DeepSeek V4 Pro在今日Smoke评测中主榜得分从昨日93.84分跌至81.93分，降幅达到11.9分。
核心数据对比
代码执行维度从100.00分降至86.70分，降幅13.3分；材料约束维度从86.30分降至76.10分，降幅10.2分。工程判断维度维持75.00分不变，任务表达维度维持95.00分不变，诚信评级保持pass。
分数变化的可能成因
Smoke评测每日仅10题，每维度2题，单日抽签波动属于正常范围。此次代码执行与材料约束同时出现明显下降，而侧榜两个维度零波动，表明问题集中在主榜可审计维度。代码执行失分可能源于今日抽中的2道题目涉及更复杂的多步推理或边缘用例，材料约束失分则可能与题目中出现的长上下文引用或格式限制相关。现有数据未显示模型参数或训练发生变化，因此更可能是题目抽签带来的分数波动，而非模型真实退化。
对使用者的具体含义
重度依赖代码执行的团队需在今日及后续几天内对DeepSeek V4 Pro生成的代码进行额外人工复核，尤其是在自动化测试或生产脚本场景。材料约束敏感的场景（如法律合同生成、长文档摘要）也应提高校验频率，避免因格式或引用偏差导致下游错误。工程判断与任务表达保持稳定的团队可继续按原计划使用该模型，不必立即调整工作流。
战略判断
单日11.9分跌幅在Smoke评测历史波动范围内，但连续两天以上主榜核心维度同时失分的情况值得下期重点验证。若明日代码执行与材料约束回升至90分以上，则本次变化更可能归因于抽签随机性；若持续低于85分，则需考虑模型在特定题型上的稳定性问题。当前数据不支持对DeepSeek V4 Pro进行全面降级判断，但提醒依赖其代码执行能力的用户短期内提高冗余校验。
数据来源：赢政指数 (YZ Index) | Run #235 | 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