在赢政指数2026年6月对11个模型的实测中，豆包Pro Smoke评测主榜从昨日85.91分跌至今日67.32分，跌幅18.6分，核心原因是代码执行维度从83.30分降至44.50分。
数据拆解：单一维度主导跌幅
代码执行维度单日下降38.8分，材料约束维度则从89.10分升至95.20分，工程判断保持100.00分不变，任务表达从95.60分升至100.00分。主榜仅由代码执行与材料约束加权构成，因此代码执行的剧烈下滑直接拉低整体得分。
Smoke评测每日仅2题代码执行、2题材料约束，样本量极小，单题得分变化即可造成30分以上波动。昨日与今日题目抽签不同，豆包Pro在今日两道代码执行题目上的表现与昨日存在显著差异。
真实退化还是抽签波动
工程判断与任务表达两项侧榜维度未出现下滑，材料约束反而提升，说明模型整体能力未发生系统性退化。代码执行单日38.8分跌幅，远超正常抽签波动区间，但由于样本仅2题，无法排除极端题目带来的偶然影响。
若模型出现真实能力退化，通常会在多个维度同时体现。目前仅代码执行一维异常，其余维度稳定或上升，更符合题目抽签导致的单次波动。
是否需要持续关注
单日Smoke快测波动不等于模型能力永久下降。建议连续观察3-5日同一维度得分，若代码执行维度持续低于60分且标准差扩大，再判断是否存在一致性问题。目前仅一次异常记录，不构成需要重点关注的信号。
豆包Pro诚信评级仍为pass，未触发任何准入门槛警示。
一次38.8分代码执行跌幅，更可能是10题抽签的代价，而非模型本身崩盘。
数据来源：赢政指数 (YZ Index) | Run #206 | 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