DeepSeek V4 Pro在今日Smoke评测中主榜从68.16分跌至49.52分，降幅18.6分。
得分变化细节
代码执行维度从58.30分降至47.00分，降幅11.3分。材料约束维度从80.20分降至52.60分，降幅27.6分。工程判断从100.00分降至75.00分，降幅25分。任务表达从66.70分升至75.00分，升幅8.3分。诚信评级维持pass。
数据事实拆解
材料约束维度单日降幅最大，贡献了主榜下跌的主要部分。代码执行维度同步出现11.3分回落。两个主榜维度合计下跌38.9分，远超主榜整体降幅，说明主榜得分主要由这两个维度加权构成。任务表达维度出现正向变化，但其权重较低，无法抵消主榜整体下滑。
成因分析
材料约束维度的大幅回落最可能源于当日抽取的题目对模型输出与给定材料的一致性要求更高。代码执行维度同时下滑，提示当日题目可能同时涉及代码生成与材料引用双重约束。工程判断作为侧榜（AI辅助评估）出现25分下降，进一步印证模型在多约束场景下的表现波动。任务表达维度小幅上升，说明模型在任务描述清晰度上未出现系统性问题。
Smoke评测每日仅10题，单日波动本身属于正常范围。但材料约束维度27.6分的降幅已超出典型抽签波动区间，需区分题目难度变化与模型真实能力退化。当前数据仅显示单日结果，无法直接判定模型参数或训练发生改变。
对使用者的含义
重材料忠实度场景的开发者需在生产环境增加输出校验步骤。代码执行与材料约束同时依赖的团队，应避免在单日评测结果基础上调整部署策略。工程判断侧榜（AI辅助评估）75分水平提示模型在复杂约束下的判断一致性已出现下降，依赖该模型进行多步推理的流程可能面临更高重试成本。
战略判断
材料约束维度27.6分的单日跌幅构成最直接的警示信号，表明该模型对约束类题目的敏感度较高。主榜49.52分已低于昨日68.16分，短期内需观察下一期Smoke评测中材料约束与代码执行两个维度的同步回升情况。若两维度持续低于55分区间，则模型在双重约束任务上的表现可能已进入新区间。
任务表达维度的小幅上升无法改变主榜整体趋势，说明当前问题集中在材料与代码两个核心维度。基于现有得分对比，DeepSeek V4 Pro在材料约束场景下的稳定性值得下期重点验证。
数据来源：赢政指数 (YZ Index) | Run #385 | 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