GPT-6.1 Sol在今日Smoke评测里，材料约束这一项从89.80分掉到60.70分，一天少了29.1分；代码执行则从75.00分涨到94.50分，多了19.5分。主榜得分由81.66分变为79.29分。

核心维度对比数据

主榜只算两个可审计维度：代码执行和材料约束。材料约束昨日89.80分，今日60.70分，单日下降29.1分；代码执行昨日75.00分，今日94.50分，单日上升19.5分。两项加权之后，主榜净降2.4分。另外，工程判断从100.00分降到75.00分，任务表达从87.50分降到85.00分，诚信评级仍是pass。

波动成因分析

Smoke评测一天只出10道题，每个维度2题，样本量相当小。材料约束一天掉29.1分、代码执行同时涨19.5分，最可能的原因是题目抽签的随机分布，而不是模型参数出了系统性退化。材料约束的题如果扎堆在必须严格引用给定材料、不许用外部知识的场景，模型错一次就可能把整个维度拉下来。代码执行的题要是正好撞上模型拿手的算法或调试题型，分数自然往上走。两个维度一升一降、方向相反，更说明是抽签在起作用。

材料约束60.70分与代码执行94.50分的反差，指向题目内容而非模型能力本身出现结构性变化。

对使用者的具体含义

对重度依赖材料忠实度的企业团队来说，GPT-6.1 Sol今天材料约束只有60.70分，意味着在必须严格遵循输入文档、不许编造的场景里，单次调用的风险明显上升。代码执行94.50分说明它在纯编程任务上还是比较好用。靠工程判断吃饭的开发者要留意侧榜75.00分，这提示在需要架构决策或做权衡的环节，模型输出的一致性可能达不到预期。

战略判断

就现有数据看，GPT-6.1 Sol主榜79.29分仍在可用区间，但材料约束单日29.1分的波动已经超出正常抽签能解释的范围。下一期Smoke评测如果材料约束还低于70分，就得考虑模型真实退化的可能；如果回到80分以上，就可以认定今天只是一次孤立的抽签事件。工程判断侧榜75.00分和材料约束60.70分是一起走低的，下期值得重点验证两者背后有没有共同机制。

诚信评级保持pass，说明模型没有出现系统性造假或者回避回答的情况。稳定性维度这次没给具体数值，没法据此判断回答一致性。整体看，今天数据最直接的信号是材料约束维度对小样本题目非常敏感，使用者在关键任务里应当加一道人工复核。