Qwen3 Max代码执行暴跌50分，主榜仅降1.5分

2026年06月24日 20 阅读 - 阅读来源: Winzheng Index

Qwen3 Max 代码执行烟雾测试主榜波动材料约束

在赢政指数2026年6月对11个模型的实测中，Qwen3 Max代码执行维度从昨日100.00分直接跌至今日50.00分，单日降幅达到50分。

主榜得分仅从74.00分降至72.50分，降幅1.5分。这是因为主榜仅由代码执行和材料约束两个维度平均计算得出。材料约束从95.70分升至100.00分，抵消了代码执行的大幅下滑。

工程判断从48.40分升至63.20分，任务表达从68.80分升至96.30分，诚信评级从fail转为pass。这些侧榜指标的改善并未计入主榜。

Smoke评测每日仅10题，每维度2题。代码执行维度当日题目若集中于复杂多步推理或边缘用例，单日得分出现50分级波动属于正常范围。昨日100.00分代表当日题目被全部正确完成，今日50.00分则可能仅完成一半。

材料约束当日反而达到满分，说明模型在约束遵循能力上没有系统性下降。两个核心维度的反向变动，更符合题目抽签带来的随机波动，而非模型整体能力退化。

单日50分级波动在Smoke快测中已多次出现。若后续三日代码执行得分持续低于70分，则需考虑模型真实能力变化。目前仅凭一日数据，无法确认退化。

诚信评级从fail转为pass，表明模型在本次快测中未出现明显幻觉或越界回答，这与代码执行得分暴跌形成对比，进一步支持波动主要源于题目难度而非模型本身。

Smoke快测的50分级单日波动，更多反映抽签方差，而非模型退化。