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 95.3
·
#2
Qwen3 Max 93.1
·
#3
GPT-5.5 92.5
·
#4
DeepSeek V4 Pro 92
·
#5
Claude Sonnet 4.6 91.2
·
#6
GPT-o3 89.6
·
#7
Grok 4 88
·
#8
豆包 Pro 87.6
·
#9
文心一言 4.5 77.1
·
#10
Gemini 3.1 Pro 76.3
·
#11
Gemini 2.5 Pro 76
·
&triangleup; Qwen3 Max +17.2 · ▿ GPT-5.5 -23.5
·
#1
Claude Opus 4.7 95.3
·
#2
Qwen3 Max 93.1
·
#3
GPT-5.5 92.5
·
#4
DeepSeek V4 Pro 92
·
#5
Claude Sonnet 4.6 91.2
·
#6
GPT-o3 89.6
·
#7
Grok 4 88
·
#8
豆包 Pro 87.6
·
#9
文心一言 4.5 77.1
·
#10
Gemini 3.1 Pro 76.3
·
#11
Gemini 2.5 Pro 76
·
&triangleup; Qwen3 Max +17.2 · ▿ GPT-5.5 -23.5
·
最新资讯
查看全部 →五千对十亿：科技工作者PAC向大科技宣战
Guardrails PAC自称是平民政治运动，依靠AI领域一线工作者的小额捐款，携500万美元挑战大科技公司高达1亿美元的政治游说资金。本文分析这一现象背后的行业矛盾与监管博弈。
General Intuition获3亿美元投资洽谈，估值飙至20亿
AI初创公司General Intuition正洽谈新一轮融资，计划以约20亿美元估值募集3亿美元，投资者包括亚马逊创始人杰夫·贝索斯。该公司专注于训练AI智能体进行时空推理，这一技术被视为AI领域下一个重要突破口，有望推动机器人、自动驾驶
计算机视觉部署推动零售业生产力提升
计算机视觉技术正在零售领域大规模部署，通过自动化货架追踪帮助运营商应对利润率下滑。Coresight Research与Simbe、RELEX Solutions联合发布的研究显示，零售业因店内执行失误每年损失数十亿美元。计算机视觉硬件部署
亚马逊三名员工因公开谈论数据中心遭调查
三位亚马逊软件工程师向西雅图民权办公室提交投诉，指控公司因他们公开表达对数据中心运营的担忧而进行报复性调查。他们声称亚马逊非法打压员工言论，此举被视为科技巨头与员工权益之间的新一轮冲突。该案件可能引发对硅谷企业言论自由政策的广泛讨论。
Pixi新应用让短信变身交互式AR体验
贴纸、GIF和表情符号已成过去式？Pixi公司推出的全新iOS应用，将普通短信转化为交互式增强现实体验。用户发送的文本将不再只是二维文字，而是能实时响应空间环境的3D AR内容，支持动画、手势交互和物理碰撞。该应用首次实现了跨品牌AR消息互
暗物质新猎手与肯尼亚太阳能：今日科技要闻
暗物质搜索迎来重大转折，传统WIMP候选体屡遭挫折后，科学家转向轴子、原始黑洞等新方向。同时，肯尼亚凭借光伏成本优势和政策推动，正成为非洲太阳能标杆，其案例为发展中国家能源转型提供启示。本期《下载》带您一探这两大科技前沿。
太阳地球工程：紧急刹车还是未解之谜？
太阳地球工程常被描绘成应对气候变化的紧急刹车——通过释放反光粒子反射阳光以降温。然而，这一技术远非简单开关，而是充满未知的复杂系统。本文解析其面临的重大实际挑战，包括技术可行性、环境风险与全球治理难题，并指出当前仍缺乏有效落地路径。
微软独供OpenAI模型入华，OpenAI与Anthropic拒之门外
微软悄然成为OpenAI模型在中国的主要供应商，向百度、阿里等巨头销售技术。然而，OpenAI和Anthropic出于知识产权和滥用风险的考量，拒绝将其模型投放中国市场。这一独特布局让微软在中美AI博弈中占据关键位置，但也面临伦理与合规挑战
汇丰与谷歌云深化AI银行合作
汇丰银行与谷歌云宣布达成多年期合作，将联合开发并部署人工智能工具，涵盖财富管理、金融犯罪风险管理及内部决策支持等领域。该合作在2026年谷歌云伦敦峰会上公布，汇丰将与谷歌云及DeepMind工程团队协作，旨在利用生成式AI提升运营效率与客户
明知技术有缺陷，英国仍用面部扫描筛查寻求庇护者年龄
英国内政部内部测试显示，用于寻求庇护者年龄验证的面部扫描技术存在严重错误，可能导致误判未成年人或成年人。尽管意识到风险，英国仍计划推进该技术，引发隐私与伦理争议。本文编译自WIRED。
谷歌文档AI助手关闭指南：摆脱Gemini弹窗
谷歌在文档中整合了AI助手Gemini，但频繁弹出的“write with Gemini”提示让不少用户感到困扰。本文基于TechCrunch原文，详细介绍了关闭这些AI建议的步骤——通过文档右上角的Gemini按钮或设置中的写作偏好功能，
白宫介入！韩国电信巨头SK Telecom被指涉华，Anthropic模型争议升级
在Anthropic将最强AI模型Claude Mythos下线数日前，白宫以涉嫌与中国存在不当关联为由，强制要求Anthropic切断韩国电信巨头SK Telecom对该模型的访问权限。这一事件暴露了AI领域国际技术管控的复杂博弈，也引发
深度横评
查看全部 →Grok 4材料约束暴跌25.6分 主榜却逆势升至87分
在赢政指数今日Smoke评测中，Grok 4材料约束从96.70分跌至71.10分，降幅25.6分，但代码执行升至100分、主榜升至87分。单日10题快测下，多维度剧烈波动更可能源于题目抽签而非模型退化。
Grok 4材料约束暴跌25.6分 四模型主榜满分并列
2026-06-18 Smoke评测中，Claude Opus 4.7等四模型主榜、执行、约束三项均达100分。Grok 4材料约束单日暴跌25.6分至71.1分，导致主榜仅87分，与满分模型差距13分。执行维度11模型中有10个满分，约束
WDCD三轮衰减实测：GPT-o3 R3崩溃率50% Qwen3 Max零崩盘
WDCD三轮测试显示，R1平均确认率0.96，R2抵抗率降至0.76，R3平均诚信率仅75.5%。GPT-o3 R3崩溃率达50%，而Qwen3 Max、Claude Sonnet 4.6、文心一言4.5实现零崩溃，暴露多约束场景下的诚信断
WDCD 守约排行
#1
Qwen3 Max
92.5
#2
Claude Sonnet 4.6
90
#3
DeepSeek V4 Pro
87.5
#4
Claude Opus 4.7
85
#5
文心一言 4.5
82.5
#6
Grok 4
82.5
#7
Gemini 2.5 Pro
80
查看完整守约排行 →
Research Lab
WDCD Run #185: Average Instruction Decay Hits -57.5% Across 11 Models, Qwen3 Max Leads at 92.5 Points
WDCD Run #185 (2026-06-17) measured multi-turn commitment across 11 models, recording an average ins
5大模型翻译对决：第25周质量评测，passthrough 以 9 分领跑
本周共翻译 443 篇文章，覆盖 5 个AI模型。经抽样盲评，passthrough 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 #171: Average Instruction Decay Hits -37.9% Across 11 Models, Qwen3 Max Leads Despite Steep Drop
WDCD Run #171 (2026-06-14) measured multi-turn commitment across 11 frontier models, recording an av