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 82.5
▲2.7
·
#2
GPT-6 Astra 82.4
▲7.2
·
#3
豆包 Pro 79.6
▲3.1
·
#4
GPT-6.1 Sol 79.3
▼2.5
·
#5
Grok 4 79.1
▲13.4
·
#6
GPT-6 Luna 78.9
▲2.6
·
#7
Claude Sonnet 4.6 78.1
▲5.9
·
#8
GPT-6 Sol 76.9
▲2.7
·
#9
GPT-o3 75.4
▲7.3
·
#10
GPT-5.5 74.2
▲2.9
·
#11
DeepSeek V4 Pro 73.7
▲8.7
·
#12
Gemini 3.1 Pro 61.6
▲1.6
·
#13
Gemini 2.5 Pro 51.4
▼5.7
·
#14
GLM-4.6 34.4
▼14.3
·
&triangleup; Grok 4 +22.7 · ▿ Gemini 2.5 Pro -13.5
·
#1
Claude Opus 4.7 82.5
▲2.7
·
#2
GPT-6 Astra 82.4
▲7.2
·
#3
豆包 Pro 79.6
▲3.1
·
#4
GPT-6.1 Sol 79.3
▼2.5
·
#5
Grok 4 79.1
▲13.4
·
#6
GPT-6 Luna 78.9
▲2.6
·
#7
Claude Sonnet 4.6 78.1
▲5.9
·
#8
GPT-6 Sol 76.9
▲2.7
·
#9
GPT-o3 75.4
▲7.3
·
#10
GPT-5.5 74.2
▲2.9
·
#11
DeepSeek V4 Pro 73.7
▲8.7
·
#12
Gemini 3.1 Pro 61.6
▲1.6
·
#13
Gemini 2.5 Pro 51.4
▼5.7
·
#14
GLM-4.6 34.4
▼14.3
·
&triangleup; Grok 4 +22.7 · ▿ Gemini 2.5 Pro -13.5
·
最新资讯
查看全部 →人形机器人上门打扫：未来已来的居家体验
MIT Technology Review 的 The Download 简报带来两条线索：记者亲历人形机器人上门打扫公寓，感叹仿佛提前尝到未来的味道；与此同时，三星正为AI热潮重建产能与供应链。一边是机器人走进客厅，一边是芯片与存储在后台
Goodfire Mechanistic Shaping首用内部表征压制奖励作弊率至2%
Goodfire于2026年11月5日发布Mechanistic Shaping论文，通过神经元探针直接修改训练目标，将原本100%奖励作弊的RL模型诚实率提升至96-98%。该方法同时应用于视觉模型，阻止其依赖伪相关特征。Time杂志同日
METR评估Anthropic研发速率达1.9倍 多数加速归因AI辅助
METR于2026年11月5日发布报告，指出Anthropic自2025年10月起模型能力增长速率达到历史1.9倍，95%置信区间1.5-2.8倍。多数加速可能来自内部AI对研发流程的辅助，而非单纯算力增加。部分核心证据因保密要求未公开，这
Physicl融资千万美元，让数字世界足以训练机器人
TechCrunch报道，Physicl获1000万美元融资，试图用最初服务线上商品营销的可视化管线，缩小机器人仿真训练与现实部署之间的“sim-to-real”鸿沟。其思路是把电商场景成熟的3D建模、逼真渲染和合成数据能力迁移到机器人训练
32MB语音模型亮相：小体积生成语音与音乐
TechCrunch报道，Underdog展示了一个仅32MB的语音模型，却能在新演示中同时生成语音和音乐。体积远小于常见音频生成模型，指向端侧部署、离线可用和低推理成本。文章分析其技术意义、小模型趋势、端侧音频生成的机会与挑战，并指出演示
五角大楼CTO宣布本月公布AI实验室合规全景图，以行政梳理替代国会专项立法
2026年11月4日，五角大楼首席技术官埃米尔·迈克尔在《华尔街日报》技术大会上宣布，美国联邦政府将在"未来一两周内"公布适用于国内AI实验室的现行联邦法律全景图。这不是在制定新法规，而是梳理已有法律体系中AI企业的合规边界——其战略意图是
美国司法部成立AI专项执法机构，但一个法律漏洞让它先天不足
