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
Grok 4 86.4
▲6
·
#2
GPT-6 Luna 83.9
▲4.5
·
#3
GPT-6.1 Sol 83.3
▲4.7
·
#4
Claude Sonnet 4.6 82.7
▲2.6
·
#5
豆包 Pro 82
▲5.3
·
#6
GPT-6 Sol 81.5
▼0.7
·
#7
Claude Opus 4.7 81.3
·
#8
GPT-6 Astra 80.6
·
#9
GPT-5.5 80.2
·
#10
GPT-o3 77.6
▼3
·
#11
DeepSeek V4 Pro 77.1
▲0.7
·
#12
Gemini 3.1 Pro 74
·
#13
Gemini 2.5 Pro 69.8
▼2.4
·
#14
GLM-4.6 39.3
▼19.5
·
&triangleup; GLM-4.6 +45.8 · ▿ Qwen3 Max -77.4
·
#1
Grok 4 86.4
▲6
·
#2
GPT-6 Luna 83.9
▲4.5
·
#3
GPT-6.1 Sol 83.3
▲4.7
·
#4
Claude Sonnet 4.6 82.7
▲2.6
·
#5
豆包 Pro 82
▲5.3
·
#6
GPT-6 Sol 81.5
▼0.7
·
#7
Claude Opus 4.7 81.3
·
#8
GPT-6 Astra 80.6
·
#9
GPT-5.5 80.2
·
#10
GPT-o3 77.6
▼3
·
#11
DeepSeek V4 Pro 77.1
▲0.7
·
#12
Gemini 3.1 Pro 74
·
#13
Gemini 2.5 Pro 69.8
▼2.4
·
#14
GLM-4.6 39.3
▼19.5
·
&triangleup; GLM-4.6 +45.8 · ▿ Qwen3 Max -77.4
·
最新资讯
查看全部 →AI代理删除瑞典真人秀整季素材 TV4节目延播至2027年
瑞典制作公司Mastiff在《The Challenge Sverige》播出前将AI代理接入编辑服务器，导致已剪辑完成的整季内容被删除，数百天工作成果报废，TV4将节目首播推迟至2027年。此事件凸显AI代理在生产环境中操作文件时的潜在风
Gudea用AI预测舆情风暴：在危机爆发前按下暂停键
每天，全球社交媒体与网站上都在发生无数对话，一条看似微不足道的帖子——无论是AI生成的虚假信息、仇恨言论还是破坏性谣言——都可能迅速演变为一场公共争议。TechCrunch报道的初创公司Gudea自称“互联网的风暴追踪器”，通过追踪故事与谣
Epic 新启动器号称比 Steam 更快，由 AI 氛围编程打造
Epic Games 发布彻底重写的 Epic Games Launcher 预览版，宣称启动速度超越 Steam。这款客户端大量借助 AI「氛围编程」生成代码，被视为游戏行业拥抱 AI 开发工具的重要信号。不过 Epic 也坦承预览版仍有
Flock CEO称麦克风只测枪声，官网说法却不一致
Flock Safety首席执行官公开表示，公司设备上的麦克风“只用来检测枪声”，但公司官网对同一功能的描述明显更为宽泛。这一说法落差出现在Flock正遭受ACLU等隐私倡导者和公众日益严格审视之际。本文梳理Flock的业务版图、音频采集带
谷歌发布Gemini 4 Argon：定价仅对手五分之一，Vals Index夺冠但胜差不足2%
谷歌于2026年10月13日正式发布Gemini 4 Argon，定位企业级复杂任务旗舰。发布价$2/$10每百万tokens，不及GPT-6和Claude Fable定价的五分之一；在Vals Index行业基准中以68.90%排名第一，
AI攻克数学后，正瞄准整个科学界
WIRED报道，MIT研究人员称AI可能很快成为经济学、高能物理等领域理论问题的默认求解方式。继在数学定理证明和猜想发现中取得突破后，AI正把触角伸向更广阔的科学。科研流程或转向AI生成假设、人类判断价值、实验验证结论的人机协作模式，但可验
YouTube Music推出AI歌曲标签，应对AI音乐泛滥
YouTube Music 宣布在播放器页面推出全新 AI 内容标识，用于标注完全由人工智能生成、或仅在作曲、人声等部分环节借助 AI 完成的歌曲。在 AI 音乐上传量激增、版税分配争议加剧的背景下，这一标签被视为平台在透明度与版权难题之间
