Claude Opus 4.7在今日Smoke评测里，代码执行维度从94.50分掉到75.00分，少了19.5分；材料约束从70.00分涨到89.30分，多了19.3分；主榜总分则从83.48分落到81.44分，只降了2分。

数据事实与维度拆解

Smoke评测每天只出10题，每个维度2题。主榜由代码执行和材料约束两项构成，工程判断和任务表达归入侧榜。今日主榜81.44分，正是代码执行75.00分与材料约束89.30分共同决定的。工程判断从55.60分升到75.00分，任务表达从37.50分升到50.00分，诚信评级仍是pass。

成因分析：抽签波动还是模型退化

一天只有10题，题目抽签的随机性是最主要的因素。代码执行和材料约束同时出现接近20分的反向变动，说明模型在不同题型上的表现差异被放大了。真要是退化，一般会看到多个维度一起往下走；可今天侧榜两项都在涨，指向的是题目分布，而非能力整体下降。

材料约束涨了19.3分，可能是因为今天抽到的题目对引用忠实度要求更高；代码执行大跌，则可能是抽中了需要复杂多步推理或边缘案例的代码题。两项得分一升一降相互抵消，主榜才只微降2分。

对使用者的具体含义

重度依赖代码生成的团队要留意，单日代码执行75.00分，意味着在复杂调试或多文件重构场景里，模型输出的稳定性可能不如前一天的94.50分水平。材料约束89.30分则说明，在需要严格遵循参考文档的RAG场景下，今天表现比昨天好。

工程判断和任务表达两项侧榜上扬，对需要模型做架构决策或需求拆解的开发者来说，今天可用性有所改善。但主榜的波动提醒，选型不能只看单日分数，还得看多日是否一致。

战略判断

从今日数据看，Claude Opus 4.7主榜得分的变化，主要是代码执行与材料约束随机抵消造成的，暂无证据支持模型真的退化。每日Smoke评测按每维度2题设计，天然会放大波动，单日19.5分的降幅在正常范围内。

如果下期代码执行仍停在80分以下、材料约束又回落，那就需要重点验证模型在代码类任务上的题型敏感度。目前数据只显示抽签波动，还构不成持续关注的信号。