在赢政指数2026年6月对11个模型的实测中，Claude Opus 4.7 Smoke评测主榜从昨日100.00分跌至今日72.50分，代码执行维度从100.00分直接降至50.00分。
单日数据拆解
代码执行维度出现-50分变化，材料约束维度保持100.00分不变，工程判断维度从83.40分升至100.00分，任务表达维度维持100.00分。主榜得分因此下降27.5分，诚信评级仍为pass。
波动来源判断
Smoke评测每日仅10题，2题/维度，单日抽签差异可导致分数大幅摆动。代码执行维度本次两题可能均未通过，而昨日两题均通过，直接造成50分落差。材料约束维度两日均满分，说明模型在该维度输出仍符合约束要求。
工程判断维度反而提升16.6分，任务表达维度零变化，显示模型整体能力并未出现系统性退化。单一维度50分落差更符合题目难度随机分布，而非模型参数或训练发生改变。
是否需要持续关注
若后续三日Smoke评测中代码执行维度持续低于70分，则需进入正式长榜复测。当前单日数据仅显示抽签波动，尚不足以判定模型真实能力下降。材料约束维度保持满分，进一步印证模型基础能力仍在正常区间。
每日快测标准差较大时，单日得分不宜直接等同于模型长期表现。Claude Opus 4.7本次变化主要集中在代码执行一维，其余维度稳定或上升，整体仍处于可接受波动范围。
单日代码执行腰斩未必是退化信号，连续三日低迷才是真正警报。
数据来源：赢政指数 (YZ Index) | Run #195 | 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