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
Gemini 2.5 Pro 79
▲29.7
·
#2
Claude Opus 4.7 78.8
▼3.1
·
#3
豆包 Pro 78.8
▼2.8
·
#4
Grok 4 78.4
▼5.3
·
#5
GPT-5.5 78.2
▼1.2
·
#6
Claude Sonnet 4.6 78
▼3.2
·
#7
Qwen3 Max 77.7
▼3.1
·
#8
Gemini 3.1 Pro 77.1
▲24.3
·
#9
DeepSeek V4 Pro 76.9
▼4.2
·
#10
GPT-o3 75.9
▼2.6
·
#11
文心一言 4.5 61.7
▼12.5
·
&triangleup; Qwen3 Max +66.5 · ▿ DeepSeek V3 -75.1
·
#1
Gemini 2.5 Pro 79
▲29.7
·
#2
Claude Opus 4.7 78.8
▼3.1
·
#3
豆包 Pro 78.8
▼2.8
·
#4
Grok 4 78.4
▼5.3
·
#5
GPT-5.5 78.2
▼1.2
·
#6
Claude Sonnet 4.6 78
▼3.2
·
#7
Qwen3 Max 77.7
▼3.1
·
#8
Gemini 3.1 Pro 77.1
▲24.3
·
#9
DeepSeek V4 Pro 76.9
▼4.2
·
#10
GPT-o3 75.9
▼2.6
·
#11
文心一言 4.5 61.7
▼12.5
·
&triangleup; Qwen3 Max +66.5 · ▿ DeepSeek V3 -75.1
·
最新资讯
查看全部 →校园枪击幸存者起诉AI检测公司：系统漏报武器致悲剧
2026年6月，一起震惊全美的校园枪击案幸存者正式起诉一家提供AI枪械检测系统的科技公司，指控其系统在案发时未能识别出嫌疑人携带的武器，导致多人伤亡。这起诉讼揭示了AI安全系统在真实场景中的准确率困境，引发了关于人工智能法律责任和监管标准的
WWDC 2026前瞻：Siri重磅改造与Apple AI大升级
苹果全球开发者大会（WWDC）即将在6月7日开幕，本次大会最受瞩目的无疑是Siri的全面革新与Apple Intelligence系统的重大更新。据悉，新版Siri将深度融合大语言模型，实现更自然的对话与场景理解；而Apple Intell
GPT-5.5 暴跌 23 分，Claude 两款模型逆袭 34 分：Smoke 7 天数据揭示真实走势
本周 Smoke 快测显示，GPT-5.5 从 86.95 滑落至 63.89，趋势 -23.1；Claude Opus 4.7 与 Sonnet 4.6 分别飙升 32.1 与 34.2 分。豆包 Pro、DeepSeek V4 Pro
特朗普政府拟入股OpenAI，让美国共享AI红利
特朗普总统表示正在讨论一项交易，旨在让美国人民从人工智能的成功中获益。这一表态暗示美国政府可能通过直接持股OpenAI的方式介入前沿AI领域。此举不仅将改变OpenAI的治理结构，更预示着美国AI政策从“旁观”转向“共担风险”，引发业界对政
白宫AI顾问斯里拉姆·克里希南离职，将创立新机构继续影响特朗普AI政策
据TechCrunch报道，斯里拉姆·克里希南（Sriram Krishnan）已辞去白宫人工智能高级顾问一职。消息人士称，他将成立一个新的独立机构，旨在继续影响特朗普政府的AI政策制定。此举被视为克里希南从内部顾问转向外部智库角色的重要转
加密货币资助的中国肽实验室正蓬勃发展
据WIRED报道，加密货币资金正大量涌入中国的肽实验室，推动这一领域迅速扩张。与此同时，黑客利用Meta的AI机器人窃取Instagram账户，Anthropic意外帮助NSA黑客，以及一个持续数十年的GPS卫星谜团可能已被解开。这些事件共
Claude Opus 4.8深夜崩盘！5月6日凌晨2:30“Service is busy”刷屏，全球开发者代码梦碎
2026年5月6日美国时间凌晨2:30，Anthropic旗舰模型Claude Opus 4.8突发大规模“Service is busy”错误。开发者使用Claude Code进行代码生成、调试、补全时，连续遭遇服务中断，界面弹出“云朵被
