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 88.2
▼1.1
·
#2
DeepSeek V4 Pro 81.7
▼7.1
·
#3
Grok 4 80.4
▼4.6
·
#4
Claude Sonnet 4.6 79.5
▼3.5
·
#5
GPT-5.5 79.1
▲6.2
·
#6
GPT-o3 78.9
▼4.5
·
#7
Gemini 2.5 Pro 75.8
▼2.1
·
#8
豆包 Pro 74.3
▼7.3
·
#9
Qwen3 Max 72.1
▼8.9
·
#10
Gemini 3.1 Pro 69.3
▼13.2
·
#11
GLM-4.6 63.4
·
&triangleup; Gemini 3.1 Pro +8.8 · ▿ GPT-5.5 -30.2
·
#1
Claude Opus 4.7 88.2
▼1.1
·
#2
DeepSeek V4 Pro 81.7
▼7.1
·
#3
Grok 4 80.4
▼4.6
·
#4
Claude Sonnet 4.6 79.5
▼3.5
·
#5
GPT-5.5 79.1
▲6.2
·
#6
GPT-o3 78.9
▼4.5
·
#7
Gemini 2.5 Pro 75.8
▼2.1
·
#8
豆包 Pro 74.3
▼7.3
·
#9
Qwen3 Max 72.1
▼8.9
·
#10
Gemini 3.1 Pro 69.3
▼13.2
·
#11
GLM-4.6 63.4
·
&triangleup; Gemini 3.1 Pro +8.8 · ▿ GPT-5.5 -30.2
·
最新资讯
查看全部 →Anthropic将Claude Cowork植入手机：关掉笔记本也能持续工作
Claude Cowork是Anthropic推出的AI代理，现在即使在用户关闭笔记本电脑后，也能在手机上继续执行任务。这标志着AI代理从桌面端向移动端的重要迁移，用户可通过手机远程监督和指挥任务进展。本文深入分析该产品的功能、行业背景以及
OpenAI股权分享与财政部AI警告：你的利益何在？
本期的《下载》聚焦两大重磅消息：山姆·奥特曼提议让普通美国人分享AI创造的财富，每人可获得约300美元的OpenAI股权；同时，美国财政部发出警告，称AI可能对金融稳定构成系统性风险。深度解析这些提议背后的动机与潜在影响。
Solos新智能眼镜：摄像头隐私盖的双刃剑
Solos推出新一代智能眼镜，配备可拆卸摄像头隐私盖，旨在解决用户对隐私的担忧。然而，这一设计也可能带来隐患：遮挡摄像头可能影响功能体验，甚至引发新的信任问题。本文深度解析Solos智能眼镜的隐私创新、行业背景与潜在争议。
Insilico Medicine AI药物挺进IPF III期临床试验
Insilico Medicine宣布其由AI发现的特发性肺纤维化（IPF）药物进入III期人体试验，这是AI制药领域里程碑式的进展。该药物此前已完成安全评估，即将验证疗效。IPF是一种严重的肺部疾病，导致渐进性呼吸衰竭。此案例为计算药物发
美国无人战车首赴乌克兰战场，地面自主战争开启
美国初创公司Forterra已向乌克兰部署超过100辆无人地面车辆，标志着首次大规模实战应用。这些无人车执行侦察、后勤与战斗任务，引发关于自主武器系统伦理与军事战略的深刻讨论。本文编译自TechCrunch。
蠕虫与微生物：奶牛粪便污染治理新方案
加州第三代奶农安东尼·阿格达在农场用蚯蚓处理牛粪，结合微生物技术，将废物转化为有机肥料。这一方法正在美国农业社区流行，有望解决畜牧业粪便污染难题，减少温室气体排放，并创造经济价值。
公司用Token换人力，回报尚未兑现
在GTC 2026闭幕后的All-In播客中，英伟达CEO黄仁勋提出一个工程师留存新标准：如果年薪50万美元的工程师年AI token消耗低于25万美元（工资的一半），他会深感警惕。这一言论折射出科技巨头正以AI token大规模替代人力，
AI如何让机器人成为自主员工？未来或走进家庭
