Claude Opus 4.7在今日Smoke评测中，代码执行维度从94.50分跌至75.00分，降幅19.5分；材料约束从70.00分升至89.30分，增幅19.3分；主榜总分从83.48分降至81.44分，仅下降2分。
数据事实与维度拆解
Smoke评测每日仅10题，每维度2题。代码执行与材料约束构成主榜，工程判断和任务表达为侧榜。今日代码执行75.00分、材料约束89.30分共同决定主榜81.44分。工程判断从55.60分升至75.00分，任务表达从37.50分升至50.00分，诚信评级维持pass。
成因分析：抽签波动还是模型退化
单日10题样本下，题目抽签随机性是首要因素。代码执行与材料约束同时出现接近20分的反向变动，说明模型在不同题型上的表现差异被放大。若为真实退化，通常会伴随多维度同步下滑，而今日侧榜两项均上升，指向题目分布而非能力整体下降。
材料约束得分上升19.3分，可能源于今日抽中对引用忠实度要求更高的题目；代码执行暴跌则可能因抽中需要复杂多步推理或边缘案例的代码题。两者得分反向抵消，导致主榜仅微降2分。
对使用者的具体含义
重度依赖代码生成的团队需注意，单日代码执行75.00分意味着在复杂调试或多文件重构场景中，模型输出稳定性可能低于前日94.50分水平。材料约束89.30分则显示，在需要严格遵循参考文档的RAG场景下，今日表现优于昨日。
工程判断与任务表达两项侧榜上升，对需要模型进行架构决策或需求拆解的开发者而言，今日可用性有所改善。但主榜波动提醒，选型时不能仅看单日分数，需观察多日一致性。
战略判断
基于今日数据，Claude Opus 4.7主榜得分变化主要由代码执行与材料约束的随机抵消造成，暂无证据支持模型真实退化。每日Smoke评测的2题/维度设计天然放大波动，单日19.5分降幅在正常范围内。
若下期代码执行仍维持在80分以下且材料约束回落，则需重点验证模型在代码类任务上的题型敏感度。目前数据仅显示抽签波动，尚未构成持续关注信号。
数据来源：赢政指数 (YZ Index) | Run #427 | 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