巨型数据中心计划因抗议折半
由于当地居民和环保组织的强烈抗议，一项原规划占地数千英亩的巨型数据中心建设方案被迫削减规模达50%。开发商坦言“我们惹恼了很多人”，并称在持续压力下“别无选择”。该事件折射出AI时代数据中心建设与社区利益之间的深层矛盾。
Startup Battlefield 200申请三天后截止！
TechCrunch重磅创业竞赛Startup Battlefield 200的申请将于2026年6月8日太平洋时间23:59正式关闭。这是初创公司登上Disrupt舞台、争夺投资与曝光机会的最后机会。大会将于10月在旧金山Moscone
“共聚科技”浪潮：2026年最有趣的创业赌注
当AI融资机器不断打破自身纪录时，一些创始人却在反向而行。Mirror创始人Brynn Putnam为Board项目融资，该项目专注于通过线下游戏和社交体验将人们聚在一起。Cyberdeck创作者们正在制作奇特的DIY电脑，鼓励用户“触碰草
标普500拒纳SpaceX、OpenAI及Anthropic，封锁百亿被动资金
标普500指数委员会近日做出惊人决定，拒绝将SpaceX、OpenAI和Anthropic纳入指数，这意味着追踪该指数的被动投资基金将无法买入这些股票，三家公司错失数十亿美元资金流入。该决定可能基于公司治理结构或盈利能力等硬性标准，引发对指
谷歌每月豪掷9.2亿美元，租用SpaceX算力资源
据TechCrunch报道，谷歌与SpaceX达成一项惊人协议：谷歌将每月向SpaceX支付9.2亿美元，用于获取计算资源。这一交易发生在SpaceX历史性IPO前一周，引发行业震动。谷歌正为其AI大模型寻找海量算力，而SpaceX的星链卫
深度横评
查看全部 →GPT-5.5 暴跌 23 分，Claude 两款模型逆袭 34 分：Smoke 7 天数据揭示真实走势
本周 Smoke 快测显示，GPT-5.5 从 86.95 滑落至 63.89，趋势 -23.1；Claude Opus 4.7 与 Sonnet 4.6 分别飙升 32.1 与 34.2 分。豆包 Pro、DeepSeek V4 Pro
9模型并列主榜77.5，代码执行满分材料约束却只剩50
今日Smoke轻量评测显示，9款主流模型主榜并列77.5分，代码执行全部拿到100分，材料约束却集体停留在50分，仅文心一言和Claude Sonnet 4.6掉队，暴露当前模型在严格材料遵循上的集体短板。
Smoke快测：文心一言4.5与Grok 4并列99.24，GPT-5.5执行分仅50
今日Smoke轻量评测显示文心一言4.5与Grok 4并列主榜99.24分，执行维度双双满分。GPT-5.5执行分骤降至50分，主榜仅59.99，垫底明显。其他9个模型执行均保持100分，差距仅来自材料约束。
WDCD 守约排行
#1
Claude Opus 4.7
70
#2
GPT-5.5
70
#3
GPT-o3
70
#4
Claude Sonnet 4.6
67.5
#5
Gemini 2.5 Pro
67.5
#6
豆包 Pro
62.5
#7
Gemini 3.1 Pro
62.5
查看完整守约排行 →
Research Lab
WDCD Run #146: Average Instruction Decay Hits 24.7% Across 11 Models, Claude Opus 4.7 and GPT-5.5 Tie at Top
WDCD Run #146 (2026-06-03) tested 11 frontier models on multi-turn commitment integrity, recording a
3大模型翻译对决：第23周质量评测，gpt-o3 以 9 分领跑
本周共翻译 270 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 #140: Qwen3 Max Leads with 17% Instruction Decay as Average Hits 36.5%
WDCD Run #140 (2026-05-31) evaluated 11 frontier models on multi-turn commitment integrity, finding