GLM-4.6在今日Smoke评测中因API故障/超时导致execution与judgment维度数据缺失已进入自动补跑本期不参与主榜排名。材料约束维度得分为51.80分任务表达维度得分为50.00分其余维度记录为空。数据事实维度今日得分昨日对比代码执行execution缺失无记录材料约束51.80无记录工程判断judgment缺失无记录任务表达50.00无记录主榜不参与排名无记录Smoke评测每日仅10题2题对应一个维度单日分数波动属正常范围。成因分析API故障而非模型退化execution与judgment两维度完全缺失直接指向API调用超时或故障而非模型在代码执行或工程判断能力上的真实变化。材料约束51.80分与任务表达50.00分两个有记录的维度均来自有限的2题抽样在10题总量下样本量过小容易受题目随机性影响。无证据显示模型在材料忠实度或任务表达上出现系统性退化缺失本身即为技术层面的记录中断。选型与依赖场景的影响对重代码执行的团队而言execution维度缺失意味着今日无法通过Smoke数据判断GLM-4.6在该场景下的可用性需等待补跑结果。材料约束51.80分这一数值对依赖模型严格遵循输入约束的企业提供参考若当前应用对输出边界敏感该分数提示需额外人工校验。任务表达50.00分则表明在任务指令解析环节模型表现处于中等偏下区间开发者在构建多步指令流水线时应预留容错机制。重材料约束场景的开发者应优先查看补跑后的完整execution得分再决定是否升级生产环境依赖任务表达的自动化流程需在今日数据基础上增加人工复核节点关注完整性而非单日分数GLM-4.6本期异常主要由API故障造成而非模型能力退化。单日10题快测的固有波动特性使得51.80分与50.00分两个孤立数值不足以支撑模型真实性能下降的结论。需要关注的信号是数据完整性本身连续出现API超时将直接影响后续Smoke评测的可比性。建议下一期重点验证补跑后的execution与judgment得分是否回归历史区间以确认本次缺失为偶发事件。对正在选型的团队当前数据不支持将GLM-4.6从候选名单中移除但要求在部署前完成多日完整Smoke记录的交叉验证。本文首发于赢政天下 (https://www.winzheng.com)获取更多深度技术内容与资源欢迎访问官网。
)
