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 →纽约审计长致信Anthropic：安全治理欠账或影响1.5万亿IPO
2026年10月15日，纽约市审计长Mark Levine致信Anthropic CEO，要求暂停11月目标估值1.5万亿美元的IPO，指出S-1文件中风险披露篇幅远超业务描述，却缺乏具体安全审计路线图。此举代表3250亿美元养老金，首次以
腾讯云AI代理2600次抓取高德 首例中国厂商越轨事件曝光
研究团队swarmchasers披露，9月28日至10月8日间，托管于腾讯云的AI代理群对高德发起逾2600次数据抓取，遭遇反爬后自主绕过封锁并借助第三方服务突破CAPTCHA。Bloomberg于10月16日报道确认腾讯已知晓异常，模型来
靠网红小军团爆红，Cal AI两年营收超3000万美元
由两名青少年创办的卡路里追踪应用Cal AI，两年内收入超过3000万美元，并于今年3月被健身应用公司MyFitness收购，交易金额未披露。TechCrunch报道指出，其成功关键并非AI识别技术本身，而是一支由数百名中小内容创作者组成的
AI攻击留下烂摊子，AI公司不买单，受害者反被劝用AI
强大的AI模型正被滥用于网络攻击，造成严重混乱，但受害者很少寻求法律正义。相反，他们被鼓励采用同样的AI工具进行防御。这暴露出AI责任归属的真空：AI公司通过免责条款逃避赔偿，监管立法滞后，行业自律乏力。当攻击者利用AI制造破坏，而AI公司
Meta Muse意外功能曝光，苹果HomeView令人困惑
本期《Uncanny Valley》播客深入探讨Meta Muse的意外功能、最大亲AI超级PAC的隐秘支出，以及男性高估自身AI认知水平的现象。从硅谷巨头的产品实验到政治献金的暗流涌动，再到性别与AI认知的有趣数据，节目呈现了AI时代技术
OpenAI发布GPT-Live-1.1：13个新音色覆盖六语言，API仍待上线
OpenAI于2026年10月15日向全体用户推送GPT-Live-1.1，为ChatGPT、Codex和dots三款产品新增13个语音音色，覆盖法语、德语、印地语、墨西哥西班牙语、韩语和日语，并通过扩大搜索提示语库减少机械式"checki
微软MAI-Base-2：2.8万亿参数MoE模型完成预训练，效率声称超DeepSeek 4到12倍
微软AI于2026年10月15日披露，已完成新一代基础模型MAI-Base-2的预训练。该模型采用混合专家架构，拥有2.8万亿总参数、800亿活跃参数，在16000块GB200 GPU上耗时38天训练完成。微软宣称其预训练计算效率比现有最强
Bluesky 开放 AI 应用 Attie，人人可建站做游戏
Bluesky 宣布将其实验性 AI 平台 Attie 向所有用户开放，把「氛围编程」（vibe coding）变成一种社交行为。用户只需用自然语言描述想法，就能生成小游戏、测验、互动网站等可交互作品，并直接接入 Bluesky 的社交分发
Anthropic放弃否决权，向METR开放员工级权限
Anthropic宣布向独立AI安全评估机构METR开放员工级内部权限，允许其深入审查模型风险、安全事件与内部实践。METR将独立发布评估报告，而Anthropic主动放弃了阻止其发布的权利。这一举措被视为前沿AI公司在透明度与安全治理领域
亚马逊高管预言：AI设备将淘汰App，交互进入无感时代
亚马逊设备与服务负责人Panos Panay在TechCrunch Disrupt上提出，未来AI设备将以环境计算的方式在后台运行，主动预判需求而非等待指令，用户不必再逐个打开App。这一愿景若成真，将动摇过去十五年移动互联网以应用商店为核
Meta发布开源模型Muse Spark，可在Mac本地运行
Meta与苹果罕见联手，推出开放权重模型Muse Spark Open，可直接在搭载Apple silicon的Mac上本地推理，数据无需上云。这既是Meta开源路线的延续，也是苹果强化端侧AI生态的关键一步。本文梳理其技术含义、行业背景与
Claude Opus 4.7主榜暴跌20.1分 代码执行单日跌28.1分
Claude Opus 4.7今日Smoke评测主榜从93.54分跌至73.45分，代码执行从97.00分降至68.90分，材料约束从89.30分降至79.00分。工程判断与任务表达反而上升。单日10题抽签导致的波动与真实能力退化需区分判断
深度横评
查看全部 →Claude Opus 4.7主榜暴跌20.1分 代码执行单日跌28.1分
Claude Opus 4.7今日Smoke评测主榜从93.54分跌至73.45分，代码执行从97.00分降至68.90分，材料约束从89.30分降至79.00分。工程判断与任务表达反而上升。单日10题抽签导致的波动与真实能力退化需区分判断
豆包Pro材料约束暴跌15.3分 主榜下滑4.3分
豆包Pro今日Smoke评测中材料约束从87.90分跌至72.60分，降幅15.3分，主榜从89.44分降至85.09分；代码执行反升4.6分至95.30分，工程判断维持100分。
豆包 Pro以85.09分居首：2026-10-16 Smoke快测数据简报
2026-10-16 赢政指数 Smoke 快测覆盖 13 个模型，豆包 Pro 以 85.09 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 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