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 →Anthropic CEO敲响纳斯达克:AI发展不能只踩油门
在纳斯达克开市钟仪式上,Anthropic首席执行官达里奥·阿莫代重申公司对“控制AI发展节奏”的承诺,强调无论面临商业诱惑还是政治压力,都不会为抢先发布而牺牲安全评估。这一表态出现在前沿模型竞赛白热化、华盛顿监管博弈升温的节点上,被解读为
Anthropic纳斯达克首秀大涨33%,AI资本盛宴再掀高潮
11月20日,AI明星公司Anthropic正式登陆纳斯达克,首日交易价达111美元,较83美元的IPO发行价大涨33%。此次IPO募资规模超过800亿美元,成为AI领域迄今规模最大的公开上市事件之一。首日强劲表现不仅彰显资本市场对头部AI
谷歌造了个“平行互联网”,专训Chrome AI代理
为了让AI浏览代理在真实网页上替用户办事,谷歌Chrome团队搭建了一个与真实互联网平行的“镜像维度”沙盒。在这个替代宇宙里,代理可以尽情犯错、暴露失控风险,而不会波及真实用户。这既是浏览器AI竞赛的基础设施,也折射出AI代理安全测试的行业
前阿里高管Everful融资4850万美元,直连中国工厂
前阿里巴巴高管创立的跨境电商采购平台Everful宣布完成4850万美元融资,用于扩展其工厂直采平台,帮助全球零售商绕过中间商,直接从中国等海外制造商处采购商品。本轮资金将投入平台技术升级、供应链网络拓展及市场推广。在SHEIN、Temu等
Meta AI代理Muse被曝对话串台、泄露他人隐私
TechCrunch报道称,Meta的AI代理Muse在内部使用中出现严重“串台”问题:员工称Muse会推送他们从未发出的育儿请求、从未咨询过的职业建议、从未下过的订单,甚至显示不属于他们的银行账户余额。这一事件暴露出AI代理在上下文隔离、
谷歌Gemini登陆Mac:AI代理可代你操作电脑
谷歌为Gemini推出面向Mac的重磅更新,首次将可执行任务的AI代理引入桌面端,能够整理文件、填写表单并完成多步骤工作流。这标志着Gemini从对话助手向“能动手”的操作型智能体进化,也意味着谷歌在桌面AI代理赛道正式与OpenAI、An
Anthropic冲击IPO:AI循环融资的终极大考
Anthropic走向公开市场,意味着它必须背负巨额算力承诺接受投资者审视。这家明星公司的上市,不只关乎自身成败,更被视为检验AI行业“循环融资”模式成色的关键一役——即便Anthropic失去领先,亚马逊、谷歌等基础设施伙伴仍可能继续从A
活体肝脏体外存活七周,器官移植迎来临界点
澳大利亚团队宣称让一颗人类肝脏在体外生命支持系统中存活七周,刷新纪录;同日,一笔十亿美元级电池交易落地,而围绕AI热潮的争论仍在继续。本期《The Download》将三条线索并置:器官保存的时间尺度、储能产业的资本押注,以及技术叙事的真伪
Superhuman把Go助手推向全线产品
Superhuman正在把旗下AI助手Go从单一功能升级为贯穿产品的核心代理,并让它在Docs与Mail中同时可用。这标志着邮件与文档类工具正从“点按钮调用AI”走向“常驻式智能代理”,也意味着生产力软件的竞争焦点,正从功能数量转向上下文与
人体肝脏体外存活七周,器官保存纪录被刷新
澳大利亚悉尼团队称,他们借助体外生命支持系统,让一颗捐赠的人类肝脏存活了整整七周,创下新纪录。这项尚未正式发表的研究,把器官保存的时间尺度从“小时级”推向“周级”,也让器官修复、药物筛选乃至“器官银行”等设想重新变得值得认真对待。
Anthropic千亿IPO背后:AI巨头最大的敌人是它自己
Anthropic以1070亿美元估值启动创纪录IPO,投资者在押注其爆发式增长的同时,也在审视两大隐忧:公司引以为傲的AI安全策略能否持续支撑商业扩张,以及日益高涨的公众对数据中心的反对情绪是否会成为其增长道路上的绊脚石。
微软AI代理框架遭PyPI供应链投毒:55分钟在线,三起云凭据外泄确认
2026年11月17日,微软AI代理框架Python包agent-framework在PyPI遭供应链投毒,攻击者在55分钟内发布两个恶意版本1.26.1和1.26.2,植入凭据窃取器,可在Python每次启动时自动窃取Azure、GitH
深度横评
查看全部 →豆包 Pro 代码执行暴跌26.2分 主榜却仅涨0.03分
今日Smoke评测中,豆包 Pro代码执行从75.00分跌至48.80分,材料约束从67.90分升至100.00分,主榜仅从71.81分微升至71.84分。单日10题抽签导致的波动仍是主因,需持续观察。
GPT-o3材料约束暴跌16.7分 代码执行反涨23.8分主榜却升5.6
今日Smoke评测中GPT-o3材料约束从100.00跌至83.30,代码执行从50.00升至73.80,主榜从72.50升至78.08。单日10题抽样下,材料约束-16.7分与代码执行+23.8分形成明显反差,需分析波动成因与关注必要性。
GPT-6 Sol以80.54分居首:2026-11-19 Smoke快测数据简报
2026-11-19 赢政指数 Smoke 快测覆盖 13 个模型,GPT-6 Sol 以 80.54 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
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