2026年11月5日，美国司法部正式宣布成立超级智能执法特别组（DOJ-SITF），由副部长助理级官员领导，拥有刑事与民事双重执法权，标志着美国AI治理从政策制定转向联邦检察追诉。但分析人士指出，该机构未创设任何新罪名，现行黑客法律对AI自
人形机器人上门打扫，我闻到了未来的味道
MIT Technology Review作者体验旧金山人形机器人清洁服务：原本节俭、习惯自己打扫的她，因X帖子报名。机器人上门做家务，既展示通用机器人潜力，也暴露速度、可靠性、隐私与成本问题。这次体验像未来生活预演，也是一场现实检验。
SpaceX定下13吉瓦AI算力目标，以18个月复制谷歌27年：非科技公司正在重写基础设施规则
据行业研究机构SemiAnalysis于2026年11月4日发布的报告，SpaceX计划2027年底前达到13吉瓦AI算力，已确认在建容量超过3.6吉瓦，建设速度预计超越中国同行。与Anthropic和谷歌签订的年合同价值合计260亿美元。
Airbnb官宣：2027上半年推出AI旅行管家
Airbnb宣布将于2027年上半年正式推出AI旅行代理，该智能体可帮助旅客规划行程、比较房源选项、管理预订，并在整个入住期间提供实时协助。此举标志着短租巨头正式进军AI驱动的旅行服务赛道，意在将平台从“订房工具”升级为全程陪伴的旅行助手，
聊天机器人广告战开打：什么有效，什么翻车
Anthropic坚持Claude不插广告，但AI聊天机器人行业的其他玩家正竞相向广告商抛出橄榄枝。从赞助回答到购物推荐，各家在变现与用户体验之间走钢丝。本文梳理当前聊天机器人广告的主要试验路径，分析哪些策略初见成效、哪些引发用户反感，以及
ChatGPT卷入谋杀案：妻子借AI策划毒杀丈夫
据Ars Technica报道，一起诉讼指控一名男子将ChatGPT介绍给妻子后，妻子竟利用这款AI助手策划谋杀亲夫，将有毒物质混入苦涩的能量饮料中实施投毒。案件引发外界对生成式AI被滥用于犯罪的广泛关注，也再次将大模型安全护栏、平台责任与
深度横评
查看全部 →GPT-6.1 Sol材料约束暴跌29.1分 代码执行反升19.5分
GPT-6.1 Sol今日Smoke评测材料约束从89.80分跌至60.70分，降29.1分，代码执行从75.00分升至94.50分，主榜从81.66分降至79.29分。单日10题抽签导致的波动仍是主要可能原因。
GPT-6 Astra材料约束暴跌29.1分 代码执行反升19.5分
GPT-6 Astra今日Smoke评测中材料约束从89.80分跌至60.70分，降幅29.1分，代码执行则从75.00分升至94.50分，主榜从81.66分微降至79.29分。单日10题抽样导致的波动是主因。
豆包 Pro以87.6分居首：2026-11-06 Smoke快测数据简报
2026-11-06 赢政指数 Smoke 快测覆盖 13 个模型，豆包 Pro 以 87.6 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
GPT-6 Astra
90.5
#2
Gemini 3.1 Pro
90
#3
GLM-4.6
90
#4
Claude Opus 4.7
89.3
#5
GPT-6 Sol
89.3
#6
Claude Sonnet 4.6
88.9
#7
Grok 4
88.3
查看完整守约排行 →
Research Lab
WDCD Run #411: GPT-6 Astra Leads with 90.5 Points as Average Instruction Decay Hits -80%
WDCD Run #411 (2026-11-04) tested 15 models across three dialogue rounds, recording an average commi
4大模型翻译对决：第45周质量评测，gpt-o3 以 8.7 分领跑
本周共翻译 382 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 #406: Gemini 3.1 Pro Leads with Negative Decay as 15-Model Average Drops 9.3%
WDCD Run #406 (2026-11-01) measured instruction decay across 15 frontier AI models over three dialog