DeepSeek V4 Pro在今日Smoke评测中代码执行维度数据缺失，材料约束得分55.60分，主榜因此无法参与排名。
数据事实：维度得分与缺失情况
今日得分对比显示，代码执行维度完全无数据，材料约束维度得分为55.60分，工程判断（侧榜，AI辅助评估）为50.00分，任务表达（侧榜，AI辅助评估）为62.50分。昨日所有维度均无得分记录，本期主榜整体标记为缺失。
成因分析：API故障与题目抽签波动的区分
材料约束维度55.60分与工程判断50.00分的出现，指向API调用在执行环节中断。代码执行维度要求模型直接运行代码并返回结果，API超时会直接导致该维度数据为空，而材料约束仅需文本层面对齐，因此仍能产出55.60分。任务表达62.50分高于工程判断，说明模型在指令复述类题目上相对稳定，但工程判断涉及多步逻辑链，50.00分显示其在侧榜评估中一致性不足。
Smoke评测每日仅2题/维度，题目抽签本身存在随机性。若模型真实退化，通常会伴随材料约束与任务表达同步下降，而本次仅执行维度缺失，其他维度仍有数值，指向API故障而非模型能力整体下滑。稳定性维度衡量分数标准差，本期因执行维度缺测，无法计算标准差，因此无法判断其一致性水平。
对使用者的含义
重代码执行的团队在调用DeepSeek V4 Pro时需增加超时重试机制，55.60分的材料约束得分表明其在文档忠实度场景下仍有可用性，但执行环节的缺失会直接影响代码生成类应用。依赖该模型的开发者应优先验证API可用性，再评估工程判断50.00分对复杂任务的影响。
对材料忠实度敏感的场景，55.60分提供了一个可量化的基准；若任务同时需要代码运行验证，则本期数据不足以支撑选型决策。
战略判断
基于现有得分对比，DeepSeek V4 Pro本期异常主要由API故障导致，而非模型真实退化。主榜排名落空这一结果值得下期继续验证执行维度是否恢复。工程判断50.00分与任务表达62.50分的差距，提示侧榜能力存在内部不均衡，需在后续完整数据中进一步观察。
诚信评级未在本期数据中显示异常，暂不影响准入门槛判断。稳定性与可用性作为运行信号，本期因数据不完整，无法给出具体分值。
数据来源：赢政指数 (YZ Index) | Run #279 | 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