Claude Sonnet 4.6：Smoke主榜跌11.7分，材料约束单项降19.9

Claude Sonnet 4.6在今天的Smoke评测里主榜分数掉了下来——从82.31分跌到70.61分，少了11.7分。

得分拆解：材料约束主导跌幅

主榜的构成其实只有两块：代码执行和材料约束，按加权计分。今天代码执行由99.50分退到94.50分，降5分；材料约束则从61.30分掉到41.40分，降19.9分。主榜总跌幅的大头就出在材料约束这一项上，整体排名被它直接拖低。

侧榜方面，工程判断从60.80分升到75.00分，任务表达仍是37.50分，没有变化。诚信评级维持在pass。

成因分析：抽签波动还是真实退化

Smoke评测一天只出10道题，每个维度2题。样本这么小，材料约束单日19.9分的跌幅既可能是抽到的题目不合适，也可能说明模型处理材料忠实度时出现了系统性偏差。代码执行只降5分，还在正常波动区间内。工程判断反倒涨了14.2分，可见模型在侧榜任务上的表现没有跟着一起下滑。

眼下这份数据还分不清是一次性抽签异常，还是能力真的退化了。材料约束的题如果牵涉长文本引用或者指令冲突，一道题答错就足以让分数大幅摆动。

对使用者的含义

受冲击最大的是重度依赖材料约束的场景。企业RAG系统、合同审查工具、知识库问答应用这类需要模型严格照着上传文档或指令办事的地方，应当马上补上人工校验环节。代码执行场景影响相对小，日常写脚本、调脚本照常可以用。

开发者这边，工程判断的上升说明模型在架构设计类任务上还有余力，混合工作流里可以继续让它处理侧榜任务。

战略判断

材料约束单日跌19.9分，已经超出正常抽签的区间，这个信号需要下期数据来验证。明天材料约束若能回到55分以上，这次下跌更可能是题目波动所致；要是继续低于45分，就得考虑模型真实退化的可能。

目前只有一期数据，还撑不起“连续退化”的结论。建议把Claude Sonnet 4.6的材料约束表现加进每日跟踪清单，连看三期再做选型上的调整。