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 89.3
▼1.3
·
#2
DeepSeek V4 Pro 88.8
▼3.5
·
#3
Grok 4 85
▼4.9
·
#4
GPT-o3 83.4
▼7.1
·
#5
Claude Sonnet 4.6 83
▲1.2
·
#6
Gemini 3.1 Pro 82.5
▲5.3
·
#7
豆包 Pro 81.6
▼6.5
·
#8
Qwen3 Max 81
▼6.8
·
#9
Gemini 2.5 Pro 77.9
▼4.3
·
#10
文心一言 4.5 73.2
▼8.1
·
#11
GPT-5.5 72.9
▼15.4
·
&triangleup; Gemini 3.1 Pro +8.8 · ▿ GPT-5.5 -30.2
·
#1
Claude Opus 4.7 89.3
▼1.3
·
#2
DeepSeek V4 Pro 88.8
▼3.5
·
#3
Grok 4 85
▼4.9
·
#4
GPT-o3 83.4
▼7.1
·
#5
Claude Sonnet 4.6 83
▲1.2
·
#6
Gemini 3.1 Pro 82.5
▲5.3
·
#7
豆包 Pro 81.6
▼6.5
·
#8
Qwen3 Max 81
▼6.8
·
#9
Gemini 2.5 Pro 77.9
▼4.3
·
#10
文心一言 4.5 73.2
▼8.1
·
#11
GPT-5.5 72.9
▼15.4
·
&triangleup; Gemini 3.1 Pro +8.8 · ▿ GPT-5.5 -30.2
·
最新资讯
查看全部 →微软推进AI部署公司承诺 思科启动大规模企业AI代理应用
每周AI摘要显示，微软对专用AI部署公司作出重大承诺，与思科在企业内部推进AI代理部署形成呼应，共同指向企业AI规模化应用浪潮。文章基于公开摘要信息，分析两家科技巨头的举措如何推动企业技术转型与工作效率提升，强调行业正进入实际落地阶段。
英国金融监管警告：AI应用引发监管“军备竞赛”
英国金融行为监管局（FCA）高级官员近日发出警告，随着数百万消费者使用人工智能技术进行个人财务决策，监管机构正面临一场“军备竞赛”，需要获得更大权力以有效监控和应对AI带来的系统性风险。AI在金融顾问、信贷审批等领域的普及，虽提升了效率，但
微软再裁近5000人：Xbox与商业销售成重灾区，AI取代岗位担忧加剧
当地时间7月6日，微软宣布裁减约4800个岗位，占全球员工总数的2.1%。此次裁员主要影响Xbox游戏部门和商业销售团队，是微软近一年来系列裁员的最新动作，再度引发业界对AI替代人工岗位的广泛担忧。
中国AI模型GLM-5.2引发中美竞争讨论
Z.ai发布的GLM-5.2模型性能接近Anthropic和OpenAI前沿模型，成为中美人工智能竞赛是否进入新阶段的讨论焦点。文章基于公开信息梳理该模型在追赶策略中的定位，指出“快速跟随”路径的实际效果仍需更多验证，避免将未确认的追赶结论
韩国芯片工程师成婚恋新宠，眼科移植技术突破
在韩国，半导体行业的繁荣让芯片工程师成为婚恋市场上的“顶流”。35岁的SK海力士经理Baek加入婚介所一年后，已成为最受欢迎的人选。与此同时，眼科移植技术正迎来革命性进展，从角膜到全眼球的移植研究让失明复明不再是幻想。本文编译自MIT Te
Station F加码AI加速器，助力欧洲AI新星腾飞
由法国亿万富翁Xavier Niel创立的巴黎创业中心Station F，正紧锣密鼓筹备新一期F/ai加速器项目，旨在巩固其作为欧洲顶级AI初创公司孵化平台的地位。该项目为早期AI企业提供资金、专家指导及产业对接，已成功培育多家明星公司。此
中国AI伴侣监管新规：北京的真实目标
AI伴侣看似反乌托邦，却已成为生成式AI风险讨论的核心话题。它指代能够与用户建立持续个人关系的对话代理，具备记忆和稳定人格。中国正出台相关规则，旨在规范技术应用，保护用户权益，同时警惕潜在的社会伦理与隐私风险。这一举措不仅影响国内AI产业发
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。
阿里巴巴禁用Claude Code后指控后门 Anthropic辩称防蒸馏
阿里巴巴2025年7月10日起全面禁止员工使用Claude Code，改用自研Qoder。此前发现该工具自3月起内置代码检测中国用户及VPN。Anthropic称此举为防止模型蒸馏盗版，阿里巴巴则指其为间谍软件。双方互控数据盗取，事件凸显跨
Meta承包商伪装未成年人向竞品发送4.5万有害提示测试安全护栏
Meta通过承包商Covalen实施代号Cannes的项目，2025年8月单轮测试中向ChatGPT、Gemini和Character.AI发送超过4.5万条提示，内容涉及自杀、自残、饮食障碍和性话题。承包商需创建未成年人虚拟账户并记录响应
豆包 Pro以83.91分居首：2026-07-06 Smoke快测数据简报
2026-07-06 赢政指数 Smoke 快测覆盖 11 个模型，豆包 Pro 以 83.91 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。
亚马逊Mechanical Turk停止接纳新用户
亚马逊宣布，将不再接受Mechanical Turk平台的新客户注册，标志着这一曾被广泛用于数据标注和AI训练的众包平台可能迎来终结。该决定引发了关于替代方案、伦理争议以及AI行业未来数据获取方式的讨论。现有客户仍可使用，但平台活力预计将逐
深度横评
查看全部 →豆包 Pro以83.91分居首：2026-07-06 Smoke快测数据简报
2026-07-06 赢政指数 Smoke 快测覆盖 11 个模型，豆包 Pro 以 83.91 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 25 分 代码执行 88.7 分 诚信探针归零
GLM-4.6 在 2026-07-05 Run#214 Smoke 快测中主榜 60.04 分，代码执行 88.70 分、材料约束 25.00 分，诚信评级 fail（探针 0.00）。该模型在 42 个金丝雀探针中全部触发，显示其将虚构
豆包 Pro 与 Gemini 3.1 Pro并列88.54分：2026-07-05 Smoke快测数据简报
2026-07-05 赢政指数 Smoke 快测覆盖 11 个模型，豆包 Pro 与 Gemini 3.1 Pro 以 88.54 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
Grok 4
91.2
#2
Gemini 3.1 Pro
79.1
#3
GPT-o3
76.6
#4
Claude Opus 4.7
72.2
#5
GLM-4.6
71.8
#6
Claude Sonnet 4.6
70
#7
DeepSeek V4 Pro
67.8
查看完整守约排行 →
Research Lab
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。
WDCD Run #211: Grok 4 Leads with Just -13% Instruction Decay as GPT-o3 Collapses at -75%
WDCD Run #211 (2026-07-03) benchmarked 11 models on multi-turn commitment integrity, with Grok 4 tak
WDCD Run #207: Average Instruction Decay Hits -66.3% Across 11 Models, Grok 4 Leads Field
WDCD Run #207 (2026-07-01) measured multi-turn commitment across 11 frontier models, recording an av