豆包 Pro 主榜暴跌12.6分 代码执行单日跌25分

豆包 Pro 在今日 Smoke 评测中主榜得分从94.74分降至82.16分，代码执行维度从100.00分跌至75.00分。

得分对比数据

昨日到今日的具体变化为：代码执行100.00分→75.00分（-25分），材料约束88.30分→90.90分（+2.6分），工程判断75.00分→75.00分（0分），任务表达91.70分→90.00分（-1.7分），主榜整体94.74分→82.16分（-12.6分）。诚信评级维持pass。

数据事实拆解

Smoke 评测每日仅2题/维度，共10题。代码执行维度单日损失25分，直接拉低主榜12.6分。材料约束反而上升2.6分，说明模型在该维度两题中表现有所提升。工程判断与任务表达变化幅度均在2分以内，属于正常范围。

成因分析

此次下跌最可能源于题目抽签波动。Smoke 评测样本量极小，两道代码执行题的难度或具体要求差异即可造成25分落差。材料约束得分上升，表明模型本身未出现系统性退化。工程判断零变化进一步支持波动而非能力下降的判断。

对使用者的含义

重代码执行的团队需注意，单日 Smoke 结果可能放大抽样误差，建议连续多日观察再做选型决定。对材料忠实度敏感的场景，豆包 Pro 今日90.90分表现反而优于昨日，可作为参考依据。

战略判断

单日12.6分主榜下滑主要由代码执行两题决定，不构成模型真实退化的充分证据。需要下期验证的信号是：若连续两日代码执行均低于85分，则需重新评估其代码能力稳定性。目前数据仅显示正常抽样波动。

综合全部维度，豆包 Pro 今日表现仍处于可用区间，诚信评级pass，未触发任何准入警示。开发者可继续使用，但应将代码执行任务的测试样本扩大至至少10题以上，以降低单日波动影响。

数据来源：赢政指数 (YZ Index) | Run #283 | 查看原始数据