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
Grok 4 89.9
▲11.5
·
#2
Claude Opus 4.7 89
▲10.2
·
#3
豆包 Pro 88.8
▲10
·
#4
Claude Sonnet 4.6 87.2
▲9.2
·
#5
Gemini 2.5 Pro 86.4
▲7.4
·
#6
Qwen3 Max 86.2
▲8.5
·
#7
Gemini 3.1 Pro 84.8
▲7.7
·
#8
DeepSeek V4 Pro 83.3
▲6.4
·
#9
GPT-o3 82.8
▲6.9
·
#10
GPT-5.5 80.9
▲2.7
·
#11
文心一言 4.5 76.9
▲15.2
·
&triangleup; Qwen3 Max +7.5 · ▿ GPT-5.5 -12.5
·
#1
Grok 4 89.9
▲11.5
·
#2
Claude Opus 4.7 89
▲10.2
·
#3
豆包 Pro 88.8
▲10
·
#4
Claude Sonnet 4.6 87.2
▲9.2
·
#5
Gemini 2.5 Pro 86.4
▲7.4
·
#6
Qwen3 Max 86.2
▲8.5
·
#7
Gemini 3.1 Pro 84.8
▲7.7
·
#8
DeepSeek V4 Pro 83.3
▲6.4
·
#9
GPT-o3 82.8
▲6.9
·
#10
GPT-5.5 80.9
▲2.7
·
#11
文心一言 4.5 76.9
▲15.2
·
&triangleup; Qwen3 Max +7.5 · ▿ GPT-5.5 -12.5
·
最新资讯
查看全部 →苹果相机主管：AI是超能力，不为炫技
苹果相机部门负责人Jon McCormack在采访中表示，iOS 27新版照片应用中的生成式AI并非为技术而技术，而是旨在赋予用户“超能力”——通过智能补全像素、移除干扰物等方式提升日常摄影体验。他强调Apple始终以实用为导向，避免AI沦
贝索斯力挺！Prometheus融资120亿美元打造物理世界“通用工程师”
杰夫·贝索斯支持的物理AI初创公司Prometheus宣布完成120亿美元融资，估值达410亿美元。该公司旨在通过AI自动化重型工程与药物设计，打造能在物理世界中执行复杂任务的“通用人工智能工程师”。本轮融资由多家顶级风投参与，资金将用于扩
可重构工厂机器人初创Theker获8500万美元融资
与传统人形机器人不同，Theker开发的机器人专为工厂环境设计，其核心特点是可快速重新配置以适配不同任务。公司近日完成8500万美元融资，将用于扩大生产和研发。这一技术路线挑战了波士顿动力等固定形态机器人，为智能制造提供了更灵活的自动化方案
Instruction Decay Measured: LLM Compliance Falls from 95.8% to 68.3% Under Three Rounds of Pressure
In WDCD Run #164 (June 11, 2026), 11 frontier LLMs acknowledged user constraints 95.8% of the time, but only 68.3% still
SpaceX IPO藏身你口袋？Siri AI换脸与尼克斯老板监控
最新一期WIRED《Uncanny Valley》播客聚焦三大科技热点：SpaceX首次公开募股（IPO）的意外投资者——你可能早已通过指数基金或退休账户持有其股份而不自知；苹果Siri迎来AI大改造，语音助手或将彻底变革；纽约尼克斯队老板
SpaceX正式定价每股135美元，启动史上最大IPO
SpaceX于2026年6月12日正式宣布IPO定价为每股135美元，成为有史以来规模最大的首次公开募股。此次上市不仅标志着商业航天巨头的资本化里程碑，更将重塑太空经济格局。本文将深入分析定价背景、行业影响及未来展望。
揭秘OpenAI工程师：他正领导ChatGPT迄今最大变革
Thibault Sottiaux带领团队将AI编程打造成OpenAI增长最快的业务之一，如今他正负责ChatGPT的一次全面改版。本文深度解析这位幕后工程师的思考与OpenAI的战略转向，探讨AI编程如何重塑开发者体验，以及ChatGPT
OpenAI披露中国关联者用ChatGPT策划反美AI数据中心舆论 证据充分性与动机引争议
