在赢政指数2026年6月对11个模型的实测中，GPT-o3今日Smoke评测材料约束得分从昨日的100.00分降至84.80分，主榜整体从100.00分降至93.16分。
单日数据拆解
代码执行维度维持100.00分不变，工程判断与任务表达同样保持满分。只有材料约束出现-15.2分下滑，直接拉低主榜6.8分。诚信评级仍为pass，未触发门槛。
波动来源分析
Smoke评测每日仅10题，每维度2题，样本量小导致单日标准差容易放大。材料约束题目若抽中边界案例或需要严格引用来源的题型，模型一次未达标即可造成15分级别的跳水。此类波动在历史同类快测中多次出现，通常次日即可回升。
另一种可能是模型真实退化。若近期参数更新或对齐策略调整影响了引用准确性，材料约束下降会持续多日。但目前仅单日数据，无法确认趋势。
是否需要关注
从工程角度看，代码执行与工程判断两项核心能力未受影响，主榜仍高于多数竞品。建议连续观察3天同一维度得分，若材料约束持续低于90分，再启动深度复测。单日异常本身不构成模型能力拐点的证据。
目前判断为抽签波动概率更高，真实退化证据不足。
一次15分跳水，更可能是10道题的抽签结果，而非模型本身崩盘。
数据来源：赢政指数 (YZ Index) | Run #187 | 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