在赢政指数2026年6月对11个模型的实测中，文心一言4.5 Smoke评测主榜得分从93.25分降至71.02分，单日下跌22.2分。
核心数据拆解
代码执行维度从94.10分跌至50.00分，下跌44.1分。材料约束从92.20分升至96.70分，上涨4.5分。工程判断从79.20分降至58.30分，下跌20.9分。任务表达从94.50分降至86.30分，下跌8.2分。诚信评级维持pass。
波动来源判断
Smoke评测每日仅10题，2题/维度，单日抽签波动属于正常范围。代码执行维度出现44.1分的大幅下滑，远超材料约束的小幅上涨，说明本次异常主要集中在代码相关题目上。工程判断同步下跌20.9分，进一步指向模型在结构化输出和逻辑推理类任务上的表现不稳定。
题目抽签波动与模型真实退化需要区分。单日数据无法直接证明模型能力永久下降，但44.1分的代码执行跌幅已超出正常抽签区间，值得后续连续观察。
是否需要关注
文心一言4.5主榜得分71.02分仍高于部分竞品，但代码执行维度50.00分已处于低位。若未来三天内该维度无法回升至80分以上，则需考虑模型在代码生成任务上是否存在系统性问题。目前仅凭单日数据，判断为抽签波动概率更高，但仍建议持续跟踪。
材料约束维度保持96.70分的高位，说明模型在引用和事实约束方面未出现退化。整体主榜下滑主要由代码执行和工程判断两个维度驱动。
代码执行单日腰斩22分，文心一言4.5需要用连续三天数据证明自己。
数据来源：赢政指数 (YZ Index) | Run #188 | 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