Gemini 2.5 Pro以95.91分居首：2026-10-15 Smoke快测数据简报
2026-10-15 赢政指数 Smoke 快测覆盖 13 个模型，Gemini 2.5 Pro 以 95.91 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。
TechCrunch Disrupt 2026门票五折，最后两天AI盛会不容错过
TechCrunch Disrupt 2026大会将于10月14日至15日在旧金山Moscone West举行最后两天的活动，现在注册可享五折优惠。本次大会聚焦物理AI与软件AI，汇聚全球创业生态。这是与行业领袖、投资人及创新者面对面交流的
厕纸藏录音笔：OpenAI绝密会议室窃密案震动硅谷
FBI指控一名OpenAI工程师在绝密会议室的一卷卫生纸中藏匿录音设备，涉嫌为外国势力从事间谍活动，最高可判5年监禁并罚款25万美元。案件将AI实验室的物理安保漏洞与商业间谍风险推到聚光灯下，也让外界重新审视：当模型权重与训练路线成为国家级
AI设计出"蛋白质剪刀"：切断可稳定数百年的化学键
人工智能正在从"看懂蛋白质"走向"重写蛋白质"。最新研究显示，科研人员利用AI设计工具从头创造出能够切割其他蛋白质的蛋白酶，它们攻击的正是生命体内最牢固的化学键之一——肽键。这种键在自然条件下可稳定存在数百年，此前几乎只能靠天然酶来打断。这
AI卧底：故意被骗，只为收集诈骗情报
当大多数公司用AI代理来加快产品交付与工作流时，Apate.ai却把它们派去「上当受骗」。这些卧底代理主动与诈骗分子周旋，在被骗的过程中记录话术、账户、支付通道与基础设施线索，再把情报回流给银行、电信运营商与执法机构。本文拆解这套「以骗制骗
深度横评
查看全部 →Gemini 2.5 Pro以95.91分居首：2026-10-15 Smoke快测数据简报
2026-10-15 赢政指数 Smoke 快测覆盖 13 个模型，Gemini 2.5 Pro 以 95.91 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。
WDCD v3.1周期：豆包Pro跌22.8 GPT-5.5升11.8 守约分化加剧
本期WDCD v3.1中6模型上升2模型下降，豆包Pro下跌22.8分最剧烈，GPT-5.5上升11.8分至92.60，DeepSeek V4 Pro上升9分进入Top4。GLM-4.6保持100分领先，显示守约能力在多轮施压下的显著分化。
WDCD五场景横评：数据边界1.7分垫底，安全合规成最大短板
WDCD v3.1试点数据显示，数据边界场景最低分仅1.7分（qwen3-max），安全合规场景垫底1.8分（doubao-pro），两者区分度最高。Claude与多款GPT模型在数据边界显著偏科，deepseek-v4-pro在业务规则与
WDCD 守约排行
#1
GLM-4.6
100
#2
Grok 4
97.5
#3
Gemini 3.1 Pro
95.2
#4
DeepSeek V4 Pro
94
#5
GPT-5.5
92.6
#6
GPT-o3
92
#7
GPT-6 Sol
91.8
查看完整守约排行 →
Research Lab
WDCD Run #379: GLM-4.6 Leads with Perfect Score as Average Instruction Decay Hits -53.3%
WDCD Run #379 (2026-10-14) tested 15 models for multi-turn commitment integrity, recording an averag
4大模型翻译对决：第42周质量评测，gpt-o3 以 8.7 分领跑
本周共翻译 376 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 #365: Average Instruction Decay Hits -53.3%, GLM-4.6 Leads 15-Model Field
WDCD Run #365 (2026-10-07) measured multi-turn commitment across 15 AI models and recorded an averag