DeepSeek V4 Pro在今日Smoke评测中，代码执行维度从昨日100.00分跌至75.00分，材料约束维度则从68.20分升至95.00分，主榜得分从85.69分变为84.00分。
数据事实：维度得分与主榜变化
代码执行维度单日下降25分，工程判断维度从94.50分降至75.00分，任务表达维度小幅回落4.7分至90.00分。材料约束维度上升26.8分，直接抵消了代码执行的损失，使主榜仅下降1.7分。诚信评级维持pass。
成因分析：题目抽签波动还是模型退化
Smoke评测每日仅10题，每维度2题，样本量极小，单日分数标准差天然较大。代码执行与工程判断同时出现19.5分以上跌幅，最可能原因是当日抽中的2道代码题难度显著高于昨日，模型在边界条件处理或多步推理链上出现失误。材料约束维度大幅上升，说明当日材料题可能更贴近模型训练分布，减少了幻觉或格式违规。
若为模型真实退化，通常会伴随多个维度同步且持续的下滑，而非出现材料约束的反向大幅提升。目前数据仅显示单日对立变化，缺乏连续多日同维度走弱的证据，因此更接近题目抽签波动。
对使用者的含义
重度依赖代码执行的团队，在调用DeepSeek V4 Pro时需增加本地测试环节，尤其在处理复杂算法或多文件交互场景时，单次75分表现可能导致生成代码通过率下降。材料约束95分则表明，该模型在严格遵循用户提供的文档或格式要求时表现更稳健，适合需要高保真输出的文档生成或数据抽取任务。
工程判断维度跌至75分，对需要模型辅助架构决策或代码审查的开发者而言，建议降低对单次输出的信任度，增加人工复核步骤。
战略判断
主榜仅降1.7分，掩盖了代码执行与工程判断的真实波动，说明当前主榜公式对材料约束权重较高。DeepSeek V4 Pro在代码执行上的单日表现已回到75分区间，若下期评测中该维度未能回升至90分以上，则需重点验证是否出现能力退化信号。目前仅凭单日数据，判定为正常抽样波动更合理。
代码执行75.00分与材料约束95.00分的对立走势，是本次评测最值得记录的现象。
对选型企业而言，DeepSeek V4 Pro仍可作为材料约束优先场景的候选模型，但在代码生成流水线中建议保留备选方案。下一期Smoke评测若代码执行与工程判断同时回升，则可确认本次为随机波动；若继续维持低位，则需进一步观察。
数据来源：赢政指数 (YZ Index) | Run #250 | 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