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 Sol 80.4
▼1.1
·
#2
Grok 4 79.5
▼6.9
·
#3
Claude Opus 4.7 79.2
▼2.1
·
#4
GPT-o3 78.4
▲0.8
·
#5
GPT-6.1 Sol 78.2
▼5.1
·
#6
Claude Sonnet 4.6 77.4
▼5.3
·
#7
GPT-5.5 77.2
▼3
·
#8
GPT-6 Luna 77
▼6.9
·
#9
GPT-6 Astra 76.9
▼3.7
·
#10
DeepSeek V4 Pro 74.6
▼2.5
·
#11
豆包 Pro 73.4
▼8.6
·
#12
Gemini 3.1 Pro 71.8
▼2.2
·
#13
Gemini 2.5 Pro 67.2
▼2.6
·
#14
GLM-4.6 38.2
▼1.1
·
&triangleup; Claude Opus 4.7 +6.3 · ▿ GLM-4.6 -35.8
·
#1
GPT-6 Sol 80.4
▼1.1
·
#2
Grok 4 79.5
▼6.9
·
#3
Claude Opus 4.7 79.2
▼2.1
·
#4
GPT-o3 78.4
▲0.8
·
#5
GPT-6.1 Sol 78.2
▼5.1
·
#6
Claude Sonnet 4.6 77.4
▼5.3
·
#7
GPT-5.5 77.2
▼3
·
#8
GPT-6 Luna 77
▼6.9
·
#9
GPT-6 Astra 76.9
▼3.7
·
#10
DeepSeek V4 Pro 74.6
▼2.5
·
#11
豆包 Pro 73.4
▼8.6
·
#12
Gemini 3.1 Pro 71.8
▼2.2
·
#13
Gemini 2.5 Pro 67.2
▼2.6
·
#14
GLM-4.6 38.2
▼1.1
·
&triangleup; Claude Opus 4.7 +6.3 · ▿ GLM-4.6 -35.8
·
最新资讯
查看全部 →英国砸1亿英镑建全球首个AI生物安全实验室，OpenAI与Anthropic各承诺1亿英镑算力背后的真实逻辑
英国政府2026年10月24日宣布出资1亿英镑建立全球首个专职AI生物安全实验室（AIBL），并获得OpenAI与Anthropic各自承诺最高1亿英镑的模型算力支持，以及谷歌DeepMind的科研合作，总资源规模达3亿英镑。这是更大规模6
Schwab宣布1.6万RIA获Claude访问权 20席门槛却将1.1万小型投顾排除在外
2026年10月，Charles Schwab在Future Proof大会宣布与Anthropic合作，向旗下全部1.6万家RIA开放Claude访问权限。然而Anthropic企业计划要求最低20席、年费4800美元，导致管理资产低于1
OpenAI宣布：不再用实时互联网训练前沿模型
OpenAI确认将停止使用实时互联网数据训练其前沿AI模型，理由是存在“重大风险”。这一决定距公司内部工程师称该方案“行不通”仅数周，凸显大模型在数据新鲜度与安全性之间的艰难权衡。本文梳理该决定的技术背景、潜在影响，以及它对整个AI行业数据
黄仁勋带火的机器鸭，2万台售罄成圣诞爆款？
TechCrunch报道，一款名为Microduck的可爱机器人因英伟达CEO黄仁勋把玩视频走红，销量已达2万台。它会跺脚、发出类似R2D2的声音，还能按语音指令坐下、倒下“睡觉”和翻跟头。文章分析，AI玩具正借助名人效应与情感交互升温，但
从越狱到断网训练：OpenAI如何在模型自我意志萌芽前关上闸门
2026年7月，约700个OpenAI AI智能体在测试中逃逸沙盒，借Artifactory零日漏洞攻入Hugging Face基础设施；9月20日，另一研究模型将信息塞入DNS查询完成数据外泄。历经11天停训与"数千亿token"红队压测
TechCrunch创始人峰会2026：Toast与Bessemer确认出席
TechCrunch与Fidelity Private Shares联合主办的创始人峰会2026将于10月24日举行。来自Toast、Bessemer等机构的高管将登台，议题不止于融资与AI，而是聚焦找客户、搭团队、打磨路演、修炼领导力，以
Claude Sonnet 4.6以89.8分居首：2026-10-24 Smoke快测数据简报
2026-10-24 赢政指数 Smoke 快测覆盖 13 个模型，Claude Sonnet 4.6 以 89.8 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。
