GPT-6 Sol在Smoke评测中的主榜得分从90.51分下降到74.14分，降幅16.4分，主要由代码执行维度从100.00分跌至66.80分导致。
数据事实拆解
代码执行维度单日损失33.2分，材料约束维度从78.90分升至83.10分，净增4.2分。工程判断从100.00分降至75.00分，任务表达从90.00分升至91.00分。主榜加权结果直接反映代码执行的剧烈下滑。诚信评级维持pass。
成因分析
Smoke评测每日仅10题，2题/维度，抽签波动是首要可能因素。代码执行维度今日或抽中对特定语法、边界条件要求更高的题目，导致得分从满分直接跌至66.80分。材料约束维度反而上升，说明模型在约束遵循上未出现系统性退化。工程判断同步下降25分，可能与同批题目中需要多步推理的代码题重合，任务表达微升1分则显示表达能力未受波及。
真实退化与抽签波动的区分需要后续多日数据。单日33.2分跌幅在10题规模下属于极端区间，但材料约束与任务表达的正向或持平表现，排除了全维度一致下滑的可能。
对使用者的含义
重度依赖代码执行的开发团队需立即增加本地验证环节。GPT-6 Sol在材料约束维度仍保持83.10分，对需要严格遵循提示词的场景仍具可用性。工程判断75.00分意味着涉及多步决策的代码任务风险上升，建议拆分任务后分别调用。
对选型企业而言，单日数据不足以改变整体评估，但连续两日出现代码执行低于80分时，应启动备选模型测试。
战略判断
本次下跌最可能由题目抽签波动驱动，而非模型真实退化。材料约束与任务表达的稳定表现支持这一判断。下一期Smoke评测若代码执行回升至90分以上，则可确认波动属性；若持续低于75分，则需标记为潜在退化信号。当前阶段，GPT-6 Sol仍可用于材料约束要求高的场景，但代码执行密集任务应降低优先级。
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