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 →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 average instruction decay
迪士尼2000万美元洽购Character.AI争议技术
据Ars Technica报道，迪士尼已提出以约2000万美元收购Character.AI的聊天机器人技术。这家由前谷歌工程师创立、一度估值数十亿美元的AI陪伴公司，因多起涉及未成年人自杀的诉讼而深陷丑闻。本文梳理这笔“骨折价”交易背后的技
用AI声波驱离动物，Flox守护铁路与机场安全
野生动物闯入铁路、机场与公路，每年造成巨额经济损失与生态伤害。TechCrunch报道的Flox Intelligence给出新解法：部署在基础设施边缘的AI设备实时识别动物种类，再播放针对该物种的声学信号将其驱离。这套“识别+劝离”的组合
OpenAI与Anthropic主动求监管，英国听证会释放什么信号
OpenAI与Anthropic高管罕见现身英国议会听证会，主动呼吁对AI实施更严格监管，与AI安全举报人及国家安全官员同场作证。同日，英国情报首脑在几百米外警告，AI可能被用于制造新型生物武器。这场听证会折射出全球AI监管竞赛中的深层博弈
Claude Opus 4.7 与 DeepSeek V4 Pro 与 GPT-o3并列92.39分：2026-10-14 Smoke快测数据简报
2026-10-14 赢政指数 Smoke 快测覆盖 13 个模型，Claude Opus 4.7 与 DeepSeek V4 Pro 与 GPT-o3 以 92.39 分并列当日首位。Smoke 为每日 10 题快测，适合观察短期信号，不
SpaceX与谷歌都说不，如今他的软件与谷歌同乘一枚火箭
一家先后被SpaceX和谷歌拒之门外的初创公司Satlyt，如今其软件正随SpaceX火箭升空，与谷歌的轨道计算载荷比邻而居。Satlyt想成为轨道计算领域的Android，用可在多厂商卫星上运行的开放软件，对抗SpaceX封闭一体的iPh
谷歌Play开放私有AI应用：自建自用，无需上架
据TechCrunch报道，Google Play现在允许用户构建并运行由AI生成的私有Android应用，无需将其公开上架供所有用户下载。这意味着由“氛围编程”生成的一次性小工具，可以直接在手机上安装使用，而不必走完整的公开审核与分发流程
谷歌要把你的AI生成应用搬上Play商店
谷歌正计划推出一项新机制，帮助用户将那些用AI「氛围编程」生成的个人应用，从手机里的玩具变成Play商店中的正式发布产品。这意味着AI生成应用将获得通往全球数十亿安卓用户的正式通道，同时也引发关于质量审核、应用泛滥与安全风险的讨论。
AI工具成企业新漏洞，Pluto Security融资4200万美元
当企业把AI工具交到每位员工手中，意想不到的用法也随之而来。TechCrunch报道称，安全公司Pluto Security完成4200万美元融资，押注的正是AI普及给企业安全团队带来的全新难题：从影子AI、数据外泄到权限失控，传统防护体系
机器人上路前先被“虐”：“AI红队测试”成自动驾驶新刚需
密歇根大学孵化公司Laplace Intelligence，用AI智能体与交互式仿真为机器人和自动驾驶汽车做“红队测试”，在上路前主动寻找致命失效场景。这家已实现盈利的初创公司正角逐TechCrunch Disrupt的Startup Ba
Facebook上线“你的算法”：用户可自定义信息流
Meta 周二宣布在 Facebook 推出 AI 驱动的“你的算法”功能，允许用户主动影响信息流内容，此前该功能已在 Instagram 上线。这标志着又一家社交巨头把推荐系统的部分控制权交还用户。在监管压力与用户信任双重驱动下，“可调节
Gemini 4 Argon 推送：旗舰模型上付费墙
Google 开始推送下一代旗舰模型 Gemini 4 Argon，Gemini 应用与智能体开发环境 Antigravity 同步获得支持，但仅限付费订阅用户。开发者通过 API 调用可享五折费率，优惠持续至 11 月底。这标志着旗舰模型
深度横评
查看全部 →Claude Opus 4.7 与 DeepSeek V4 Pro 与 GPT-o3并列92.39分：2026-10-14 Smoke快测数据简报
2026-10-14 赢政指数 Smoke 快测覆盖 13 个模型，Claude Opus 4.7 与 DeepSeek V4 Pro 与 GPT-o3 以 92.39 分并列当日首位。Smoke 为每日 10 题快测，适合观察短期信号，不
Gemini 3.1 Pro以82.39分居首：2026-10-13 Smoke快测数据简报
2026-10-13 赢政指数 Smoke 快测覆盖 13 个模型，Gemini 3.1 Pro 以 82.39 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。
DLRMv4：MLPerf推荐训练基准迈入序列化时代
MLPerf拟以DLRMv4填补序列化推荐训练负载空白：新基准用HSTU替代传统特征交互栈，并引入Yambda-5B真实多行为数据集，将嵌入表扩展至约560GB，更贴近超大规模生产推荐系统。
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