Claude Opus 4.7在今日Smoke评测中主榜从93.54分跌至73.45分，代码执行维度从97.00分降至68.90分，材料约束从89.30分降至79.00分。
数据事实拆解
代码执行维度单日下降28.1分，材料约束下降10.3分，两者共同拉低主榜20.1分。工程判断从88.90分升至100.00分，任务表达从45.60分升至63.90分。诚信评级维持pass。
Smoke评测每日仅2题/维度，样本量极小。代码执行出现28.1分跌幅，说明当日抽中的2道代码题可能集中暴露执行失败。材料约束下降10.3分幅度较小，显示约束类题目表现相对平稳。
成因分析：抽签波动还是真实退化
代码执行与材料约束同时下降，但侧榜工程判断与任务表达明显上升，说明模型整体输出结构未出现系统性崩坏。最大跌幅集中在代码执行，指向当日题目可能涉及复杂多步推理或严格格式要求，Claude Opus 4.7在这些特定题目上执行路径中断。
材料约束下降10.3分，幅度小于代码执行，提示模型在引用与忠实度控制上仍有一定稳定性。侧榜两项均上升，反映模型在判断逻辑与表达清晰度上当日表现更好，进一步降低“整体退化”的可能性。
综合来看，单日10题抽签导致的题目难度波动，是解释本次主榜暴跌的最直接机制。真实能力退化通常会伴随多维度同步下滑，而本次侧榜上升与主榜下跌并存，指向抽签因素占主导。
对使用者的具体含义
重度依赖代码执行的团队，今日数据提示需在关键任务中增加人工复核环节。代码执行68.90分意味着当日抽中的题目可能出现执行错误或格式不符，生产环境调用时应准备回退方案。
对材料约束敏感的场景，如文档生成与引用核查，79.00分仍处于可用区间，但较昨日89.30分有所降低，使用者可通过提示词强化引用要求来缓解影响。
工程判断与任务表达上升，对需要逻辑判断与清晰输出的场景反而提供正面信号。开发者可考虑在混合任务中保留Claude Opus 4.7，但将代码执行部分拆分给其他模型。
战略判断
本次主榜暴跌主要由代码执行单维度剧烈波动驱动，材料约束降幅有限，侧榜反而改善，表明模型并未出现系统性能力退化。单日Smoke评测样本量过小，28.1分跌幅在统计上属于正常范围。
若下一期Smoke评测中代码执行仍维持在70分以下，则需启动多日连续追踪，确认是否为真实退化信号。目前单日数据不足以判定模型被高估或低估。
建议关注下期代码执行与材料约束的同步表现，作为判断是否需要调整选型策略的依据。侧榜持续上升则可视为模型在非主榜能力上的补偿性表现。
数据来源：赢政指数 (YZ Index) | Run #381 | 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