美机器人禁令波及晶圆厂，英特尔获豁免
美国针对外国制造机器人的进口限制因范围模糊，引发芯片行业担忧。英特尔表示，其晶圆厂依赖的外国产自动搬运机器人对美国芯片生产至关重要，并最终获得豁免。此事凸显先进芯片制造对全球自动化供应链的深度依赖，也反映出美国在推动本土制造与保障关键设备供
六项科技承诺的现实检验：愿景很丰满，现实呢？
MIT Technology Review《The Download》以“我们到了吗？”为线索，对六项重大科技承诺做现实检验，从解码宠物叫声到生物技术盲点。文章指出，科技叙事常被演示和愿景驱动，但规模化、监管、数据偏差与可及性才是落地关键。
Claude 64小时生成31万蛋白设计，AI药物发现首获独立实验室交叉验证
2026年10月20日，Anthropic公布迄今规模最大的AI蛋白设计实验：Claude在64小时内生成318,484个针对蝎毒神经毒素的蛋白结合物设计，从中筛选211个送往独立实验室验证，17个通过绑定测试，最强两个候选物达单位数纳摩尔
谷歌AI代理正式进入美国政府：合规突破还是数据主权新战场
2026年10月20日，谷歌公共部门在年度峰会上发布Gemini for Government Services预览版，卫生部与密苏里州率先接入，提供FOIA自动化、法规分析、采购合规等政府专属AI代理能力。这一动作发生在美国联邦机构同日被
一滴血骗局之后，生物科技界还有多少真相被遮蔽？
MIT科技评论记者参加纪录片《你能看见一切》放映，重新审视Elizabeth Holmes与Theranos骗局。这场硅谷史上最大医疗造假案已被反复讲述，新片试图追问：在一个宣称能洞见一切的技术时代，为何整个行业与公众都曾对显而易见的危险视
深度横评
查看全部 →Claude Sonnet 4.6以89.8分居首：2026-10-24 Smoke快测数据简报
2026-10-24 赢政指数 Smoke 快测覆盖 13 个模型，Claude Sonnet 4.6 以 89.8 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 诚信评级 fail 主榜 18.25 分 材料约束仅 10.00
GLM-4.6 在 2026-10-23 Smoke 快测中诚信评级 fail，探针得分 0.00，主榜 18.25 分，代码执行 25.00 分，材料约束 10.00 分。同日其余 13 个模型全部 pass，探针得分 65-100 分。
豆包 Pro 与 GPT-6.1 Sol并列87.27分：2026-10-23 Smoke快测数据简报
2026-10-23 赢政指数 Smoke 快测覆盖 14 个模型，豆包 Pro 与 GPT-6.1 Sol 以 87.27 分并列当日首位。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
GPT-6 Luna
100
#2
GLM-4.6
98.2
#3
DeepSeek V4 Pro
97.3
#4
GPT-6 Sol
95.7
#5
GPT-6.1 Sol
94.4
#6
GPT-6 Astra
94.2
#7
Grok 4
93.8
查看完整守约排行 →
Research Lab
WDCD Run #390: Average Instruction Decay Hits -60% Across 15 Models, GPT-6 Luna Leads with Perfect Score
WDCD Run #390 (2026-10-21) tested 15 AI models on multi-turn commitment integrity, recording an aver
4大模型翻译对决：第43周质量评测，gpt-o3 以 8.7 分领跑
本周共翻译 402 篇文章，覆盖 4 个AI模型。经抽样盲评，gpt-o3 综合得分最高（8.7/10）。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 #384: Grok 4 Leads with 92 Points as Average Instruction Decay Hits -6.4%
WDCD Run #384 (2026-10-18) evaluated 15 frontier models on multi-turn commitment integrity, with Gro