Claude Opus 4.7主榜骤降11.4分：材料约束单日失守19.3分

今日Smoke评测里，Claude Opus 4.7的主榜成绩由94.91分滑到83.48分，一口气少了11.4分；材料约束这一项更从89.30分掉到70.00分。

得分变化细节

具体来看，代码执行少了5分，从99.50分落到94.50分；工程判断由65.00分降至55.60分，跌去9.4分；任务表达则从43.80分降到37.50分，下降6.3分。诚信评级仍是pass。

成因分析

材料约束单日掉了19.3分，跌幅远大于代码执行的5分，可见这轮波动主要出在对材料的忠实度上。Smoke评测每天只出10题，每个维度2题，抽到的题目里一旦有要求严格照给定材料作答的案例，模型输出跑偏就会把这个维度的分数直接拽下来。工程判断和任务表达同时走低，也说明在需要工程取舍、任务表述的题目上，模型出现了更多偏离。

眼下这组数据还分不清是抽签波动还是模型真退化。材料约束跌得这么狠，更像是单次抽签里高难度约束题占比变高，而不是整体能力下滑——毕竟代码执行还守在94.50分的高位。

对使用者的含义

以代码执行为主的团队照旧可以用Claude Opus 4.7，这项得分仍处高位。合同审查、政策解读、长文档问答这类靠材料忠实度的场景，就得额外加一道人工校验，因为材料约束得分已经降到70.00分。

开发者拿Claude Opus 4.7做需要严格引用材料的任务时，可以在prompt里加上约束强化指令，或者并行调用别的模型交叉核对输出。

战略判断

这次主榜83.48分低于昨日的94.91分，主要是被材料约束拖了后腿。稳定性维度31.7分，说明该模型在同类题目上的分数起伏不小，一致性不够。材料约束下期能否回升，还得靠下期Smoke评测继续看，才能判断这回是不是偶然波动。

要是下期材料约束还趴在低位，Claude Opus 4.7在材料敏感场景的适用性就会进一步打折。目前数据能撑住的结论只有一条：材料约束维度已经是它最该盯紧的短板。