Gemini 3.1 Pro在今日Smoke评测中，主榜得分从昨日83.50分升至90.84分，材料约束维度却从100.00分降至83.30分，降幅16.7分；代码执行维度则从70.00分升至97.00分，增幅27分。
数据事实：主榜与分维度对比
昨日代码执行70.00分、材料约束100.00分，今日代码执行97.00分、材料约束83.30分。主榜由代码执行与材料约束两个核心维度构成，今日主榜90.84分较昨日提升7.3分。工程判断从100.00分降至75.00分，任务表达从66.70分降至51.70分，诚信评级维持pass。
成因分析：题目抽签波动最可能解释
Smoke评测每日仅10题，每维度2题。材料约束单日失分16.7分、代码执行单日加分27分，幅度均超过日常波动区间。工程判断与任务表达同步下降，显示当日题目可能集中在需要严格材料引用与任务表述的场景。无连续多日数据支持模型真实退化，因此最可能成因是题目抽签随机性，而非模型能力结构性下降。
代码执行97.00分 vs 材料约束83.30分，同一模型在同一日出现27分正向与16.7分负向反差，指向题目内容而非模型参数变化。
对使用者的含义
重代码执行的团队今日可获得更高置信度，依赖材料忠实度的场景则需额外人工校验。企业选型时，若每日依赖Gemini 3.1 Pro处理带引用要求的文档，单日材料约束83.30分提示需增加二次验证环节。开发者在构建RAG流程时，应针对材料约束波动预留缓冲，而非直接使用当日输出。
战略判断：主榜上升掩盖局部波动
主榜90.84分高于昨日，核心能力平均值仍向上。材料约束单日失分未改变整体排序优势，但暴露小样本测试下维度不稳定。下一期评测若材料约束持续低于90分，则需验证是否进入退化区间；目前仅单日数据，不构成下调优先级的理由。
综合来看，Gemini 3.1 Pro今日表现由题目抽签主导，主榜提升7.3分的事实优先于单一维度16.7分降幅。选型团队可继续观察连续三日材料约束均值，再决定是否调整使用策略。
数据来源：赢政指数 (YZ Index) | Run #391 | 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