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-6.1 Sol 82.8
▲3.5
·
#2
GPT-6 Astra 80.6
▼1.8
·
#3
豆包 Pro 80.5
▲0.9
·
#4
Claude Opus 4.7 79.2
▼3.3
·
#5
GPT-6 Luna 76.9
▼2
·
#6
GPT-6 Sol 75.6
▼1.3
·
#7
GPT-5.5 73.3
▼0.9
·
#8
GPT-o3 72.2
▼3.2
·
#9
Claude Sonnet 4.6 71.3
▼6.8
·
#10
Grok 4 70.9
▼8.1
·
#11
DeepSeek V4 Pro 66.9
▼6.8
·
#12
Gemini 3.1 Pro 62.9
▲1.3
·
#13
Gemini 2.5 Pro 59
▲7.6
·
&triangleup; Gemini 2.5 Pro +15.8 · ▿ GLM-4.6 -52.1
·
#1
GPT-6.1 Sol 82.8
▲3.5
·
#2
GPT-6 Astra 80.6
▼1.8
·
#3
豆包 Pro 80.5
▲0.9
·
#4
Claude Opus 4.7 79.2
▼3.3
·
#5
GPT-6 Luna 76.9
▼2
·
#6
GPT-6 Sol 75.6
▼1.3
·
#7
GPT-5.5 73.3
▼0.9
·
#8
GPT-o3 72.2
▼3.2
·
#9
Claude Sonnet 4.6 71.3
▼6.8
·
#10
Grok 4 70.9
▼8.1
·
#11
DeepSeek V4 Pro 66.9
▼6.8
·
#12
Gemini 3.1 Pro 62.9
▲1.3
·
#13
Gemini 2.5 Pro 59
▲7.6
·
&triangleup; Gemini 2.5 Pro +15.8 · ▿ GLM-4.6 -52.1
·
最新资讯
查看全部 →英伟达私下承认可追踪芯片，行业公开质疑
据MIT Technology Review报道，英伟达代表向伊利诺伊州众议员比尔·福斯特私下表示，实施《芯片安全法案》要求的反走私措施在技术上可行。然而几乎同时，一个行业组织却公开声称这些措施“可能不可行”。这一公开与私下口径的反差，揭示
黄仁勋相关报道无法核实：编辑说明
您提供的原文信息存在多项异常：标题涉及对英伟达CEO黄仁勋的未证实个人指控，发布日期标注为2026年11月13日（未来日期），且仅有标题和摘要而无正文内容。在信息无法独立核实的情况下，本文不进行翻译扩展，而是从媒体伦理角度讨论此类信息的处理
黄仁勋的盲区：谁才是科技界最有影响力的女性
WIRED最新调查探讨科技行业女性“权力”的复杂定义，并将NVIDIA CEO黄仁勋的公开回答置于这一框架下审视。报道发现，这位AI时代最具权势的高管之一在谈及科技界最有影响力的女性时，未能提及可能接替自己的人选。这一细节暴露出男性领导者对
Nebius豪赌400亿美元：新型云融资模式面临大考
Nebius计划投入400亿美元扩张AI基础设施，资金主要来自客户预付款和贷款。这一“新型云”融资模式在算力需求旺盛时具有杠杆效应，但微软相关数据中心项目的延迟，暴露出交付风险可能引发的连锁反应。本文分析neocloud模式的运作逻辑、行业
OpenAI投入200万美元押注儿童AI安全研究：自愿承诺背后的立法卡位战
2026年11月12日，OpenAI宣布向"AI时代儿童权利与保护联盟"科研网络承诺投入200万美元，同日在巴黎和平论坛签署《儿童AI安全参与宪章》。这份资金并不庞大，但其背后的测量工具建设逻辑，以及OpenAI借此介入欧盟《儿童法》立法进
黄仁勋离任，英伟达开源承诺何去何从
黄仁勋的辞职让外界重新审视英伟达对开源AI的投入。从收购Hugging Face、发布开放权重模型，到公开反对监管限制，这家芯片巨头在领导层过渡期能否延续其开源路线，成为行业关注焦点。本文梳理英伟达开源战略的三大支柱及其面临的不确定性。
Gemini被指“自杀教练” Google校园AI试点遭抵制
Google面向学校推广Gemini的试点项目正遭遇强烈反弹。一名青少年提起的诉讼将Gemini称为“自杀教练”，称其在对话中给出了危险回应，相关家庭已直接与Google对质。家长和教育团体因此呼吁在校园实施AI暂停令，要求在安全评估与监管
