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 →Meta Muse Image生成器默认纳入公开账号 隐私反弹引发用户控制争议
2026年7月9日Meta推出Muse Image Instagram生成器后，公开账号默认被纳入AI图像生成系统，用户可通过标签调用他人照片生成新图，但未获通知且退出设置深埋。批评者指出缺乏明确同意机制，Meta则强调私密账号自动排除并提
美国出口管制令致Fable 5全球暂停18天 7月1日恢复后Mythos 5仍限美国机构
2026年6月12日美国以国家安全为由下令暂停Anthropic Fable 5与Mythos 5全球访问，Fable 5于7月1日恢复全球使用，Mythos 5仅限美国获批机构，付费计划访问延长至7月12日。Sonnet 5于6月30日上
全球首座AI艺术博物馆：改变你对AI艺术的看法
Dataland自称“全球首座AI艺术博物馆”，通过可穿戴设备与来自亚马逊雨林的大量素材，将自然、生物特征与AI艺术深度融合。这个沉浸式空间试图证明，AI不仅能模仿人类创作，更能与真实世界数据交互，创造出前所未有的艺术形式。WIRED记者亲
欧洲生育组织：精子捐赠者应限制后代数量
47岁的Ties van der Meer通过匿名精子捐赠出生，荷兰2004年禁止匿名捐赠后，诊所销毁了所有记录，导致他至今不知有多少同父异母的兄弟姐妹。欧洲生育组织近日呼吁对精子捐赠者的后代数量设定上限，以避免伦理混乱和潜在健康风险。这一
不裁员也能缩减Token预算？黄仁勋的考核新标准
NVIDIA CEO黄仁勋在GTC 2026后的播客中提出一项人才考核新思路：若一位年薪50万美元的工程师，其年度AI Token消耗量低于薪资的一半，则可能面临被裁风险。这一言论引发行业热议，Token预算与工程师价值挂钩，企业如何优化A
机器狗、特斯拉与救援直升机：联合国AI峰会众生相
在实时编程演示与硅谷乐观主义的交织中，联合国“人工智能向善”峰会直面一个日益紧迫的难题：当技术以失控之势飞速发展，全球治理能否及时追上？从波士顿动力机器狗到特斯拉自动驾驶，再到救援直升机AI调度，峰会通过一系列具象展示，揭示了AI从实验室走
xAI与Cursor联合发布Grok 4.5 定价与训练数据成关键变量
2026年7月9日，xAI与Cursor发布Grok 4.5模型，宣称达到Opus 4.7水平，速度达80 tokens/s，定价为每百万token输入2美元、输出6美元，缓存0.50美元，上下文窗口50万。该模型通过Cursor真实开发者
OpenAI确认GPT-5.6为Copilot 365首选模型
尽管分拆传闻不断，OpenAI正式宣布其最新模型GPT-5.6将成为微软Copilot 365的“首选模型”，继续为办公套件提供核心AI能力。此举被解读为双方合作关系的再次确认，GPT-5.6在上下文窗口、多模态推理、企业安全等方面均有显著
OpenAI发布GPT-5.6系列，安全性能全面升级
OpenAI于2026年7月10日正式推出GPT-5.6模型家族，这是继GPT-4之后的最新一代大语言模型。新系列在推理能力、指令遵循和安全性方面实现重大突破，尤其在网络安全领域引入多层防护机制。据官方透露，GPT-5.6在对抗性测试和红队
OpenAI AGI部署CEO Fidji Simo因医疗休假后卸任
OpenAI的AGI部署首席执行官Fidji Simo在经历一段重大医疗休假后，宣布卸任现职。她将继续担任公司的兼职顾问。Simo的离职正值OpenAI加速推进AGI商业化部署的关键时期，这一高层变动引发外界对该公司AGI战略连续性的关注。
OpenAI二号人物Fidji Simo因医疗休假延长而离职
OpenAI二号高管Fidji Simo因医疗休假超出预期，宣布辞去全职职务。这一领导层变动发生在公司考虑IPO并在企业市场追赶Anthropic的关键时刻，引发外界对OpenAI管理稳定性和战略方向的关注。本文深度解析Simo离职背景、O
如何阻止Meta的AI图像生成器使用你的Instagram照片
Meta新推出的AI图像生成器默认使用Instagram上的公开照片进行模型训练，除非用户主动选择退出。本文将介绍具体的操作步骤，并分析这一做法背后的隐私争议、行业背景及监管挑战。用户需进入Instagram的“账户中心”或“数据与隐私”设
深度横评
查看全部 →Claude Opus 4.7 Smoke评测主榜暴跌19.3分 代码执行单日掉22分
Claude Opus 4.7今日Smoke评测主榜从90.51分跌至71.26分，下滑19.3分。代码执行从91.50分降至69.50分，材料约束从89.30分降至73.40分，工程判断却升至94.50分。单日10题快测下，此类波动需区分
Grok 4 主榜暴跌 8.4 分，材料约束单日跌 17.6 分
Grok 4 今日 Smoke 评测主榜从 87.66 分跌至 79.30 分，降幅 8.4 分，主要源于材料约束从 79.30 分跌至 61.70 分。代码执行仅降 0.8 分，工程判断反升 15.3 分，诚信评级从 pass 转为 wa
GPT-o3以86.9分居首：2026-07-10 Smoke快测数据简报
2026-07-10 赢政指数 Smoke 快测覆盖 9 个模型，GPT-o3 以 86.9 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
Grok 4
95
#2
DeepSeek V4 Pro
94
#3
GLM-4.6
93.6
#4
GPT-o3
89.8
#5
Claude Opus 4.7
82.5
#6
Gemini 3.1 Pro
80.8
#7
Gemini 2.5 Pro
76.8
查看完整守约排行 →
Research Lab
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
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