赢政天下 AI — AI 模型评测·行业资讯·深度研究
赢政指数
完整排行榜 →
#1
Claude Opus 4.7 83
▼5.2
·
#2
Grok 4 82.2
▲1.8
·
#3
DeepSeek V4 Pro 80.6
▼1.1
·
#4
GPT-5.5 78.8
·
#5
豆包 Pro 78.2
▲3.9
·
#6
GPT-o3 77.1
▼1.8
·
#7
Claude Sonnet 4.6 74.5
▼5
·
#8
Gemini 3.1 Pro 74.1
▲4.8
·
#9
Gemini 2.5 Pro 72.8
▼3
·
#10
Qwen3 Max 69
▼3.1
·
#11
GLM-4.6 59.8
▼3.6
·
&triangleup; 豆包 Pro +12.4 · ▿ GLM-4.6 -23.8
·
#1
Claude Opus 4.7 83
▼5.2
·
#2
Grok 4 82.2
▲1.8
·
#3
DeepSeek V4 Pro 80.6
▼1.1
·
#4
GPT-5.5 78.8
·
#5
豆包 Pro 78.2
▲3.9
·
#6
GPT-o3 77.1
▼1.8
·
#7
Claude Sonnet 4.6 74.5
▼5
·
#8
Gemini 3.1 Pro 74.1
▲4.8
·
#9
Gemini 2.5 Pro 72.8
▼3
·
#10
Qwen3 Max 69
▼3.1
·
#11
GLM-4.6 59.8
▼3.6
·
&triangleup; 豆包 Pro +12.4 · ▿ GLM-4.6 -23.8
·
最新资讯
查看全部 →诺兰称AI是‘特洛伊木马’：表面光鲜暗藏危机
《奥德赛》导演克里斯托弗·诺兰近日在访谈中直言，人工智能（AI）如同一个显而易见的“特洛伊木马”——“人人都知道希腊人就在里面”。他警告，这项技术表面提供便利，实则可能暗藏毁灭性风险，呼吁公众保持警惕，不要被华丽表象迷惑。
AI系统构建全新语言 Science Magazine报道引发创造力角色争议
Science Magazine报道显示，一AI系统成功构建全新语言，7月18日在科技圈引发激烈讨论。事件聚焦人类创造力在AI时代的作用，以及AI能否实现想象力突破。正反观点对立，讨论基于已确认的报道事实展开，未涉及具体技术细节或额外数据。
全美42州142场抗议 数据中心扩张引发AI基建争议
2026年7月18日，HumansFirst组织协调全美42州举行142场抗议，反对AI驱动的数据中心快速扩张。活动聚焦水资源消耗、土地使用和本地问责问题。路透社与益普索6月民调显示仅三分之一美国人支持当前建设速度，14%支持在自家社区建设
29国上海签署协议成立世界人工智能合作组织
2026年7月16日，29国在上海签署协议成立世界人工智能合作组织，总部设于上海，由中国外交部长王毅代表签署，哈萨克斯坦、老挝、巴基斯坦、俄罗斯、印度尼西亚等为创始成员国，联合国秘书长古特雷斯出席。组织旨在推动人工智能有益、安全、公平的全球
Thinking Machines Lab发布Inkling 975B参数模型 美国开放权重领先但落后中国
Thinking Machines Lab于2026年7月发布Inkling模型，总参数9750亿，激活参数410亿，支持文本图像音频输入和100万token上下文。该模型在美国开放权重模型的智能体任务中领先，但整体性能落后于中国顶尖模型。
Moonshot AI发布Kimi K3 2.8万亿参数开源模型 性能接近Fable 5
北京月之暗面公司于2026年7月16日发布Kimi K3模型，参数规模2.8万亿，上下文窗口100万词元，原生支持视觉理解。该模型计划7月27日开放权重，成为全球最大开源权重模型。报道显示其在软件工程和知识工作任务中表现接近Anthropi
Goodnight Punpun作者暂停连载 推动漫画业解除生成式AI禁令
Inio Asano因出版社禁止专业漫画家使用生成式AI而暂停《Mujina Into the Deep》连载。他依赖Blender和Unreal Engine构建超过90%的环境模型，此举旨在促使行业政策改变。2026年早些时候，一部AI
Kimi：威胁还是祸患？
