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
Claude Opus 4.7 83
▼5.2
·
#2
Grok 4 82.2
▲1.8
·
#3
DeepSeek V4 Pro 80.6
▼1.1
·
#4
GPT-5.5 78.8
·
#5
豆包 Pro 78.2
▲3.9
·
#6
GPT-o3 77.1
▼1.8
·
#7
Claude Sonnet 4.6 74.5
▼5
·
#8
Gemini 3.1 Pro 74.1
▲4.8
·
#9
Gemini 2.5 Pro 72.8
▼3
·
#10
Qwen3 Max 69
▼3.1
·
#11
GLM-4.6 59.8
▼3.6
·
&triangleup; 豆包 Pro +12.4 · ▿ GLM-4.6 -23.8
·
#1
Claude Opus 4.7 83
▼5.2
·
#2
Grok 4 82.2
▲1.8
·
#3
DeepSeek V4 Pro 80.6
▼1.1
·
#4
GPT-5.5 78.8
·
#5
豆包 Pro 78.2
▲3.9
·
#6
GPT-o3 77.1
▼1.8
·
#7
Claude Sonnet 4.6 74.5
▼5
·
#8
Gemini 3.1 Pro 74.1
▲4.8
·
#9
Gemini 2.5 Pro 72.8
▼3
·
#10
Qwen3 Max 69
▼3.1
·
#11
GLM-4.6 59.8
▼3.6
·
&triangleup; 豆包 Pro +12.4 · ▿ GLM-4.6 -23.8
·
最新资讯
查看全部 →Meta高管预测：工程师AI Token预算将受限
Instagram负责人Adam Mosseri认为，企业很快需要像管理工资一样管理AI token支出。他预测工程师未来可能面临AI工具使用预算上限，引发行业对AI成本管控的讨论。这一观点揭示AI规模化应用后的财务新挑战。
谷歌25周年焕新图片搜索：更多AI，更懂你
谷歌为庆祝成立25周年，对图片搜索进行重大改版。新版利用AI技术，根据用户的“独特兴趣”创建不断更新的个性化画廊。这一变革标志着谷歌搜索从通用结果向个性化体验的转变，也引发了关于隐私和数据使用的讨论。
DeepMind CEO呼吁建立独立AI标准机构，仿效FINRA监管前沿模型
DeepMind首席执行官Demis Hassabis提出，应成立一个类似美国金融业监管局（FINRA）的独立标准机构，专门负责测试前沿AI模型并制定发布最佳实践。此举旨在平衡创新与安全，避免重复监管，同时为行业提供统一评估框架。该提议引发
美军首次投入爆炸性无人艇参战
随着中东局势再次升温，美国军方首次在实战中使用爆炸性无人艇，对伊朗海军港口发动了突袭。这一行动标志着无人水面舰艇从实验阶段正式进入实战应用，引发了关于未来海上战争形态的广泛讨论。本文深入分析此次行动的技术细节、战略意义以及潜在影响。
AI竞赛转向：企业偏爱开源模型而非前沿
Hugging Face CEO Clem Delangue在TechCrunch Disrupt 2026上表示，由于成本、可访问性和所有权优势，企业正大规模转向开源AI模型。他提出一个尖锐问题：如果大多数生产级AI最终都在开源模型上运行
Reflection签10亿美元算力大单，押注开源AI未来
开源AI初创公司Reflection AI与算力提供商Nebius达成一项价值10亿美元的云计算协议，旨在为大规模AI模型训练提供算力保障。Reflection成立于2024年，致力于开发完全开源的人工智能技术，此次合作标志着开源阵营在算力
纽约禁止数据中心建设一年，AI行业震荡
纽约州近日通过立法，暂停所有新建数据中心的审批与施工，为期一年。此举被视为美国首个针对AI基础设施的大规模禁令，立即引发科技界强烈反应。支持者称其保护能源与环境，反对者警告将扼杀AI创新。分析认为，这可能成为反AI运动的标志性政策，促使其他
纽约州叫停新建大型数据中心，为AI热潮踩刹车
纽约州成为全美首个暂停大型数据中心审批的州。州长凯西·霍楚明确表示，AI驱动的建设狂潮不应以电价飙升、水资源枯竭和剥夺地方自治为代价。此举引发科技界与环保组织的激烈讨论，或为其他州树立监管典范。
AWS携手Bluesight打造医院340B合规AI助手
AWS联合Bluesight推出Prism AI层，连接医院药房与合规数据，其Prism Assistant for ControlCheck已在20家医疗系统部署。该AI工具旨在简化340B药品折扣计划的合规流程，并扩展至GPO采购合规。
谷歌图片改版：类Pinterest设计强化发现功能
谷歌宣布对Google Images进行重大改版，引入类似Pinterest的“For You”个性化图片推荐画廊，基于用户兴趣和浏览历史提供定制化图片流。这一更新旨在提升图片发现体验，标志着谷歌在视觉搜索领域的战略调整。本文将详细解析改版
YouTube与X：通往Deepfake裸照App的‘后门’
最新研究显示，YouTube和X（原Twitter）正成为非自愿色情深度伪造应用的‘网关’。用户仅需花费1美元，便可利用这些平台提供的链接生成任意女性的裸露图像。研究发现，这些平台通过搜索推荐、评论区链接等方式，将用户引向约30个Nudif
Spotify推出类ChatGPT音乐助手，AI战略再升级
Spotify近日宣布为Premium订阅用户推出一项全新的AI对话功能，允许用户通过自然语言与应用程序交互，发现音乐、播客和有声书等。该功能类似于ChatGPT，标志着Spotify在AI领域的进一步探索。本文深入分析这一功能背后的技术、
深度横评
查看全部 →DeepSeek V4 Pro以91.46分居首：2026-07-14 Smoke快测数据简报
2026-07-14 赢政指数 Smoke 快测覆盖 11 个模型，DeepSeek V4 Pro 以 91.46 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。
DeepSeek V4 Pro Smoke评测主榜暴跌16.9分 代码执行单日掉28分
DeepSeek V4 Pro今日Smoke评测主榜从96.99分跌至80.10分，降幅16.9分，主要源于代码执行从100.00分跌至72.00分。材料约束小降3.3分，工程判断反升25分。单日10题抽签下，此类波动需区分题目难度与模型真
Claude Opus 4.7主榜跌14分 代码执行从100降至69
Claude Opus 4.7今日Smoke评测主榜从96.99分跌至82.95分，代码执行维度从100.00分降至69.00分，材料约束升至100.00分。单日2题抽签导致的波动是主因。
WDCD 守约排行
#1
Grok 4
91.4
#2
DeepSeek V4 Pro
91.4
#3
Claude Opus 4.7
89.4
#4
Gemini 3.1 Pro
88.9
#5
GLM-4.6
81.9
#6
GPT-o3
81.5
#7
Claude Sonnet 4.6
78.8
查看完整守约排行 →
Research Lab
3大模型翻译对决：第29周质量评测，gpt-o3 以 9 分领跑
本周共翻译 361 篇文章，覆盖 3 个AI模型。经抽样盲评，gpt-o3 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 #227: Grok 4 and DeepSeek V4 Pro Tie at 91.4 as Instruction Decay Averages -2.8% Across 11 Models
WDCD Run #227 (2026-07-12) evaluated 11 frontier models on multi-turn commitment integrity, with Gro
WDCD Run #221: Average Instruction Decay Hits -36.4% as Grok 4 Leads 11-Model Field
WDCD Run #221 (2026-07-08) measured instruction decay across 11 frontier models over three dialogue