GPT-o3在今日Smoke评测中主榜得分从昨日100.00分跌至89.92分，降幅10.1分，主要由材料约束维度从100.00分降至77.60分导致。
得分明细与直接对比
代码执行维度昨日与今日均为100.00分，无变化。材料约束维度昨日100.00分、今日77.60分，降幅22.4分。工程判断维度从75.00分升至95.80分，升幅20.8分。任务表达维度从90.00分降至85.00分，降幅5分。诚信评级维持pass。
成因分析：抽签波动还是真实退化
Smoke评测每日仅2题/维度，材料约束维度今日2题得分直接拉低该维度22.4分。代码执行维度2题仍保持满分，说明模型在代码相关任务上未出现系统性问题。工程判断维度反而提升20.8分，表明模型在该侧榜任务上的表现有所改善。任务表达小幅回落5分，幅度有限。综合看，材料约束的单日大跌最可能源于今日抽签到的2题对材料忠实度要求较高，模型在引用或约束遵守上出现扣分，而非整体能力退化。
对使用者的具体含义
重代码执行的团队可继续依赖GPT-o3，该维度连续两日满分，执行稳定性未受影响。对材料忠实度敏感的场景（如合同抽取、文献总结、数据引用任务），今日77.60分提示需增加人工校验环节，避免模型输出偏离给定材料。工程判断侧榜升至95.80分，对需要模型辅助方案评估的开发者而言，今日表现优于昨日。
战略判断
主榜10.1分跌幅完全由材料约束单维度22.4分拖累，其他核心维度未同步恶化，因此无需立即判定模型整体退化。下一期Smoke评测若材料约束维度继续出现类似低分，则需重点验证；若恢复至95分以上，则可判断今日为抽签波动。当前数据支持的结论是：材料约束维度成为GPT-o3短期观察重点，代码执行维度仍保持满分优势。
数据来源：赢政指数 (YZ Index) | Run #298 | 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