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 88.2
▼1.1
·
#2
DeepSeek V4 Pro 81.7
▼7.1
·
#3
Grok 4 80.4
▼4.6
·
#4
Claude Sonnet 4.6 79.5
▼3.5
·
#5
GPT-5.5 79.1
▲6.2
·
#6
GPT-o3 78.9
▼4.5
·
#7
Gemini 2.5 Pro 75.8
▼2.1
·
#8
豆包 Pro 74.3
▼7.3
·
#9
Qwen3 Max 72.1
▼8.9
·
#10
Gemini 3.1 Pro 69.3
▼13.2
·
#11
GLM-4.6 63.4
·
&triangleup; Gemini 3.1 Pro +8.8 · ▿ GPT-5.5 -30.2
·
#1
Claude Opus 4.7 88.2
▼1.1
·
#2
DeepSeek V4 Pro 81.7
▼7.1
·
#3
Grok 4 80.4
▼4.6
·
#4
Claude Sonnet 4.6 79.5
▼3.5
·
#5
GPT-5.5 79.1
▲6.2
·
#6
GPT-o3 78.9
▼4.5
·
#7
Gemini 2.5 Pro 75.8
▼2.1
·
#8
豆包 Pro 74.3
▼7.3
·
#9
Qwen3 Max 72.1
▼8.9
·
#10
Gemini 3.1 Pro 69.3
▼13.2
·
#11
GLM-4.6 63.4
·
&triangleup; Gemini 3.1 Pro +8.8 · ▿ GPT-5.5 -30.2
·
最新资讯
查看全部 →Gemini 2.5 Pro以100分居首：2026-07-13 Smoke快测数据简报
2026-07-13 赢政指数 Smoke 快测覆盖 10 个模型，Gemini 2.5 Pro 以 100 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。
Meta发布Muse Spark 1.1 API定价1.25美元 开发者获20美元额度
Meta Platforms于2026年7月发布Muse Spark 1.1模型，向美国开发者开放公共预览。模型支持100万token上下文，定价为输入每百万token 1.25美元、输出4.25美元，注册用户获20美元免费额度。该模型在工
Meta撤回Muse Image功能 隐私争议迫使AI工具下线
Meta本周推出Muse Image功能，允许用户通过公开Instagram账号生成AI图像，却因默认自动加入引发好莱坞工会与演员强烈反对。SAG-AFTRA和Hannah Einbinder等要求用户退出，Meta随后承认功能未达预期并停
OpenAI与Google向五角大楼黑名单中国公司提供AI模型
OpenAI与Google被曝向美国国防部Section 1260H黑名单上的中国企业新加坡子公司提供AI模型访问。OpenAI确认禁止中国大陆直接访问，但允许部分中国控股公司在海外使用，并暂停了阿里巴巴关联用户的蒸馏行为。事件发生在GPT
苹果起诉OpenAI窃取硬件商业机密 双方2024年合作关系破裂
苹果公司2026年7月10日在加州北区联邦法院起诉OpenAI，指控其通过前员工系统性获取未发布硬件机密。OpenAI否认指控，双方从2024年ChatGPT整合合作转为法律对立。诉讼点名首席硬件官Tang Tan及Chang Liu，涉及
Meta因默认使用公开照片生成图像遭反对 撤回Muse Image功能
2026年7月，Meta推出Muse Image功能，允许用户@-提及公开Instagram账号生成图像，默认对18岁以上公开账号开启。功能上线数日后因用户、SAG-AFTRA及CAA反对而撤回，Meta承认设置引发混淆。
苹果起诉OpenAI窃取硬件机密 前员工超400人入职引发诉讼
2026年7月11日，苹果在加州北区联邦法院起诉OpenAI及其前员工Tang Tan、Chang Liu和io Products，指控系统性窃取AI硬件设计、制造工艺等商业机密。OpenAI否认指控，称无兴趣获取他人机密。目前已有超过40
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 Grok 4 and DeepSeek V4
GLM-4.6材料约束暴跌25分 代码执行反升50分 Smoke测试主榜逆涨
GLM-4.6今日Smoke评测材料约束从50.00分跌至25.00分，降幅25分；代码执行从25.00分升至75.00分，主榜从36.25分升至52.50分。工程判断同步下滑19.5分。单日10题抽样下，需区分题目波动与真实能力变化。
Smoke 7天数据：Gemini 2.5 Pro趋势34.3分领涨，GLM-4.6波动40.5分最剧烈
2026-07-08至2026-07-12 Smoke评测显示，Gemini 2.5 Pro趋势上升34.3分至94.24分，豆包Pro上升20.2分至91.99分；GLM-4.6波动达40.5分且诚信评级从fail转为warn，GPT-o
Claude Opus 4.7 与 Claude Sonnet 4.6 与 DeepSeek V4 Pro 与 Grok 4并列96.99分：2026-07-12 Smoke快测数据简报
2026-07-12 赢政指数 Smoke 快测覆盖 11 个模型，Claude Opus 4.7 与 Claude Sonnet 4.6 与 DeepSeek V4 Pro 与 Grok 4 以 96.99 分并列当日首位。Smoke 为
一周三重震荡：OpenAI高管突离职、运营9个月的浏览器工具同步关停
2026年7月10-11日，OpenAI一名高管意外离职，同时公司宣布关闭运营9个月的浏览器工具。这两起事件与近期针对该公司的诉讼及制裁指控叠加出现，引发外界对其内部治理与产品战略的关注。目前离职者身份、关闭原因及事件间关联性尚未明确。
深度横评
查看全部 →Gemini 2.5 Pro以100分居首：2026-07-13 Smoke快测数据简报
2026-07-13 赢政指数 Smoke 快测覆盖 10 个模型，Gemini 2.5 Pro 以 100 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。
GLM-4.6材料约束暴跌25分 代码执行反升50分 Smoke测试主榜逆涨
GLM-4.6今日Smoke评测材料约束从50.00分跌至25.00分，降幅25分；代码执行从25.00分升至75.00分，主榜从36.25分升至52.50分。工程判断同步下滑19.5分。单日10题抽样下，需区分题目波动与真实能力变化。
Smoke 7天数据：Gemini 2.5 Pro趋势34.3分领涨，GLM-4.6波动40.5分最剧烈
2026-07-08至2026-07-12 Smoke评测显示，Gemini 2.5 Pro趋势上升34.3分至94.24分，豆包Pro上升20.2分至91.99分；GLM-4.6波动达40.5分且诚信评级从fail转为warn，GPT-o
WDCD 守约排行
#1
Grok 4
91.4
#2
DeepSeek V4 Pro
91.4
#3
Claude Opus 4.7
89.4
#4
Gemini 3.1 Pro
88.9
#5
GLM-4.6
81.9
#6
GPT-o3
81.5
#7
Claude Sonnet 4.6
78.8
查看完整守约排行 →
Research Lab
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
WDCD Run #221: Average Instruction Decay Hits -36.4% as Grok 4 Leads 11-Model Field
WDCD Run #221 (2026-07-08) measured instruction decay across 11 frontier models over three dialogue
4大模型翻译对决：第28周质量评测，gpt-o3 以 9 分领跑
本周共翻译 318 篇文章，覆盖 4 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。