在赢政指数2026年6月Smoke评测中，Qwen3 Max主榜得分从84.92分跌至72.02分，降幅12.9分，其中代码执行维度从96.30分直接跌至69.50分。
单日数据拆解
本次Smoke评测仅10题，代码执行维度2题。Qwen3 Max代码执行得分下降26.8分，材料约束从71.00分升至75.10分，工程判断从55.60分升至66.70分，任务表达从65.00分升至75.00分。主榜仅由代码执行与材料约束加权构成，因此代码执行的剧烈下滑直接拉低整体排名。
波动还是退化
Smoke评测每日抽题不同，单日10题样本量小，随机题目难度差异可能造成分数波动。Qwen3 Max代码执行单日跌幅26.8分，超出材料约束4.1分的升幅，显示本次下滑集中于代码执行维度。现有数据仅覆盖两日，无法区分题目抽签波动与模型真实能力变化，需连续多日同类题目测试才能判断是否出现系统性退化。
是否需要关注
单日异常在小样本快测中属于正常范围，但代码执行维度跌幅已达26.8分，建议将Qwen3 Max列入次日Smoke复测名单。若连续两日代码执行得分均低于75分，再启动完整长榜复测。工程判断与任务表达两项侧榜得分分别上升11.1分和10分，表明模型在非代码任务上的表现未同步下滑。
目前仅凭单日数据，无法确认Qwen3 Max出现模型退化，题目抽签波动仍是更可能的解释。
12.9分的主榜跌幅，源于26.8分的代码执行单题崩盘。
数据来源：赢政指数 (YZ Index) | Run #213 | 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