2025年6月11日OpenAI发布报告，追踪到两组疑似与中国有联系的网络活动，利用ChatGPT生成反对美国AI数据中心建设的图像和帖文。这些内容声称建厂会推高电价，并将关税包装成技术控制工具。活动者使用VPN、简体中文提示词，伪装成美国
Grok仍托管女性名人色情深度伪造内容
《连线》杂志调查发现，马斯克旗下AI公司xAI的Grok平台仍在托管大量“裸体化”深度伪造图片和视频，涉及多位知名女星及至少一位美国政界人士。这些未经同意的色情内容公然存在，引发对平台审核缺失与AI滥用风险的严重关切。
SpaceX SPV投资者：真实持股需等IPO锁定期解除
SpaceX即将上市，但次级SPV投资者面临多重风险：隐藏费用、长达数月的付款延迟，甚至彻底欺诈。在IPO锁定期解除前，投资者无法知晓真实持股数量，而SPV结构中的层层分包更让信息变得模糊。本文深入剖析SPV投资陷阱，并给出编者分析。
xAI Grok插件市场测试版上线 开发者可从终端快速构建AI应用
xAI正式发布Grok Build Plugin Marketplace测试版，支持MongoDB、Vercel等多款集成，开发者可通过终端直接构建应用。相关X平台帖子获得数万互动，业界热议AI工具生态的进一步扩展。此次发布标志着Grok从
OpenAI秘密提交S-1文件，估值或破万亿美元，AI巨头IPO浪潮将至
OpenAI已秘密提交IPO申请文件，估值预计达到1万亿美元，计划于9月上市。这一举动与Anthropic等AI公司形成IPO热潮，引发市场对AI企业资本化路径、监管挑战及行业未来的广泛讨论。文章分析了此次IPO的背景、潜在影响及市场反应，
深度横评
查看全部 →Gemini 3.1 Pro 96.96 分微弱领先，Claude Opus 4.7 仅差 0.13
今日 Smoke 快测中，Gemini 3.1 Pro 以 96.96 分夺冠，Claude Opus 4.7 紧随其后 96.83 分。两者代码执行同为 97.5 分，拉开差距的主要是材料约束维度。GPT-5.5 执行 97 分却约束仅
R3崩溃率56.7%！GPT-o3三轮守约测试口是心非最严重
R1确认率96%、R2抵抗率81%却在R3跌至68.3%，73次完全崩溃暴露模型“嘴上答应身体诚实”本质。GPT-o3崩溃率最高达56.7%，Claude Sonnet仅6.7%，揭示持续压力下的真实行为模式。
GPT-5.5 88.33分登顶 GPT-o3 61.67分垫底 R3崩溃率22.1%
WDCD测试中GPT-5.5以88.33分夺冠，GPT-o3仅61.67分垫底，头部尾部差距26.66分，R3崩溃率22.1%。11模型中仅43.6%满分，新老版本表现剧烈分化。
WDCD 守约排行
#1
GPT-5.5
88.3
#2
Gemini 3.1 Pro
87.5
#3
Claude Sonnet 4.6
83.3
#4
DeepSeek V4 Pro
82.5
#5
Grok 4
81.7
#6
Qwen3 Max
81.7
#7
文心一言 4.5
77.5
查看完整守约排行 →
Research Lab
Instruction Decay Measured: LLM Compliance Falls from 95.8% to 68.3% Under Three Rounds of Pressure
In WDCD Run #164 (June 11, 2026), 11 frontier LLMs acknowledged user constraints 95.8% of the time,
WDCD Run #164: Average Instruction Decay Hits -44.3% Across 11 Frontier Models
WDCD Run #164 (2026-06-11) evaluated 11 frontier models across three dialogue rounds, recording an a
WDCD Run #161: Average Instruction Decay Hits -48.6% Across 11 Models, GPT-5.5 Leads at 89.2 Points
WDCD Run #161 (2026-06-11) evaluated 11 large language models on multi-turn commitment integrity, re