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
GPT-6 Astra 80.3
·
#2
GPT-6 Sol 79.7
▲4.1
·
#3
Claude Opus 4.7 79.5
·
#4
GPT-6.1 Sol 78.1
▼4.7
·
#5
GPT-5.5 77.2
▲3.9
·
#6
GPT-6 Luna 76
▼0.9
·
#7
Claude Sonnet 4.6 75.6
▲4.3
·
#8
Grok 4 73.2
▲2.3
·
#9
豆包 Pro 72.5
▼8
·
#10
GPT-o3 70.4
▼1.8
·
#11
DeepSeek V4 Pro 68.5
▲1.6
·
#12
GLM-4.6 59.8
·
#13
Gemini 3.1 Pro 57.5
▼5.4
·
#14
Gemini 2.5 Pro 56.9
▼2.1
·
&triangleup; GLM-4.6 +75.1 · ▿ 豆包 Pro -12.7
·
#1
GPT-6 Astra 80.3
·
#2
GPT-6 Sol 79.7
▲4.1
·
#3
Claude Opus 4.7 79.5
·
#4
GPT-6.1 Sol 78.1
▼4.7
·
#5
GPT-5.5 77.2
▲3.9
·
#6
GPT-6 Luna 76
▼0.9
·
#7
Claude Sonnet 4.6 75.6
▲4.3
·
#8
Grok 4 73.2
▲2.3
·
#9
豆包 Pro 72.5
▼8
·
#10
GPT-o3 70.4
▼1.8
·
#11
DeepSeek V4 Pro 68.5
▲1.6
·
#12
GLM-4.6 59.8
·
#13
Gemini 3.1 Pro 57.5
▼5.4
·
#14
Gemini 2.5 Pro 56.9
▼2.1
·
&triangleup; GLM-4.6 +75.1 · ▿ 豆包 Pro -12.7
·
最新资讯
查看全部 →AI代理接手投行苦活,Model ML融资2.5亿美元
据TechCrunch报道,AI创业公司Model ML完成2.5亿美元融资,主打为投行与咨询顾问自动更新财务模型和演示文稿。其代理能理解交易全貌,在新信息影响分析时自动同步修改。这轮融资折射出资本对金融垂直AI的押注:投行初级员工的建模与
黄仁勋想回英伟达?批评者:他与特朗普走得太近
一句“我爱我们的国家”,让黄仁勋的道歉变成新一轮舆论风暴。据Ars Technica报道,在英伟达面临的监管调查不断升级之际,黄仁勋表达了希望重回公司的意愿,却被批评者指为与特朗普政府关系过密。本文梳理事件脉络、英伟达的监管处境,以及芯片巨
谷歌高调宣布Gmail没崩:宕机潮中的反向操作
在各家云服务接连传出故障的2026年,谷歌罕见地主动发声,宣布自家Gmail运行正常、并未宕机。这条看似玩笑的“反新闻”,折射出宕机已成行业新常态、状态页公信力下滑,以及科技巨头在信任赤字时代的沟通策略转向。本文梳理事件始末,并分析其背后的
CEO绯闻引爆监管风暴:英伟达遭SEC调查
据《华尔街日报》报道,美国证券交易委员会(SEC)已对英伟达展开调查,起因是CEO黄仁勋突然离职,并承认与一名据称是中国间谍的女性存在婚外情。这一事件将全球市值最高的芯片公司推向监管与舆论的双重风暴中心,市场对英伟达治理结构与信息披露合规性
Astra for Law以20.8%全通过率登顶法律AI基准评测
OpenAI于2026年11月17日发布Astra for Law 6.2,这是一个基于GPT-6.2 Astra的法律专项配置。在Harvey与Artificial Analysis联合开发的LAB-AA v1.1基准中,该模型以20.8
OpenAI GPT-6.2 Astra和Sol同日上线:Astra降价20%,第三方基准显示编程进展停滞
2026年11月17日,OpenAI正式发布GPT-6.2 Astra和Sol两款新模型,向ChatGPT Work、Codex及API全面开放。Astra API价格下调20%至每百万输入tokens 8美元,官方声称在专业输出和编程上大
WDCD Run #434: GLM-4.6 Leads with 88.6 Points as Average Instruction Decay Hits -26.7%
