GPT-o3在今日Smoke评测中主榜从80.61分跌至66.86分，代码执行维度从70.30分降至48.50分，单日跌幅21.8分。
数据事实
得分对比显示，代码执行从70.30分跌至48.50分，材料约束从93.20分降至89.30分，主榜因此下降13.8分。工程判断从75.00分升至97.00分，任务表达从90.00分降至66.70分。诚信评级维持pass。
成因分析
Smoke评测每日仅10题，每维度2题，题目抽签波动是主要机制。代码执行维度跌幅最大，说明当日抽中的2题可能超出模型当前稳定处理范围。材料约束仅降3.9分，表明模型对材料忠实度的基础能力未出现系统性退化。工程判断大幅上升22分、任务表达下降23.3分，反映不同维度题目难度分布不均，而非模型整体能力改变。
对使用者的含义
重代码执行的团队需注意，单日Smoke评测中代码执行48.50分意味着该模型在处理复杂代码任务时可能出现明显不稳定。材料约束仍保持89.30分，对材料忠实度敏感的场景仍可继续使用。工程判断97.00分显示其在辅助工程决策场景中表现突出，但任务表达66.70分提示生成结构化输出时需额外校验。
战略判断
本次主榜下跌主要由代码执行单日波动驱动，材料约束变化幅度较小，尚未构成真实退化信号。建议下一期继续观察代码执行维度是否回升至70分附近。若连续两日代码执行保持在50分以下，再考虑模型能力是否出现系统性变化。
数据来源：赢政指数 (YZ Index) | Run #237 | 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