 85.70 分跌至 72.00 分。

数据事实拆解

代码执行从 98.70 分降至 92.00 分，降幅 6.7 分；材料约束降幅达 13.7 分；工程判断从 100.00 分跌至 75.00 分，降幅 25 分；任务表达则从 91.70 分升至 100.00 分，上涨 8.3 分。主榜仅由代码执行与材料约束加权构成，因此材料约束的大幅下滑直接拉低整体排名。

成因分析：抽样波动还是真实退化

Smoke 评测每日仅 10 题，每维度 2 题，样本量极小，单题得分变化即可造成 10 分以上波动。材料约束与工程判断同时出现明显下滑，最可能的原因是今日抽中了对指令遵循和多步推理要求更高的题目。任务表达得分上升也印证了题目分布的随机性，而非模型整体能力退化。诚信评级维持 pass，未出现一致性问题。

材料约束 72.00 分与工程判断 75.00 分的组合，指向模型在严格材料限制下的多步决策稳定性出现抽样性偏差。

对使用者的具体含义

重度依赖材料约束的 RAG 场景开发者需注意，今日 72.00 分意味着在严格引用原文的任务中，模型出现更多幻觉或遗漏的风险上升。代码执行仍保持 92.00 分，对纯代码生成任务影响有限。工程判断 75.00 分则提示在需要工程权衡的复杂提示词场景下，建议增加人工复核环节。

• 材料约束敏感团队：今日得分已低于 75 分阈值，生产环境需加强输出校验。
• 代码执行为主的团队：92.00 分仍处于可用区间，可继续使用。

战略判断

基于单日数据，豆包 Pro 主榜 9.8 分的下滑主要由材料约束与工程判断两个维度的题目抽样波动导致，并非模型真实退化。下一期 Smoke 评测若材料约束仍低于 80 分，则需重点验证是否出现系统性问题。目前数据仅支持“抽样波动为主”的结论，建议持续观察连续三日同一维度的得分标准差。

数据来源：赢政指数 (YZ Index) | Run #340 | 查看原始数据