GLM-4.6在今日Smoke评测中出现数据不完整情况，grounding和judgment两个维度缺失，API故障或超时导致该模型已进入自动补跑流程，本期不参与主榜排名。
得分对比数据
昨日至今日，代码执行维度从无数据变为19.50分，材料约束维度仍为缺失，工程判断维度缺失，任务表达维度达到50.00分，主榜整体无得分。
数据事实梳理
Smoke评测每日仅10题，2题对应一个维度，单日波动属于正常范围。GLM-4.6本次仅代码执行与任务表达两个维度有数值，其余维度因API问题无法获取，导致主榜无法计算。
成因分析
题目抽签波动可能造成部分维度得分偏低，但本次grounding与judgment维度完全缺失，更可能源于API调用超时或服务端响应异常，而非模型本身能力退化。任务表达维度获得50.00分，显示模型在该侧榜任务上仍有输出能力。
对使用者的含义
重代码执行的团队在依赖GLM-4.6时需注意本次19.50分的低分表现，可能影响代码生成类应用的稳定性评估。对材料忠实度敏感的场景，因grounding维度缺失，本次数据无法提供参考价值。
开发者若计划在生产环境集成GLM-4.6，应等待自动补跑后的完整维度结果，避免仅依据单一维度19.50分或50.00分做出选型决定。
战略判断
基于现有得分对比，GLM-4.6本次异常主要由API故障引起，而非模型真实退化，值得下期验证补跑后的完整分数是否恢复。当前数据不足以判断其在主榜的真实排名位置。
Smoke评测单日波动正常，但维度缺失导致主榜缺席的情况需持续跟踪，以便区分偶然API问题与潜在能力变化。
企业选型时应优先参考补跑后的多维度数据，19.50分与50.00分仅作为本次异常记录，不宜直接用于长期能力评估。
数据来源：赢政指数 (YZ Index) | Run #378 | 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