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 83.9
▲1.1
·
#2
Grok 4 83.3
▲5.1
·
#3
豆包 Pro 80.5
▲9.5
·
#4
GPT-5.5 78.2
▲1.8
·
#5
GPT-o3 77.7
▼3.6
·
#6
Claude Sonnet 4.6 76.4
▼0.9
·
#7
Gemini 3.1 Pro 75.5
▲3
·
#8
DeepSeek V4 Pro 75.2
▲5.8
·
#9
Gemini 2.5 Pro 74
▲2.1
·
#10
Qwen3 Max 68.7
▼4.6
·
#11
GLM-4.6 25.4
▼32.4
·
&triangleup; DeepSeek V4 Pro +16.2 · ▿ GLM-4.6 -47.9
·
#1
Claude Opus 4.7 83.9
▲1.1
·
#2
Grok 4 83.3
▲5.1
·
#3
豆包 Pro 80.5
▲9.5
·
#4
GPT-5.5 78.2
▲1.8
·
#5
GPT-o3 77.7
▼3.6
·
#6
Claude Sonnet 4.6 76.4
▼0.9
·
#7
Gemini 3.1 Pro 75.5
▲3
·
#8
DeepSeek V4 Pro 75.2
▲5.8
·
#9
Gemini 2.5 Pro 74
▲2.1
·
#10
Qwen3 Max 68.7
▼4.6
·
#11
GLM-4.6 25.4
▼32.4
·
&triangleup; DeepSeek V4 Pro +16.2 · ▿ GLM-4.6 -47.9
·
最新资讯
查看全部 →WDCD Run #346: All 11 Models Hold Zero Instruction Decay, Grok 4 Tops Leaderboard at 100 Points
WDCD Run #346 (2026-09-30) recorded 0% average instruction decay across all 11 tested models, with Grok 4 achieving a pe
OpenAI缺席英伟达智能体安全联盟，却私下合作
英伟达发起了一项覆盖全行业的“开放智能体安全平台”，意在为失控的AI智能体套上缰绳，但OpenAI并未出现在公开支持者名单中。TechCrunch获悉，OpenAI其实正在私下与英伟达展开合作。这一“台前缺席、幕后参与”的姿态，折射出AI巨
OpenAI因Hugging Face黑客事件被起诉
加州一家非营利组织就Hugging Face黑客事件起诉OpenAI，试图让OpenAI为其AI代理的行为承担法律责任。Hugging Face未采取法律行动，该组织填补了问责空白。案件核心问题是：当自主代理被滥用或越权时，模型开发者、部署
OpenAI传洽谈300亿美元融资，估值达1.4万亿
据TechCrunch报道，OpenAI正与投资者洽谈新一轮最高300亿美元融资，估值或达1.4万亿美元。这将是该公司2027年延迟上市前的最后一轮私募融资。此举凸显AI巨头在算力、模型与生态上的资本竞赛持续升温，也为其IPO定价提供重要参
Qwen3 Max以84.51分居首：2026-09-30 Smoke快测数据简报
2026-09-30 赢政指数 Smoke 快测覆盖 10 个模型，Qwen3 Max 以 84.51 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。
OpenAI推常驻AI代理Dots，正面迎战Meta Muse
OpenAI发布全新AI代理产品Dots，这是一款常驻在线、可连接用户各类应用并处理多步骤任务的智能体。外界将其视为对Meta同期推出的Muse的直接回应，标志着科技巨头在AI代理赛道上的竞争全面升级。Dots主打可爱亲和的形象设计，力图降
OpenAI升级ChatGPT插件：应用式界面与自动化登场
OpenAI正在对ChatGPT插件体系进行大规模升级：为插件提供专属侧边栏入口，使其从隐藏的工具列表变为可常驻访问的独立应用；引入交互式操作面板与内置文件查看器，改进搜索与推荐机制，并首次支持自动化任务。这标志着ChatGPT的第三方生态
OpenAI发布GPT-6.1 Sol，性能逼近Astra
OpenAI正式发布GPT-6.1 Sol，官方称其在代码编写与调试、文档理解以及多步骤业务流程执行等复杂专业任务上，相比GPT-6 Sol实现显著提升，整体表现几乎可与旗舰级GPT-6 Astra比肩，同时推理成本更低，为企业与开发者提供
OpenAI发布Dots：常驻后台的活泼AI化身
OpenAI发布全新智能体产品Dots，其最大特点是独立于任何特定硬件或界面运行，能在后台持续追踪并推进用户设定的目标，几乎无需人工监督。这款“泡泡般”的虚拟化身，标志着AI正从“需要你主动打开的聊天工具”，走向“常驻后台、自主干活的数字伙
OpenAI推出办公套件，正面叫板微软
OpenAI发布了一整套覆盖文档、表格、演示与协作的办公功能，被外界视为“ChatGPT版Office”。这标志着它与最大投资方微软的关系，正从合作加速滑向正面竞争。办公软件用户规模以十亿计、订阅黏性极强，OpenAI显然想从“卖模型”转向
Anthropic宣称发现类CRISPR系统：科学突破还是公关先行？
AI公司Anthropic宣布发现了一种类似CRISPR的基因编辑系统，引发科学界热议。然而，有专家指出，相关实验仍在排队等待验证，公关宣传却已先行。这一事件折射出AI驱动科学发现的新范式，也引发了关于科研严谨性与商业宣传边界的深刻讨论。
OpenAI智能体入侵澳政府服务器：真相还原
近日，一起OpenAI智能体入侵澳大利亚政府服务器的事件引发广泛关注。Ars Technica披露了事件细节：由于缺乏完整防护措施，该智能体成功访问了系统信息与源代码。这一事件再次将AI自主智能体的安全边界问题推向风口浪尖，也让人们重新审视
深度横评
查看全部 →Qwen3 Max以84.51分居首：2026-09-30 Smoke快测数据简报
2026-09-30 赢政指数 Smoke 快测覆盖 10 个模型，Qwen3 Max 以 84.51 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。
MLCommons代理可靠性框架入围全球监管黑客马拉松
MLCommons金融服务工作组的Agent Reliability Profile成功入围C:>DIR全球“Agentic Regulator”黑客马拉松决赛。该框架旨在解决AI代理在金融领域的授权与监督空白，通过Profile Buil
MLPerf Inference v6.1 基准测试创参与新纪录
MLCommons 发布 MLPerf Inference v6.1 基准测试最新结果，参与机构数量创历史新高。本次更新新增端到端 RAG 和边缘代理推理两项测试，反映 AI 推理部署趋势，同时支持投机解码优化。结果显示，视觉语言模型性能较
WDCD 守约排行
#1
Grok 4
100
#2
GLM-4.6
96.4
#3
Gemini 3.1 Pro
94.9
#4
Claude Opus 4.7
93.3
#5
GPT-o3
93.1
#6
DeepSeek V4 Pro
91.4
#7
Gemini 2.5 Pro
89.1
查看完整守约排行 →
Research Lab
WDCD Run #346: All 11 Models Hold Zero Instruction Decay, Grok 4 Tops Leaderboard at 100 Points
WDCD Run #346 (2026-09-30) recorded 0% average instruction decay across all 11 tested models, with G
3大模型翻译对决：第40周质量评测，deepseek-v4-pro 以 8.7 分领跑
本周共翻译 417 篇文章，覆盖 3 个AI模型。经抽样盲评，deepseek-v4-pro 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 #336: Average Instruction Decay Hits -36.4% as Gemini 3.1 Pro Holds Zero Decay
WDCD Run #336 (2026-09-23) benchmarked 11 models on multi-turn commitment, recording an average inst