GPT-5.5在今日Smoke评测中主榜得分从98.35分跌至88.27分，降幅达到10.1分。
得分变化拆解
代码执行维度从97.00分降至92.00分，材料约束维度从100.00分降至83.70分，工程判断维度维持75.00分，任务表达维度从91.70分降至81.70分。主榜仅由代码执行与材料约束两个维度加权构成，因此材料约束的16.3分跌幅直接拉低整体得分。
可能成因分析
Smoke评测每日仅抽取2题/维度，样本量小，单日波动属于正常范围。材料约束维度跌幅最大，说明当日抽中的2道材料约束题目可能包含更高难度的忠实度要求或边缘案例，导致模型输出偏离约束。代码执行维度仅降5分，降幅相对温和，提示代码相关题目难度分布较为平稳。工程判断维度零变化，表明该侧榜维度受当日题目影响较小。任务表达维度下降10分，可能与材料约束题目中隐含的表达要求叠加。
题目抽签波动与模型真实退化两种解释均有可能。当前数据仅显示单日截面，无法区分二者。若后续多日材料约束持续低于90分，则更接近真实能力变化；若单日反弹，则更可能是抽签所致。
对使用者的含义
重代码执行的团队需注意，GPT-5.5当日代码执行仍保持92.00分，短期内可用作代码生成辅助，但需增加人工校验环节以应对潜在5分级别的波动。对材料忠实度敏感的场景，如合同抽取、知识库问答，83.70分的材料约束得分意味着输出偏离约束的风险上升，建议在生产流程中加入二次校验或回退机制。
工程判断维度稳定在75.00分，对依赖该侧榜的架构决策场景影响有限。任务表达维度81.70分，提示需要更清晰的提示词工程来维持输出结构。
战略判断
基于单日数据，GPT-5.5主榜得分被当日材料约束题目放大，当前88.27分可能低估其常态水平，也可能反映真实波动。建议下期重点验证材料约束维度是否回升至95分以上。若连续两日材料约束低于85分，则需重新评估其在高约束场景的优先级。
工程判断保持不变，说明模型在该侧榜的能力相对稳健，可作为对比基准。整体而言，此次跌幅主要由材料约束单维度驱动，尚未构成多维度系统性退化信号。
材料约束从100.00分跌至83.70分是本次主榜暴跌的核心驱动因素。
对于依赖GPT-5.5的开发者，短期策略是增加材料约束相关测试用例的覆盖密度，观察连续三日得分标准差。若标准差超过8分，则稳定性维度将进一步承压。
本次Smoke评测结果显示，GPT-5.5在材料约束维度出现明显单日波动，代码执行维度相对抗跌。企业选型时应将材料约束作为独立监控指标，而非仅参考主榜均值。
数据来源：赢政指数 (YZ Index) | Run #286 | 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