DeepSeek V4 Pro 在今日 Smoke 评测中，材料约束得分从88.10分降至70.00分，降幅达18.1分，而代码执行从72.00分升至100.00分，主榜得分从79.25分升至86.50分。
得分事实拆解
本次评测仅覆盖每日10题，每维度2题。材料约束维度今日得分70.00分，较昨日88.10分下降18.1分；代码执行维度则从72.00分跃升至满分100.00分；工程判断保持100.00分不变；任务表达从75.00分升至81.70分；诚信评级维持pass。
成因分析：抽签波动而非模型退化
材料约束与代码执行两个维度同时出现大幅反向变动，最可能源于题目抽签的随机性。Smoke评测每维度仅2题，单题失误即可造成约15-20分波动。材料约束今日失分集中在对给定材料的忠实度判断上，而代码执行题目可能恰好落在模型擅长的执行路径。工程判断与任务表达得分稳定或小幅上升，进一步印证整体能力未出现系统性退化。
若模型真实退化，通常会伴随多个维度同步下滑，而非单一维度暴跌、另一维度满分。
对使用者的具体含义
重度依赖材料约束的场景，例如合同条款提取、政策文本比对、长文档忠实摘要的团队，今日数据提示需增加人工复核环节。代码执行表现稳定的团队可继续使用该模型处理脚本生成与调试任务，但应在材料约束相关流程中设置二次校验。
- 材料约束敏感场景：建议将关键输出与原始材料逐句比对，避免18.1分级别的局部失误累积。
- 代码执行主导场景：100.00分表现可直接投入生产流水线。
战略判断
基于单一Smoke数据，DeepSeek V4 Pro材料约束的18.1分下跌更可能是抽签波动，而非能力退化信号。主榜得分仍上升7.3分，说明整体可用性未受影响。下一期评测若材料约束继续低于75分，则需进一步验证；若反弹至85分以上，则确认今日为随机波动。当前数据不支持对模型整体能力下调判断。
企业选型时，可将DeepSeek V4 Pro作为代码执行主模型，同时在材料约束环节保留人工或多模型交叉验证。稳定性维度未提供本次数据，需持续观察多日标准差以确认一致性。
数据来源：赢政指数 (YZ Index) | Run #382 | 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