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 86.4
▲6
·
#2
GPT-6 Luna 83.9
▲4.5
·
#3
GPT-6.1 Sol 83.3
▲4.7
·
#4
Claude Sonnet 4.6 82.7
▲2.6
·
#5
豆包 Pro 82
▲5.3
·
#6
GPT-6 Sol 81.5
▼0.7
·
#7
Claude Opus 4.7 81.3
·
#8
GPT-6 Astra 80.6
·
#9
GPT-5.5 80.2
·
#10
GPT-o3 77.6
▼3
·
#11
DeepSeek V4 Pro 77.1
▲0.7
·
#12
Gemini 3.1 Pro 74
·
#13
Gemini 2.5 Pro 69.8
▼2.4
·
#14
GLM-4.6 39.3
▼19.5
·
&triangleup; GLM-4.6 +45.8 · ▿ Qwen3 Max -77.4
·
#1
Grok 4 86.4
▲6
·
#2
GPT-6 Luna 83.9
▲4.5
·
#3
GPT-6.1 Sol 83.3
▲4.7
·
#4
Claude Sonnet 4.6 82.7
▲2.6
·
#5
豆包 Pro 82
▲5.3
·
#6
GPT-6 Sol 81.5
▼0.7
·
#7
Claude Opus 4.7 81.3
·
#8
GPT-6 Astra 80.6
·
#9
GPT-5.5 80.2
·
#10
GPT-o3 77.6
▼3
·
#11
DeepSeek V4 Pro 77.1
▲0.7
·
#12
Gemini 3.1 Pro 74
·
#13
Gemini 2.5 Pro 69.8
▼2.4
·
#14
GLM-4.6 39.3
▼19.5
·
&triangleup; GLM-4.6 +45.8 · ▿ Qwen3 Max -77.4
·
最新资讯
查看全部 →Claude Opus 4.7主榜暴跌20.1分 代码执行单日跌28.1分
Claude Opus 4.7今日Smoke评测主榜从93.54分跌至73.45分，代码执行从97.00分降至68.90分，材料约束从89.30分降至79.00分。工程判断与任务表达反而上升。单日10题抽签导致的波动与真实能力退化需区分判断
豆包Pro材料约束暴跌15.3分 主榜下滑4.3分
豆包Pro今日Smoke评测中材料约束从87.90分跌至72.60分，降幅15.3分，主榜从89.44分降至85.09分；代码执行反升4.6分至95.30分，工程判断维持100分。
豆包 Pro以85.09分居首：2026-10-16 Smoke快测数据简报
2026-10-16 赢政指数 Smoke 快测覆盖 13 个模型，豆包 Pro 以 85.09 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。
歌手还是AI？YouTube Music将标注AI生成音乐
YouTube Music 已开始为 AI 生成的音乐内容添加标注，该功能将先在 YouTube Music 上线，随后推广至 YouTube 主平台。随着 Suno、Udio 等工具让 AI 歌曲大批涌入流媒体，如何让听众分辨「真人还是算
TechCrunch创始人峰会早鸟票倒计时：最高可省200美元
TechCrunch创始人峰会的早鸟优惠将于10月16日（周五）截止，创始人票与投资人票最高可省200美元。这场定于11月4日在波士顿SoWa Power Station举行的大会，预计汇聚1000位创始人与投资人。本文梳理活动看点、波士顿
Rivian 要把 AI 智能体装进车里，12月揭晓细节
据 TechCrunch 报道，美国电动车厂商 Rivian 正计划把 AI 智能体（AI agents）引入其量产车型，让汽车从“语音助手”升级为能主动规划、跨应用执行任务的智能体平台。公司将于今年 12 月举办“AI & Autonom
FTC据报调查OpenAI与Anthropic
据Ars Technica报道，美国联邦贸易委员会（FTC）正对OpenAI与Anthropic展开调查，焦点不在模型能力本身，而在两家公司是否在AI风险披露上误导了公众与监管方。报道称，一旦认定违规，罚款量级可能与延迟上报数据泄露事件的企
TechCrunch Disrupt 2026抢票最后一天
TechCrunch Disrupt 2026迎来最后一天报名机会，超过10,000名科技领袖将齐聚一堂，共同探讨行业前沿趋势。现在报名还可享受75%的门票折扣优惠，这是参与全球顶级科技盛会的绝佳机会。
亚马逊旗下Bee发布两款AI硬件，起售价75美元
被亚马逊收购后，Bee首次推出新品：一款升级版可穿戴AI手环，以及一张可吸附在手机背面的信用卡大小录音器。两款设备均能实时记录并总结对话、自动生成待办清单，并深度接入Alexa与亚马逊购物体系，起售价74.99美元。这标志着亚马逊正式在个人
冻存一年的猪肾被“复活”，核能也借AI东风翻身
被冷却到约-150°C、在冷冻设备中存放数月的猪肾重新恢复了活性，这让“器官银行”从科幻走向现实。与此同时，AI数据中心暴涨的电力需求，正把一度被视为夕阳产业的核能重新推上牌桌。两条看似无关的消息，背后都是人类在为极限工程能力买单。
每步都要想一想？ChunkAct让机器人代理LLM调用减少2.9倍
来自南加州大学等机构的研究者于2026年10月提出ChunkAct，通过将机器人动作序列离线编译为"块"，使在线执行时LLM调用次数减少2.9倍、输入token减少4.4倍，同时在LIBERO-Pro基准上提升5.0个百分点任务成功率。这一
核电站还能再挤出多少电？美国最大运营商加码升级
AI数据中心和电气化浪潮推高电力需求，美国最大核电运营商Constellation宣布计划通过升级现有机组新增近一个吉瓦级容量。核电站能否像挤海绵一样再挤出更多电力？从功率提升、监管审批到经济性，这场“存量挖潜”既是核能复兴的捷径，也暴露其
深度横评
查看全部 →Claude Opus 4.7主榜暴跌20.1分 代码执行单日跌28.1分
Claude Opus 4.7今日Smoke评测主榜从93.54分跌至73.45分，代码执行从97.00分降至68.90分，材料约束从89.30分降至79.00分。工程判断与任务表达反而上升。单日10题抽签导致的波动与真实能力退化需区分判断
豆包Pro材料约束暴跌15.3分 主榜下滑4.3分
豆包Pro今日Smoke评测中材料约束从87.90分跌至72.60分，降幅15.3分，主榜从89.44分降至85.09分；代码执行反升4.6分至95.30分，工程判断维持100分。
豆包 Pro以85.09分居首：2026-10-16 Smoke快测数据简报
2026-10-16 赢政指数 Smoke 快测覆盖 13 个模型，豆包 Pro 以 85.09 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
GLM-4.6
100
#2
Grok 4
97.5
#3
Gemini 3.1 Pro
95.2
#4
DeepSeek V4 Pro
94
#5
GPT-5.5
92.6
#6
GPT-o3
92
#7
GPT-6 Sol
91.8
查看完整守约排行 →
Research Lab
WDCD Run #379: GLM-4.6 Leads with Perfect Score as Average Instruction Decay Hits -53.3%
WDCD Run #379 (2026-10-14) tested 15 models for multi-turn commitment integrity, recording an averag
4大模型翻译对决：第42周质量评测，gpt-o3 以 8.7 分领跑
本周共翻译 376 篇文章，覆盖 4 个AI模型。经抽样盲评，gpt-o3 综合得分最高（8.7/10）。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 #365: Average Instruction Decay Hits -53.3%, GLM-4.6 Leads 15-Model Field
WDCD Run #365 (2026-10-07) measured multi-turn commitment across 15 AI models and recorded an averag