Qwen3 Max材料约束暴跌26.7分，代码执行却升至100分

赢政指数2026年6月对11个模型的实测中，Qwen3 Max今日Smoke评测材料约束得分68.80分，较昨日95.50分下降26.7分，同时代码执行得分升至100.00分。

单日波动幅度与维度拆解

Smoke评测每日仅10题，2题/维度，单日标准差天然较大。Qwen3 Max代码执行+31.2分、任务表达+25分、工程判断+18.7分，三项正向变化合计抵消材料约束跌幅后，主榜仍净增5.1分至85.96分。诚信评级维持pass，未触发门槛。

材料约束维度本次仅2题即出现-26.7分跌幅，说明其中至少一题触发了明显材料越界或格式违规。代码执行满分则显示模型在另一组题目中严格遵循指令、输出正确代码。

抽签波动还是真实退化

若为题目抽签导致，材料约束2题中出现高难度约束违例概率约30%-40%，属于正常范围。真实退化需满足连续多日同维度低分或同类题目反复违规，目前仅单日数据不足以确认退化。

主榜得分上升的事实表明，模型整体输出能力未出现系统性下滑。工程判断与任务表达两项侧榜指标同步提升，也指向模型在指令遵循与结构化输出上保持或略有进步。

是否需要持续关注

单日材料约束-26.7分属于Smoke测试常见波动区间，不构成立即预警。建议连续观察3个交易日同一维度得分，若材料约束连续两日低于75分且标准差持续高于当日水平，再启动深度复测。

目前数据不支持“模型退化”结论，Qwen3 Max整体仍处于主榜中游偏上位置。

一次Smoke测试的26.7分落差，更可能是题目彩票而非模型本身崩盘。

数据来源：赢政指数 (YZ Index) | Run #191 | 查看原始数据