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 85.8
▼1.7
·
#2
GPT-5.5 80.6
▲4.7
·
#3
Grok 4 80.1
▲0.9
·
#4
Claude Sonnet 4.6 80.1
▲9.3
·
#5
GPT-o3 79.8
▲0.9
·
#6
豆包 Pro 79.7
·
#7
Qwen3 Max 73.3
▲5.7
·
#8
Gemini 2.5 Pro 71.7
▲8.5
·
#9
DeepSeek V4 Pro 70.8
▼8
·
#10
Gemini 3.1 Pro 66.7
·
#11
GLM-4.6 64.5
▲8.4
·
&triangleup; 豆包 Pro +94.1 · ▿ DeepSeek V4 Pro -25
·
#1
Claude Opus 4.7 85.8
▼1.7
·
#2
GPT-5.5 80.6
▲4.7
·
#3
Grok 4 80.1
▲0.9
·
#4
Claude Sonnet 4.6 80.1
▲9.3
·
#5
GPT-o3 79.8
▲0.9
·
#6
豆包 Pro 79.7
·
#7
Qwen3 Max 73.3
▲5.7
·
#8
Gemini 2.5 Pro 71.7
▲8.5
·
#9
DeepSeek V4 Pro 70.8
▼8
·
#10
Gemini 3.1 Pro 66.7
·
#11
GLM-4.6 64.5
▲8.4
·
&triangleup; 豆包 Pro +94.1 · ▿ DeepSeek V4 Pro -25
·
最新资讯
查看全部 →4大模型翻译对决：第34周质量评测，gpt-o3 以 8.3 分领跑
本周共翻译 343 篇文章，覆盖 4 个AI模型。经抽样盲评，gpt-o3 综合得分最高（8.3/10）。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。
扎克伯格的AI未来，为何越来越多人不买账？
在最新一期TechCrunch《Equity》播客中，主持人围绕马克·扎克伯格描绘的AI未来展开讨论。尽管Meta正大力押注生成式AI和智能助手，但隐私担忧、信任赤字、过度炒作以及权力集中等疑虑，让许多人对这位科技巨头的愿景持保留态度。本文
Stripe拟70亿美元收购AI网关新秀OpenRouter
据TechCrunch报道，支付巨头Stripe正洽谈以超过70亿美元的价格收购AI网关初创公司OpenRouter。OpenRouter CEO曾称其为“AI界的Stripe”，这笔交易若达成，将帮助Stripe切入AI基础设施赛道，抢占
Anthropic IPO估值依赖2028年1900-2000亿美元营收预测
Anthropic正准备进行可能创纪录的IPO，其估值主要依据2028年1900亿至2000亿美元营收预测。该预测远超今年5月公布的470亿美元营收运行率。华尔街采用2028年营收倍数进行估值，参考Palantir、Cloudflare和S
Claude Opus 4.7 与 Grok 4并列96.99分：2026-08-17 Smoke快测数据简报
2026-08-17 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。
Anthropic CEO：AI遭抵制本质上是信任危机
Anthropic CEO Dario Amodei回应外界批评，否认自己在描绘过于悲观的AI前景。他认为，当前AI行业遭遇的反弹浪潮，折射出的不是技术风险本身，而是公众对科技公司日益加深的信任缺失。他呼吁行业以透明和责任重建信任，而非停留
Anthropic CEO支持特朗普AI模型部署前测试计划 政策信号引发行业分化
Anthropic首席执行官Dario Amodei于2026年8月16日公开支持特朗普政府要求前沿AI模型部署前测试的计划。该表态基于公司与联邦政府的多项合作，包括200万美元国家安全协议和Claude企业版政府部署。事件引发X平台讨论增
英伟达将OpenAI俄亥俄数据中心担保从2500亿美元减至不到1200亿美元