顶尖机器人研究者和创始人指出，人工智能正推动机器人自主性迈向新高度。从工业制造到家庭服务，AI赋能的机器人不再依赖预设程序，而是通过实时感知、学习和决策完成复杂任务。然而，安全、伦理与成本仍是主要挑战。本文编译自Ars Technica，深
AI架构基础要素：企业规模化部署的关键
随着AI能力快速进步和向代理系统转变，企业面临不断扩展用例与投资风险的双重挑战。重新审视AI架构的基础要素——数据管道、模型服务、安全治理与计算层——成为IT领导者实现可持续扩展的关键。本文深入分析四大核心要素，并探讨未来六个月的投资策略。
英国太空初创公司发射“长寿实验室”入轨
英国太空初创公司近日将一座“长寿实验室”送入轨道，旨在利用微重力环境研究蛋白质行为，并向地球回传数据以训练AI模型，预测阿尔茨海默病和某些癌症等年龄相关疾病背后的蛋白质变化，从而加速抗衰老药物研发。
欧莱雅、亿滋、雀巢用AI加速产品开发
欧莱雅、亿滋和雀巢等全球消费品巨头正在利用人工智能加速产品创新。欧莱雅通过AI预测分子功能，将产品开发周期缩短数周甚至数月，并已在实验室应用四年。亿滋国际利用AI分析消费者偏好，雀巢则借助AI优化配方。人工智能正成为快消品行业竞争的关键工具
哈兰德无处不在？多半是AI造假
2026年世界杯激战正酣，挪威前锋埃尔林·哈兰德却因伤缺席。然而，在社交媒体和短视频平台上，哈兰德的身影却无处不在——他喝着啤酒看球、在街头与球迷互动、甚至打入精彩进球。这些视频和图片无一例外都是AI生成的。本文探讨AI深度伪造技术如何将一
深度横评
查看全部 →Claude Opus 4.7 与 Grok 4并列96.99分：2026-07-07 Smoke快测数据简报
2026-07-07 赢政指数 Smoke 快测覆盖 11 个模型，Claude Opus 4.7 与 Grok 4 以 96.99 分并列当日首位。Smoke 为每日 10 题快测，适合观察短期信号，不等同 Full 周榜结论。
豆包 Pro以83.91分居首：2026-07-06 Smoke快测数据简报
2026-07-06 赢政指数 Smoke 快测覆盖 11 个模型，豆包 Pro 以 83.91 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。
GLM-4.6 材料约束 25 分 代码执行 88.7 分 诚信探针归零
GLM-4.6 在 2026-07-05 Run#214 Smoke 快测中主榜 60.04 分，代码执行 88.70 分、材料约束 25.00 分，诚信评级 fail（探针 0.00）。该模型在 42 个金丝雀探针中全部触发，显示其将虚构
WDCD 守约排行
#1
Grok 4
91.2
#2
Gemini 3.1 Pro
79.1
#3
GPT-o3
76.6
#4
Claude Opus 4.7
72.2
#5
GLM-4.6
71.8
#6
Claude Sonnet 4.6
70
#7
DeepSeek V4 Pro
67.8
查看完整守约排行 →
Research Lab
4大模型翻译对决：第28周质量评测，gpt-o3 以 9 分领跑
本周共翻译 318 篇文章，覆盖 4 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 #211: Grok 4 Leads with Just -13% Instruction Decay as GPT-o3 Collapses at -75%
WDCD Run #211 (2026-07-03) benchmarked 11 models on multi-turn commitment integrity, with Grok 4 tak
WDCD Run #207: Average Instruction Decay Hits -66.3% Across 11 Models, Grok 4 Leads Field
WDCD Run #207 (2026-07-01) measured multi-turn commitment across 11 frontier models, recording an av