WDCD Run #434 (2026-11-18) evaluated 15 models on multi-turn commitment integrity, with GLM-4.6 topping the leaderboard
追逐认知永生:让心智超越肉体的技术狂想
MIT科技评论举办圆桌讨论,科学编辑Mary Beth Griggs与生物医学高级编辑Antonio Regalado探讨“认知永生”的可能性。从渐进式大脑替换到意识上传,一些前沿技术专家正试图实现自我的延续——即便在死亡之后。这场对话既描
Gemini聊天记录保留期延至两月,Google隐私承诺生变
Google宣布将Gemini聊天记录的保留时间从72小时大幅延长至2个月,且无论用户是否关闭历史记录均适用。该政策将在未来几周全球推出。此举与Google此前“关闭历史记录后72小时删除”的承诺形成矛盾,再度引发外界对AI聊天数据隐私与透
谷歌Gemini Tasks大扩张:AI帮你打电话、购物、登录网站
谷歌宣布扩大Gemini Tasks的访问权限,该功能可协调通话、代用户登录网站甚至完成购物。这标志着AI助手从信息查询向任务执行迈出关键一步,但也引发隐私与安全担忧。本文详解Gemini Tasks的功能、行业竞争背景及未来影响。
GPT-5.5代码执行暴跌24.8分 主榜仅降2.8分
GPT-5.5今日Smoke评测代码执行从99.80跌至75.00,材料约束从59.30升至83.30,主榜从81.58降至78.74。工程判断同步跌25分。单日10题抽样下,此类波动需区分题目随机性与真实能力退化。
GPT-6 Luna代码执行暴跌24.1分 材料约束反升32分
GPT-6 Luna今日Smoke评测代码执行从99.10分跌至75.00分,材料约束从62.80分升至94.80分,主榜从82.77分微升至83.91分,诚信评级维持pass。
深度横评
查看全部 →GPT-5.5代码执行暴跌24.8分 主榜仅降2.8分
GPT-5.5今日Smoke评测代码执行从99.80跌至75.00,材料约束从59.30升至83.30,主榜从81.58降至78.74。工程判断同步跌25分。单日10题抽样下,此类波动需区分题目随机性与真实能力退化。
GPT-6 Luna代码执行暴跌24.1分 材料约束反升32分
GPT-6 Luna今日Smoke评测代码执行从99.10分跌至75.00分,材料约束从62.80分升至94.80分,主榜从82.77分微升至83.91分,诚信评级维持pass。
GPT-6 Astra以91.14分居首:2026-11-18 Smoke快测数据简报
2026-11-18 赢政指数 Smoke 快测覆盖 14 个模型,GPT-6 Astra 以 91.14 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。
WDCD 守约排行
#1
GLM-4.6
88.6
#2
Gemini 3.1 Pro
87.5
#3
Claude Sonnet 4.6
86.9
#4
GPT-5.5
86.4
#5
GPT-6 Sol
84.7
#6
Grok 4
84.2
#7
GPT-6 Astra
82.8
查看完整守约排行 →
Research Lab
WDCD Run #434: GLM-4.6 Leads with 88.6 Points as Average Instruction Decay Hits -26.7%
WDCD Run #434 (2026-11-18) evaluated 15 models on multi-turn commitment integrity, with GLM-4.6 topp
4大模型翻译对决:第47周质量评测,claude-sonnet-4.6 以 9 分领跑
本周共翻译 442 篇文章,覆盖 4 个AI模型。经抽样盲评,claude-sonnet-4.6 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 #428: Gemini 3.1 Pro Leads with 89.8 Points as Average Instruction Decay Hits -16.4%
WDCD Run #428 (2026-11-15) benchmarked 15 frontier models on multi-turn commitment integrity, record