Claude Opus 4.7在今日Smoke评测中，代码执行得分从75.00降至57.60，主榜从73.61降至69.53。
得分对比数据
材料约束从71.90升至84.10，工程判断从72.20降至69.50，任务表达从57.50降至26.30，诚信评级保持pass。Smoke评测每日仅10题，单日波动属于正常范围。
波动成因分析
代码执行与任务表达同时出现大幅回落，最可能源于当日抽签题目难度分布变化。Smoke评测每维度仅2题，单题失误即可造成10分以上波动。材料约束得分反向上升12.2分，说明模型在约束遵循类题目上表现稳定，并非整体能力退化。
工程判断仅小幅回落2.7分，进一步印证主榜下滑主要由代码执行和任务表达两个维度驱动，而非模型底层能力系统性下降。
对使用者的含义
重度依赖代码执行的开发团队需注意，单日Smoke评测57.60分可能反映当日特定题目类型下的表现，并不直接等同于长期代码能力。材料约束得分上升至84.10，表明在需要严格遵循指令的场景中，Claude Opus 4.7仍保持较高可靠性。
任务表达得分26.30的低位，对需要清晰输出结构的任务可能产生影响，企业选型时应结合多日数据观察。
战略判断
基于单日数据，Claude Opus 4.7主榜69.53分与昨日73.61分相比回落4.1分，核心驱动因素为代码执行与任务表达的抽签波动。诚信评级维持pass，模型基础合规性未受影响。
下一期评测需重点验证代码执行与任务表达是否回升。若两维度持续低位，则需进一步关注模型在对应任务类型上的稳定性；若恢复至75分以上区间，则本次回落更可能归因于题目抽签而非真实退化。
数据来源：赢政指数 (YZ Index) | Run #402 | 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