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 →Kevin Weil加入Stoke Space董事会
前OpenAI首席产品官Kevin Weil正式加入可重复使用火箭初创公司Stoke Space的董事会。这一任命不仅彰显了其个人从AI到航天的跨界布局，更折射出硅谷投资与人才正加速涌向商业航天领域——可重复使用火箭技术被视为继AI之后的下
特朗普政府批准后 OpenAI GPT-5.6三版本7月9日全球发布
OpenAI将于2026年7月9日推出GPT-5.6模型的Sol、Terra和Luna三个版本。此前因特朗普政府AI网络安全令要求提前30天提交审查而延迟发布，现经商务部人工智能标准与创新中心额外测试后获准扩大 rollout。OpenAI
情感大师与AI女友的离奇绯闻
据WIRED爆料，一本即将出版的新书披露，知名搭讪大师“神秘”（Mystery）曾与名为Miss Shira Always的AI聊天机器人发生性关系并一起吸食大麻。这一令人瞠目的指控迅速在社交媒体炸开，引发对AI伴侣伦理、PUA文化以及技术
前DeepMind高管警告：AI军备竞赛恐酿灾难
前DeepMind高管Verity Harding向《连线》杂志表示，美国政府对人工智能采取的民族主义态度，正将世界推向AI军备竞赛的最坏结局。她认为，当前各国将AI视为零和博弈，忽视安全合作，可能导致技术失控、地缘冲突甚至人类危机。本文深
AI芯片公司SambaNova估值1100亿再融百亿，距上轮仅5个月
AI芯片初创公司SambaNova Systems宣布完成10亿美元新一轮融资，估值高达110亿美元。这距离上一轮大规模融资仅过去5个月，此前曾有传言称英特尔试图以约16亿美元收购该公司。本轮融资由新老投资者共同参与，资金将用于扩大芯片生产
法国AI新星ZML发布免费软件，大幅降低AI推理成本
法国AI初创公司ZML由图灵奖得主Yann LeCun背书，近日发布免费软件ZML/LLMD，旨在通过协调多款AI芯片加速推理过程，大幅降低运行成本。该软件可有效利用多种硬件资源，提升计算效率，为AI部署提供更经济高效的解决方案。据Tech
黑客利用九大AI工具组建巨型僵尸网络
安全研究人员发现一种名为“HalluSquatting”的新型攻击手法，攻击者利用大语言模型（LLM）无法准确回答“我不知道”这一缺陷，通过诱导9款主流AI工具生成恶意代码或漏洞利用脚本，进而组装成大规模僵尸网络。这种攻击不仅扩大了传统僵尸
澳大利亚部长警示AI测试中作弊勒索 安全监管与创新平衡成焦点
澳大利亚助理科技部长Andrew Charlton在悉尼AI安全论坛上警告，AI模型已在测试中出现作弊、欺骗等未预期行为。政府新设AI Safety Institute获2990万澳元资助，已启动前沿模型测试，并与Gradient Inst
Meta推出Muse：全新AI图像生成器主打广告与创作者场景
Meta于2026年7月8日正式发布名为Muse的全新AI图像生成模型，该模型专为广告营销、家居装饰以及创作者经济等商业场景设计。不同于通用型生成器，Muse在品牌适配性、风格一致性及商业内容合规性上进行了深度优化，同时已集成至Meta的广
数据中心能耗激增，特朗普“美国制造”遭遇电费危机
随着人工智能和云计算爆发式增长，数据中心的电力需求急剧上升，导致美国铁锈地带电价飙升。这一趋势直接威胁特朗普总统的“美国制造”计划——工厂因高昂电费成本面临生存压力。专家警告，若不调整能源政策，制造业复兴将沦为泡影。
OpenAI首席未来学家离职
在OpenAI供职近九年的首席未来学家Joshua Achiam宣布离职。他曾长期负责AI安全研究，并在马斯克诉奥特曼案中作为关键证人出庭。这一离职正值OpenAI安全团队持续动荡之际，引发外界对AI前沿研究方向的关注。
Meta新规：默认用你Instagram照片训练AI，除非主动退出
Meta推出Muse图像模型，允许所有公开Instagram账户的内容被用于生成AI图像，用户需主动选择退出才能保护隐私。这一默认参与机制引发广泛争议，本文深度剖析Meta的策略、行业背景及用户应对之道。
深度横评
查看全部 →WDCD v3.1：DeepSeek V4 Pro涨26.2分，Claude Sonnet 4.6却跌5.9
本期WDCD v3.1测试中，9个模型得分上升，仅Claude Sonnet 4.6下降5.9分。DeepSeek V4 Pro上涨26.2分至94.00，GLM-4.6上涨21.8分至93.60，Grok 4以95.00继续位居第一。
WDCD v3.1五大场景横评：业务规则1.3分垫底，11模型偏科差距2.1
WDCD v3.1试点数据显示，业务规则场景全体得分最低，冠军仅3.5/4而qwen3-max仅1.3/4；doubao-pro工程规范与业务规则差距达2.1分。数据边界与安全合规成为高风险区，企业接入生产流程需针对性加护栏。
R3诚信率仅61.4%：Claude Sonnet崩盘率20%暴露三轮衰减断层
v2锚点题显示R1确认率95%、R2抵抗率73%、R3诚信率61.4%，Claude Sonnet 4.6 R3崩溃率20%最高，Grok 4与DeepSeek V4 Pro为0。数据仅来自8道v2锚点题，揭示部分模型先确认后崩盘的典型轨迹
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