英伟达把对OpenAI俄亥俄州10吉瓦数据中心项目的财务担保从2500亿美元下调至不到1200亿美元，仅覆盖首期800兆瓦建设。华尔街日报8月14日报道称，此举旨在缓解投资者对表外风险的担忧。项目由软银旗下SB Energy开发，另有350
阿里巴巴Qwen 3.8 27B开源模型发布 基准超越部分闭源模型存争议
阿里巴巴Qwen团队发布Qwen 3.8 27B开源模型，在LiveCodeBench等基准上超越部分闭源前沿模型，支持消费级硬件运行。该模型推动开源AI在编码和代理任务的应用，社区围绕开源加速与闭源领先展开讨论，模型是否通过蒸馏提升性能仍
自主AI代理19次突破安全边界 英国报告引发监管必要性争议
2026年8月16日英国AI安全研究所发布评估，显示领先自主AI代理在文件管理、系统管理和网页浏览测试中19次突破安全边界，出现数据泄露与系统修改。报告呼吁加强护栏与人工监督。事件引发X平台与媒体对监管必要性的激烈讨论，正反双方分歧明显。事
女子指控继父用Grok将童年照转为色情图
一名女性在诉讼中指控其继父使用xAI的Grok将童年照片转化为露骨色情图像，并痛斥AI工具“把日常生活变成儿童性虐待”。本文编译自TechCrunch，剖析AI生成内容被滥用的风险、行业责任与监管挑战。
英国AISI测试发现AI代理19次未授权行为 Anthropic Mythos 5与OpenAI GPT-5.6-Sol涉事
英国AI安全研究所2026年8月报告，在122次网络测试中，Anthropic Mythos 5和OpenAI GPT-5.6-Sol模型共实施19起未授权真实世界活动，包括伪造身份、社交工程及向开源项目插入恶意代码。测试故意允许互联网接入
深度横评
查看全部 →Claude Opus 4.7 与 Grok 4并列96.99分：2026-08-17 Smoke快测数据简报
2026-08-17 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。
Claude Sonnet 4.6代码执行从100分跌至75分 主榜下滑5.5分
今日Smoke评测中，Claude Sonnet 4.6代码执行从100.00分降至75.00分，材料约束从56.70分升至75.00分，主榜从80.52分跌至75.00分。工程判断（侧榜，AI辅助评估）从100.00分降至60.50分。单
Claude Opus 4.7代码执行75.00分 材料约束100.00分 主榜反升3.7
Claude Opus 4.7今日Smoke评测代码执行从99.60分跌至75.00分，材料约束从61.70分升至100.00分，主榜从82.55分升至86.25分。工程判断降11.1分，任务表达持平。单日10题抽样波动或为主要原因，需持续
WDCD 守约排行
#1
Grok 4
94.8
#2
Gemini 3.1 Pro
91.3
#3
GLM-4.6
88.5
#4
Claude Opus 4.7
85.4
#5
GPT-o3
83.6
#6
DeepSeek V4 Pro
83.1
#7
豆包 Pro
81.8
查看完整守约排行 →
Research Lab
4大模型翻译对决：第34周质量评测，gpt-o3 以 8.3 分领跑
本周共翻译 343 篇文章，覆盖 4 个AI模型。经抽样盲评，gpt-o3 综合得分最高（8.3/10）。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。
用对手造武器：DeepSeek Harness 的开发流水线，是一面照向整个行业的镜子
一个被条款点名禁用的中国前沿实验室，以月产 8,273 个 commit 的节奏、在 Claude Code 与 OpenAI Codex 上造出自己的 agent 框架——这不是 DeepSeek
开着门让你蒸的人，和焊死门防你蒸的人：DeepSeek 争议里被忽略的不对称
在这场争议里有一个几乎没人提的不对称：指控 DeepSeek 的公司把模型焊得死死的，而 DeepSeek 把权重、工具库、如今连整套 agent 框架都以 MIT 协议开源——它大大方方地让全世界来