GPT-6 Astra在今日Smoke评测中，材料约束得分从昨日89.30分降至70.30分，降幅达到19分；代码执行得分从72.00分升至97.00分，升幅25分；主榜得分从79.79分升至84.99分，净增5.2分。工程判断从75.00分升至100.00分，任务表达保持79.70分不变，诚信评级维持pass。
数据事实拆解
材料约束维度单日损失19分，直接拉低该维度在主榜的权重贡献。代码执行维度同期获得25分增幅，抵消了材料约束的损失并推动主榜净升5.2分。两个核心可审计维度呈现完全相反的运动方向，单日极差达到44分。
Smoke评测每日仅2题/维度，共10题。材料约束2题得分若各损失约9.5分，即可造成19分整体下滑；代码执行2题各增加12.5分，即可造成25分整体上扬。这种幅度在每日小样本测试中属于统计允许范围。
成因分析
题目抽签波动是最直接解释。材料约束题目可能涉及更严格的引用要求或更长的上下文约束，模型在其中一题出现明显偏离原文或添加未授权内容，导致单题扣分集中。代码执行题目可能转向更简单的算法或数据处理任务，模型一次性通过全部测试点，获得满分或接近满分。
模型真实退化可能性较低。材料约束与代码执行同属主榜可审计维度，若模型底层能力出现系统性下降，两维度通常会同向运动。目前一升一降的格局，更符合不同题目对模型不同能力的随机采样结果，而非能力本身发生结构性变化。
对使用者的含义
重度依赖材料约束的场景，例如法律合同审核、学术引用核查、财务报表比对的团队，需在今日后提高人工复核比例。GPT-6 Astra在材料约束70.30分水平下，单次回答出现未授权添加内容的概率明显上升。
代码执行密集的场景，例如数据清洗脚本编写、简单算法验证、自动化报表生成的开发者，可继续使用该模型，当前97.00分表现已接近满分区间，执行正确率较高。
战略判断
主榜得分上升5.2分的事实表明，材料约束的19分损失并未改变GPT-6 Astra在今日Smoke评测中的整体排序位置。是否需要持续关注，取决于下一期Smoke评测中材料约束是否继续低于80分。若下一期材料约束回升至85分以上，则本次19分跌幅更可能判定为单日抽签异常；若继续维持在75分以下，则需考虑将材料约束列为重点跟踪维度。
基于现有得分对比，GPT-6 Astra在材料约束维度的表现已出现明显单日异常，建议依赖该维度的用户在下一次完整评测结果发布前，暂缓将GPT-6 Astra设为材料约束首选模型。
数据来源：赢政指数 (YZ Index) | Run #373 | 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