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 →MLPerf Training v6.1基准发布 展现AI训练系统新突破
MLCommons近日公布MLPerf Training v6.1基准测试结果。本次新增DLRMv4-HSTU推荐系统和Qwen3.5-397B大规模LLM后训练两项基准,吸引24家机构提交153套系统、250项测试结果。云端部署占比升至3
MLPerf Training v6.1:更大集群、更广硬件,软件优化驱动性能飞跃
MLPerf Training v6.1基准测试新增Qwen3.5-397B GRPO和DLRMv4-HSTU两项任务,覆盖代理强化学习与生成推荐模型。Google Ironwood与NVIDIA Rubin首次亮相,最大系统规模达1024
真实场景测试AI:MLPerf Endpoints v1.0基准发布
MLCommons近日推出MLPerf Endpoints v1.0基准,首次针对真实生产环境下的AI API端点进行全面测评。该基准不再局限于孤立硬件性能,而是评估硬件、模型、服务软件、批处理和网络的完整AI技术栈。通过LoadStair
DeepSeek-V4.1-Flash 在 H20-3e 上的 PD 分离服务优化
本文详细介绍了 Ant International AI Infra 团队如何在 H20-3e GPU 上优化 DeepSeek-V4.1-Flash 的分离式(PD)推理服务。通过调整 prefill 与 decode 并行度、支持 BC
Grok 4主榜暴跌17.2分,材料约束单日崩24.8分
Grok 4今日Smoke评测主榜从83.51分跌至66.35分,降幅17.2分。其中材料约束从77.40分暴跌至52.60分,代码执行下降10.9分,诚信评级从pass转为warn。工程判断和任务表达小幅上升。
Claude Sonnet 4.6材料约束暴跌24.8分,代码执行却飙升50分
Claude Sonnet 4.6今日Smoke评测主榜77.90分,材料约束从77.40分跌至52.60分(-24.8),代码执行从48.60分升至98.60分(+50)。单日10题快测中,材料约束大幅下滑与代码执行暴涨形成鲜明对比,需判
Claude Opus 4.7以78.72分居首:2026-11-23 Smoke快测数据简报
2026-11-23 赢政指数 Smoke 快测覆盖 14 个模型,Claude Opus 4.7 以 78.72 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。
数据中心为何成为反抗科技巨头浪潮的风暴眼
当AI热潮把数据中心推向舞台中央,它们也从“幕后基础设施”变成了公众愤怒的靶心。记者Paris Marx在新书《Hyperscale》中剖析:土地、水、电与税收优惠的争夺,正让数据中心成为反大型科技公司情绪的最新焦点。本文结合行业背景,梳理
AI辅助纳维-斯托克斯方程证明引争议 研究者24小时内声索两难题
2026年11月20日,纽约大学Tristan Buckmaster与Anthropic研究员Levent Alpöge在Mastodon发布AI辅助证明,声称纳维-斯托克斯方程在无外力下可有限时间爆破,以补OpenAI方案漏洞。当日同一研
黎曼猜想Lean证明获社区认证 Claude辅助17M行代码通过多重验证
2026年11月20日,数学家Levent Alpöge发布由Claude辅助生成的黎曼猜想Lean证明库,包含17百万行代码。Lean与Mathlib社区于次日完成独立编译校验,通过五种独立校验器确认证明仅依赖三条标准公理且零错误。该事件
谷歌削减博通TPU 8i订单20%转向联发科,训练优先于推理的战略重组信号
天风国际证券分析师郭明錤2026年11月20日披露,谷歌已将2027年博通设计的TPU 8i系列出货量削减约100万颗(降幅约20%),削减主要集中在高价变体8i Max(代号Whalefish),同时计划提高联发科设计的TPU 8t系列订
亚马逊75亿美元收购Decart 剑指英伟达AI芯片依赖
亚马逊正接近以75亿美元收购以色列AI初创公司Decart,该交易若完成将帮助AWS降低对英伟达芯片的依赖,并在实时世界模型领域形成储备。报道显示谈判已进入最后阶段,但仍存在变数。
深度横评
查看全部 →MLPerf Training v6.1基准发布 展现AI训练系统新突破
MLCommons近日公布MLPerf Training v6.1基准测试结果。本次新增DLRMv4-HSTU推荐系统和Qwen3.5-397B大规模LLM后训练两项基准,吸引24家机构提交153套系统、250项测试结果。云端部署占比升至3
MLPerf Training v6.1:更大集群、更广硬件,软件优化驱动性能飞跃
MLPerf Training v6.1基准测试新增Qwen3.5-397B GRPO和DLRMv4-HSTU两项任务,覆盖代理强化学习与生成推荐模型。Google Ironwood与NVIDIA Rubin首次亮相,最大系统规模达1024
真实场景测试AI:MLPerf Endpoints v1.0基准发布
MLCommons近日推出MLPerf Endpoints v1.0基准,首次针对真实生产环境下的AI API端点进行全面测评。该基准不再局限于孤立硬件性能,而是评估硬件、模型、服务软件、批处理和网络的完整AI技术栈。通过LoadStair
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