中国公司月之暗面（Moonshot AI）本周发布新版Kimi模型，其强大能力引发“全面AI共产主义”担忧。该模型在长文本推理和知识整合上实现突破，可能加速AI资源集中化，并改变全球AI竞争格局。业界对此褒贬不一，有人视其为效率革命，有人警
Gemini 3.1 Pro 材料约束跌26.6分 主榜仍升5.4分
Gemini 3.1 Pro今日Smoke评测材料约束从90.90分跌至64.30分，降26.6分；代码执行从18.40分升至50.00分，主榜从51.03分升至56.44分。单日10题抽样下，材料约束与任务表达同步回落，需观察后续一致性。
GPT-o3主榜暴跌13.8分 代码执行从70.3直降48.5
GPT-o3今日Smoke评测主榜从80.61分跌至66.86分，代码执行维度从70.30分降至48.50分，跌幅21.8分，材料约束小降3.9分，工程判断反升22分。
Claude Opus 4.7 均值 86.9 分领跑 GPT-o3 7 天下跌 30.5 分
2026-07-13 至 2026-07-19 期间，Claude Opus 4.7 均值 86.9 分且波动仅 20.9，GPT-o3 均值 71.1 分、波动 97.4，豆包 Pro 下跌 47.5 分。Claude 系列两款模型均呈上
Claude Opus 4.7以95.19分居首：2026-07-19 Smoke快测数据简报
2026-07-19 赢政指数 Smoke 快测覆盖 10 个模型，Claude Opus 4.7 以 95.19 分位居当日首位。Smoke 为每日 10 题快测，适合观察短期信号，不等同 Full 周榜结论。
深度横评
查看全部 →Gemini 3.1 Pro 材料约束跌26.6分 主榜仍升5.4分
Gemini 3.1 Pro今日Smoke评测材料约束从90.90分跌至64.30分，降26.6分；代码执行从18.40分升至50.00分，主榜从51.03分升至56.44分。单日10题抽样下，材料约束与任务表达同步回落，需观察后续一致性。
GPT-o3主榜暴跌13.8分 代码执行从70.3直降48.5
GPT-o3今日Smoke评测主榜从80.61分跌至66.86分，代码执行维度从70.30分降至48.50分，跌幅21.8分，材料约束小降3.9分，工程判断反升22分。
Claude Opus 4.7 均值 86.9 分领跑 GPT-o3 7 天下跌 30.5 分
2026-07-13 至 2026-07-19 期间，Claude Opus 4.7 均值 86.9 分且波动仅 20.9，GPT-o3 均值 71.1 分、波动 97.4，豆包 Pro 下跌 47.5 分。Claude 系列两款模型均呈上
WDCD 守约排行
#1
GPT-o3
94
#2
Grok 4
87.9
#3
Claude Opus 4.7
87.6
#4
Gemini 3.1 Pro
87.3
#5
DeepSeek V4 Pro
84.3
#6
Claude Sonnet 4.6
79.1
#7
GLM-4.6
78.3
查看完整守约排行 →
Research Lab
WDCD Run #233: GPT-o3 Leads with Zero Instruction Decay, Gemini 3.1 Pro Collapses Completely
WDCD Run #233 (2026-07-15) evaluated 11 frontier models on multi-turn commitment integrity, recordin
3大模型翻译对决：第29周质量评测，gpt-o3 以 9 分领跑
本周共翻译 361 篇文章，覆盖 3 个AI模型。经抽样盲评，gpt-o3 综合得分最高（9/10）。报告详细对比各模型在准确性、流畅性、术语一致性方面的表现差异。
WDCD Run #227: Grok 4 and DeepSeek V4 Pro Tie at 91.4 as Instruction Decay Averages -2.8% Across 11 Models
WDCD Run #227 (2026-07-12) evaluated 11 frontier models on multi-turn commitment integrity, with Gro