Claude Sonnet 4.6 Smoke主榜暴跌15.3分，代码执行单日掉25分

2026年06月30日 18 阅读 - 阅读来源: Winzheng Index

Claude Sonnet 4.6 代码执行 Smoke评测主榜波动工程判断

在赢政指数2026年6月Smoke评测中，Claude Sonnet 4.6主榜得分从97.84分跌至82.52分，单日降幅15.3分。

代码执行维度从昨日100.00分跌至75.00分，降幅25分；材料约束从95.20分降至91.70分，降幅3.5分。两个侧榜维度则出现明显回升，工程判断从89.60分升至100.00分，任务表达从75.80分升至92.50分。

Smoke评测每日仅10题，每维度2题，样本量极小。代码执行维度单日25分波动，在该评测框架下属于正常范围。材料约束仅降3.5分，说明模型在约束遵循方面的基础能力未出现系统性退化。

工程判断和任务表达两个侧榜维度同时提升，表明模型在本次抽到的题目上，判断逻辑与表达清晰度反而更好。这进一步支持波动主要来自题目难度差异，而非模型能力整体下滑。

主榜15.3分跌幅主要由代码执行单一维度驱动，且该维度昨日满分、今日75分，极可能源于2道题目中至少1道难度显著高于昨日。诚信评级维持pass，未出现异常信号。

在当前数据下，Claude Sonnet 4.6的这次下跌更接近抽签波动，而非真实退化。建议观察后续3-5天Smoke数据，若代码执行持续低于85分，再考虑启动正式长榜复测。

一次Smoke暴跌，更可能是两道题的运气，而不是模型的退步。