GPT-6 Luna在今日Smoke评测中，材料约束得分从87.90分跌至72.00分，降幅15.9分，而代码执行从74.30分升至94.00分，涨幅19.7分，主榜从80.40分升至84.10分。
得分对比与波动特征
代码执行维度昨日74.30分、今日94.00分，材料约束昨日87.90分、今日72.00分，工程判断昨日100.00分、今日75.00分，任务表达昨日66.30分、今日100.00分。主榜得分上升3.7分，诚信评级维持pass。
可能成因分析
Smoke评测每日仅10题，每维度2题，抽签波动是主要解释。材料约束与工程判断同时下降，任务表达大幅上升，表明题目类型分布变化导致不同能力被触发。代码执行大幅提升也支持这一机制：新题目可能更适合该模型的代码生成路径，而材料约束题目可能包含更严格的引用或格式要求。
真实退化可能性较低。主榜得分上升显示整体能力未出现系统性下滑。若模型发生退化，通常多个核心维度会同步走弱，而此处代码执行与任务表达的提升抵消了材料约束的损失。
对使用者的含义
重度依赖材料约束的场景，例如法律合同抽取、学术引用核查、产品规格比对的团队，需在调用GPT-6 Luna时增加人工校验步骤。代码执行表现提升对自动化脚本生成、数据处理流水线有积极影响，这类开发者可优先测试新版本。
工程判断降至75.00分，提示在需要多步决策或架构选择的场景中，模型输出一致性可能降低。任务表达升至100.00分则表明指令遵循能力在当前题目集下表现优异，适合快速原型或对话式任务。
战略判断
基于现有得分对比，此次材料约束下降更可能是单日题目抽签波动，而非模型真实退化。主榜得分上升3.7分的事实支持这一判断。建议下一期Smoke评测重点关注材料约束是否回升，以及工程判断与任务表达的波动幅度。若连续两期材料约束维持在75分以下，再考虑调整选型优先级。
目前数据不构成下调GPT-6 Luna整体评级的理由。开发者可继续使用，但对材料忠实度敏感的场景应保留人工复核流程。
数据来源：赢政指数 (YZ Index) | Run #404 | 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