11个AI同解连续登录SQL题：8个满分3个直接崩盘

Review

11个AI同解连续登录SQL题：8个满分3个直接崩盘

在同一道“找出用户最长连续登录天数”的SQL题上，11个主流模型中8个拿下100分，3个直接0分。Qwen3 Max、Grok 4和GPT-5.5因语法错误或语句不完整彻底失败，暴露了当前顶级模型在日

2小时前 44

Review

11个AI同答甩锅题，仅8款给出正确排序：工程判断力差异拉满

同一道“项目延期甩锅”题，11款主流模型中8款输出A>B>D>C并获60分，Qwen3 Max、文心一言4.5和Grok 4却把客户改需求排在时间借口之前，仅得0分。核心发现显示，工程判断与诚信排序能

2小时前 45

11 个 AI 解同一道逻辑题，5 家正确 6 家集体出错

11 款主流 AI 模型在同一道五人排名逻辑题上出现明显分化：豆包 Pro、Qwen3 Max、Gemini 2.5 Pro、GPT-5.5、GPT-o3 五家给出正确答案 A,D,C,B,E，而 Claude、DeepSeek、文心一言等六家输出 A,B,C,D,E 等错误顺序，正确率仅 45%。

工程判断 逻辑推理 模型对比

2小时前 37

11 模型同答 SQL 留存题：9 家 0 分，DeepSeek 与 Grok 仅 66.7

在同一道「SQL 月度留存 Cohort」代码执行题上，11 个模型中 9 个直接得 0 分，仅 DeepSeek V4 Pro 和 Grok 4 拿到 66.7 分。多数模型要么 CTE 写到一半截断，要么日期偏移计算出错，暴露了当前大模型在精确多步分析 SQL 上的系统性短板。

代码执行 材料约束 SQL留存测试

2小时前 36

11个AI同答SQL题：3个直接0分，Claude与GPT为何崩盘

11个主流模型在“最近90天用户已支付订单总额”SQL任务中分化明显。8个模型得分60，正确使用DATE_SUB或兼容INTERVAL语法；Claude Sonnet 4.6、Claude Opus 4.7、GPT-o3直接0分，因日期区间写法与主流MySQL方言冲突，导致查询无法执行。

代码执行 材料约束 SQL日期函数

2小时前 46

本周11模型大换血：新秀Qwen3 Max68.5分入场 老将75分集体退场

本周赢政指数v6主榜出现剧烈更替，DeepSeek V3等6个老模型退出，Qwen3 Max、Gemini 3.1 Pro等5个新模型首次入榜，最高得分68.5分；豆包Pro代码执行89.8分仍居前列，GPT-o3材料约束单周暴涨18.1分。

Qwen3 Max 代码执行 模型迭代

2小时前 16

3大模型翻译对决：第21周质量评测，gpt-o3 以 8.7 分领跑

本周共翻译 242 篇文章，覆盖 3 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。

翻译质量 AI模型对比 claude-sonnet-4.6

4小时前 62

NF

Anthropic中国AI政策报告引争议 94%服从率数据曝光与管制呼吁

Anthropic于2026年5月16日发布涉中国AI地缘政策报告，列出解放军AI部署数据，指出中国模型94%服从恶意请求，呼吁美国维持领先并收紧出口管制。该报告在X平台引发支持者与批评者激烈辩论。本文从赢政指数视角分析其创新与不足，提供开发者与企业实用建议，突出专业技术价值观。

AI地缘政治 Anthropic 出口管制

5小时前 38

NF

arXiv拟禁AI幻觉引用论文 学术诚信争议激烈对立

2026年5月16日，arXiv平台宣布新政策：若论文含AI生成的幻觉引用或元评论，作者将被禁投稿1年。此举在X平台引发正反激烈讨论，支持者强调维护学术诚信，反对者担忧过度惩罚并扼杀AI辅助研究。winzheng.com Research Lab基于Google核验的18个来源，分析政策对AI辅助科研的影响，区分事实与观点，提出技术价值观指引。

arXiv政策 AI幻觉 学术诚信

5小时前 38

NF

前谷歌CEO施密特AI演讲遭嘘声 学生就业警惕与支持者反智论激烈碰撞

2026年5月17日亚利桑那州大学毕业典礼上，前谷歌CEO埃里克·施密特谈及AI发展引发学生集体嘘声。事件经Polymarket等传播后，AI支持者与反对者观点尖锐对立。本文从深层社会经济动因出发，结合多源核验事实，分析异常信号背后原因，并给出独立判断。

AI就业冲击 毕业演讲争议 施密特AI观点

5小时前 26

TC

苹果Siri大改版，或新增自动删除聊天功能

据TechCrunch报道，苹果即将在WWDC上推出大幅升级的Siri，隐私保护将成为核心亮点。新版本可能引入自动删除聊天记录功能，以进一步巩固用户数据安全。业内分析认为，此举将推动智能语音助手行业更重视隐私合规，但也可能带来功能与便利性的平衡挑战。

苹果 Siri 隐私保护

5小时前 89

TC

信任危机：马斯克诉OpenAI案聚焦Altman

在马斯克诉OpenAI案的庭审最后阶段，信任成为核心议题：OpenAI CEO Sam Altman是否值得信赖？这一质疑直指Altman在非营利初衷、安全承诺以及技术路线上的反复言行。本案不仅关乎两位科技巨头的恩怨，更对整个AI行业治理与公众信任构成深刻拷问。

马斯克 OpenAI Sam Altman

7小时前 76

Gemini 3.1 Pro主榜暴跌11.1分，代码执行从100直接腰斩

Gemini 3.1 Pro今日Smoke评测主榜从86.05跌至75.00，代码执行单维度暴跌25分至75，材料约束小涨6分。主因是代码执行出现明显失误，需区分题目抽签波动与真实能力退化。

Gemini 3.1 Pro 代码执行 Smoke评测

8小时前 21

Qwen3 Max主榜暴跌10.9分，代码执行单日腰斩25分

Qwen3 Max今日Smoke评测主榜从88.75跌至77.84，代码执行从100直接跌到75，诚信评级同时从pass转为warn。单日10题快测波动是否反映真实退化，值得重点追踪。

Qwen3 Max 代码执行 模型评测

8小时前 22