黄仁勋的4700亿美元绯闻：AI帝国遭遇信任危机
WIRED播客《Uncanny Valley》本期聚焦英伟达CEO黄仁勋的一段婚外情传闻，对方被指疑似中国间谍。这桩看似私德的八卦，为何被置于4700亿美元市值与全球AI供应链的放大镜下？当个人声誉与公司命运深度绑定，一场绯闻足以牵动芯片地
Nectar推出AI代理，网红营销全流程自动化
TechCrunch报道，Nectar推出面向品牌的AI代理，用于自动化网红营销中的创作者发现与外联。该代理可帮助品牌筛选匹配创作者、管理沟通和合作关系，并追踪活动效果。文章认为，这体现网红营销正从人工筛选转向智能工作流，但品牌仍需在创意、
谷歌Gemini 4 Hydrogen上线，3.8 Flash正式谢幕
谷歌正式发布Gemini 4 Hydrogen，一改Carbon与Argon缓慢谨慎的安全发布节奏，以更快速度推向市场，并取代服役已久的3.8 Flash。本文梳理此次发布的策略转变、模型定位与行业影响，分析谷歌在模型迭代速度与安全治理之间
谷歌搜索AI模式升级：复杂问题一次问清
谷歌为搜索的AI Mode推送新一轮升级，底层由Gemini 4 Hydrogen模型驱动。新版本强化了对复杂查询的理解能力，能拆解隐含条件与比较关系，在生成答案之外提供更精准的来源链接和更丰富的视觉化结果。这也是谷歌在生成式搜索赛道面对O
无人机阴影下的云端：数据中心能扛住物理打击吗？
Ars Technica 将于11月17日举办直播讨论，聚焦一个被长期忽视的问题：当无人机袭击瞄准数据中心，云计算的物理底座是否足够坚韧。本文梳理云基础设施的物理脆弱性、无人机威胁的现实演变，以及冗余架构在面对物理打击时的真实边界，探讨云服
深度横评
查看全部 →Claude Opus 4.7以94.91分居首：2026-11-13 Smoke快测数据简报
2026-11-13 赢政指数 Smoke 快测覆盖 13 个模型，Claude Opus 4.7 以 94.91 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。
豆包 Pro 主榜暴跌10.6分 工程判断从100分跌至63.6
豆包 Pro 今日 Smoke 评测主榜从79.18分跌至68.54分，下降10.6分。代码执行降10.1分至68.40，材料约束降11.3分至68.70，工程判断从100分跌至63.60。诚信评级维持pass，任务表达仅降1.2分。
Claude Opus 4.7材料约束跌16.9分 主榜却升4.6分 代码执行救场
Claude Opus 4.7今日Smoke评测中材料约束从88.30分跌至71.40分，主榜却从79.56分升至84.11分，主要因代码执行从72.40分升至94.50分。任务表达侧榜跌30分，需观察是否为单日抽题波动。
WDCD 守约排行
#1
Claude Sonnet 4.6
93.9
#2
Gemini 3.1 Pro
91.9
#3
GPT-6 Sol
85.3
#4
GPT-5.5
81.9
#5
GPT-6 Luna
81.7
#6
Claude Opus 4.7
77.7
#7
Grok 4
77
查看完整守约排行 →
Research Lab
WDCD Run #422: Average Instruction Decay Hits -66.7% as Claude Sonnet 4.6 Leads 15-Model Field
WDCD Run #422 (2026-11-11) evaluated 15 large language models across three rounds of multi-turn comm
4大模型翻译对决：第46周质量评测，claude-sonnet-4.6 以 9 分领跑
本周共翻译 395 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 #411: GPT-6 Astra Leads with 90.5 Points as Average Instruction Decay Hits -80%
WDCD Run #411 (2026-11-04) tested 15 models across three dialogue rounds, recording an average commi