GPT-o3在今日Smoke评测中材料约束得分66.80分，较昨日83.60分下降16.8分，主榜总分从83.44分降至80.39分。
得分变化细节
代码执行从83.30分升至91.50分，工程判断维持75.00分不变，任务表达从95.00分降至66.70分，诚信评级保持pass。
可能成因分析
Smoke评测每日仅10题，单题权重高，材料约束与任务表达同时出现大幅回落，最可能源于题目抽签带来的内容分布变化，而非模型能力结构性退化。代码执行得分上升8.2分，显示模型在该维度上仍能稳定输出，两个维度反向运动进一步支持波动源于样本而非整体退化。
对使用者的含义
重度依赖材料忠实度的场景，例如合同条款提取、政策条文核对，需在调用GPT-o3前增加人工复核环节。代码执行表现提升，对算法验证、数据处理类任务的开发者影响较小，可继续使用但仍需关注跨维度一致性。
战略判断
本次材料约束与任务表达的同步下滑，结合Smoke评测小样本特性，当前信号不足以判定模型真实能力下降，建议下一期评测重点观察两维度是否持续低于75分。若单日波动在后续测试中重复出现，则需将GPT-o3从材料敏感任务的首选名单中移除。
数据来源：赢政指数 (YZ Index) | Run #222 | 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