豆包Pro在今日Smoke评测中，材料约束得分从昨日100.00降至79.50，降幅20.5分，主榜得分则从86.25升至90.78。
得分变化细节
代码执行从75.00升至100.00，涨幅25分。工程判断从100.00降至75.00，降幅25分。任务表达从91.70升至95.00，涨幅3.3分。诚信评级维持pass。
数据事实拆解
Smoke评测每日仅10题，每维度2题。材料约束单日损失20.5分，工程判断损失25分，两者合计拉低侧榜表现。但代码执行满分直接拉高主榜4.5分，显示维度间得分存在明显抵消。
可能成因分析
题目抽签波动是首要解释。每日2题材料约束题目若涉及更高难度或更严格的引用要求，模型在忠实度上失分就会放大。工程判断同样出现25分下滑，提示当日题目可能同时考察了多步推理与约束遵守的结合场景。
模型真实退化可能性较低。代码执行从75.00直接满分，表明核心能力未出现系统性下降。任务表达反而小幅上升，整体主榜得分仍为正向。
对使用者的含义
重代码执行的团队可继续使用豆包Pro，今日100.00分表现显示其在该维度已达满分水准。对材料忠实度敏感的场景，如合同抽取、政策引用、学术写作，79.50分水平意味着需增加人工校验环节。
工程判断75.00分提示复杂决策链任务中，模型可能在约束条件下出现判断偏差，依赖该能力的开发者应准备备选方案或二次验证流程。
战略判断
单日材料约束与工程判断同时下滑，结合代码执行大幅上升，指向题目抽签波动概率更高，而非模型能力退化。主榜得分上升掩盖了侧榜问题，若下一期材料约束仍低于85分，则需重点验证一致性。
目前数据不支持“持续退化”结论，但工程判断25分跌幅与材料约束20.5分跌幅同时出现，属于值得下期追踪的信号。建议在连续三次Smoke评测中观察材料约束标准差，若超过15分，则考虑调整使用策略。
总体而言，豆包Pro今日表现呈现明显维度分化，主榜受益于代码执行满分，材料约束与工程判断的下滑更可能是抽签所致。重材料约束场景的使用者需提高警惕，持续跟踪后续得分以确认是否为偶然波动。
数据来源：赢政指数 (YZ Index) | Run #297 | 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