在赢政指数2026年6月对11个模型的实测中，文心一言4.5今日Smoke评测主榜得分从81.69分跌至71.33分，单日下降10.4分。
维度拆解：两项主榜指标同步下滑
代码执行维度从66.70分降至50.00分，下降16.7分；材料约束从100.00分降至97.40分，下降2.6分。两项主榜维度合计导致整体主榜回落。工程判断从44.70分升至72.20分，上升27.5分；任务表达从90.00分降至46.30分，下降43.7分。
波动来源分析
Smoke评测每日仅10题，每维度2题，单日抽签结果对分数影响显著。代码执行与任务表达同时出现大幅回落，更可能是题目抽签带来的随机波动，而非模型能力出现系统性退化。材料约束仍维持97.40分的高位，也支持这一判断。
工程判断出现明显回升，诚信评级从warn转为pass，表明模型在部分侧榜维度上的输出稳定性与合规性并未同步恶化。若为真实退化，通常会伴随多个维度同步走弱，而非出现此种此消彼长的情况。
是否需要持续关注
单日10题快测的固有波动特性决定了，单次10.4分回落本身并不构成模型能力断崖的证据。建议在后续3-5个交易日的Smoke数据中观察代码执行与任务表达是否持续低于60分区间。若连续多日维持低位，再结合正式评测数据才能判断是否存在真实退化。
目前看，文心一言4.5仍处于正常波动范围内，无需立即下调其长期能力预期。
一次抽签波动，不等于模型退化；连续三日低位，才是真正信号。
数据来源：赢政指数 (YZ Index) | Run #184 | 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