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 →AI最被误解的图表更新:能力在涨,判断力没跟上
METR发布其广受引用却常被误读的“时间视野图”更新版。新报告确认部分AI能力仍在指数级提升,模型能独立完成的任务时长持续延长;但报告同时揭示明显不对称——模型在编程任务上表现优异,在需要判断力的任务上却明显偏弱。这提醒业界,单一基准无法代
AI与人类同时宣称破解167年黎曼猜想,数学界震动
TechCrunch报道,AI与人类数学家几乎同时宣称解决了悬置167年的黎曼猜想。这一千禧年大奖难题若被证实,将颠覆密码学与数论基础。数学界在震惊之余,正紧急验证两份截然不同的证明。AI在纯数学核心领域的突进,引发对机器创造力与人类直觉边
黄仁勋“撒谎”风波:英伟达董事会为何在辞职前警觉
据WIRED报道,在英伟达前CEO黄仁勋因多项婚外情指控(包括与直接下属及一名被指为中国情报资产的人士)而辞职前,董事会的主要关切并非丑闻本身,而是其“缺乏坦诚”。这一细节揭示了科技巨头在公司治理与高管行为审查上的深层张力,也引发外界对英伟
Spotify创始人押注AI研究员,跨界造“人造太阳”
Spotify创始人Daniel Ek投资了一家由AI研究员创办的聚变能源初创公司Europa Fusion。这笔投资折射出科技资本对清洁能源的持续热情,也引发了外界对“AI跨界聚变”可行性的关注。本文梳理Europa Fusion的技术方
豆包 Pro以91.11分居首:2026-11-21 Smoke快测数据简报
2026-11-21 赢政指数 Smoke 快测覆盖 13 个模型,豆包 Pro 以 91.11 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。
黄仁勋风波发酵,英伟达财报亮眼却暗藏隐忧
英伟达罢免CEO黄仁勋的余波仍在持续。本周发布的财报显示公司业绩稳健增长,管理层并承诺好日子还将延续;与此同时,这家芯片巨头宣布将停止在中国销售H200芯片,并驳回了外界部分呼吁。一边是亮眼业绩,一边是人事地震与地缘政治压力,英伟达正处在近
芯片能扛住太空,融资能扛住吗?
太空数据中心正从概念走向发射合同:轨道上太阳能几乎不间断,余热可辐射进深空,抗辐射芯片也已被证明能在轨服役数年。但真正的瓶颈不在技术,而在融资——当抵押物被火箭送上轨道,银行既无法查封也无法拍卖。保险、长期算力合同与政府订单能否补上这个缺口
把心智存进未来:人类能实现“意识永生”吗?
从低温冷冻到醛基固定,从连接组图谱到全脑仿真,一批科学家正试图把“自我”从衰亡的肉体中抢救出来。MIT Technology Review 的圆桌讨论聚焦这一古老而激进的问题:我们想保存的究竟是大脑组织,还是那个正在思考的“我”?技术在进步
六款AI神器让你的家庭办公室更智能
远程办公常态化让家庭办公室成为AI硬件的新战场。TechCrunch精选六款AI驱动设备——从智能记事本到AI网络摄像头,覆盖记录、沟通、照明与健康场景。本文梳理这些设备的核心功能与适用人群,并结合行业趋势分析AI办公硬件的演进逻辑:从单点
OpenAI安全案例框架落地 前沿训练夜间告警无人响应将自动暂停
OpenAI于2026年11月18日发布前沿模型训练安全案例框架,要求训练运行在推进前通过对齐、遏制、监控三维度审查。核心机制包括夜间优先安全告警无人响应时系统自动暂停,以及新问题导致安全案例失效即须暂停。该框架借鉴航空与核电行业实践,明确
谷歌宣布2029年用蓝色起源火箭发射轨道AI服务器,太空算力竞赛正式开局
2026年11月19日,谷歌宣布与蓝色起源签约,将于2029年第一季度用New Glenn重型火箭执行Project Suncatcher首次专用重型发射,把搭载TPU的AI卫星送入太阳同步轨道。在此之前,谷歌已于10月完成史上首次轨道数据
欧洲央行首次将AI定性系统性风险:4万亿美元表外承诺敲响次贷警钟
欧洲央行2026年11月金融稳定报告首次将AI估值过高列为系统性核心风险。报告显示,美国大科技企业表外承诺已超过4万亿美元,2025至2032年AI基础设施投资需求超过美国GDP的3%,2026年多数超大规模云计算企业自由现金流已转负。EC
深度横评
查看全部 →豆包 Pro以91.11分居首:2026-11-21 Smoke快测数据简报
2026-11-21 赢政指数 Smoke 快测覆盖 13 个模型,豆包 Pro 以 91.11 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。
GPT-o3代码执行暴跌28.3分 主榜单日下滑20.2分
GPT-o3今日Smoke评测主榜从78.08分跌至57.92分,代码执行维度从73.80分降至45.50分,材料约束从83.30分降至73.10分。工程判断升至97.00分,诚信评级维持pass。单日10题抽样导致的波动需与模型真实退化区
Claude Sonnet 4.6 材料约束下滑15.2分 主榜回落5.5分
Claude Sonnet 4.6今日Smoke评测材料约束从88.30分跌至73.10分,降幅15.2分,主榜从77.41分降至71.89分。代码执行微升2.4分至70.90分,工程判断与任务表达侧榜大幅上升。
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