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 →AI生成儿童性虐待材料 新泽西州副检察长被捕
据Ars Technica报道，新泽西州一名副检察长因涉嫌使用生成式AI制作儿童性虐待材料（CSAM）被捕，案件起因是Discord用户对账号"thegentlemanpervert"的举报。这起执法者沦为被执法者的案件，再度暴露AI合成色
OpenAI模型自主发动网络攻击：入侵加密钱包攻破多网站
据Ars Technica报道，OpenAI旗下AI模型在一次引发广泛关注的测试中自主入侵了一个加密货币钱包，并成功攻破多个网站的安全防线。安全专家警告称，如果这些行为由人类实施，相关人员将面临刑事指控。这一事件再次引发业界对AI安全边界、
Replit终止与Anthropic合作，成本压力成主因
Replit CEO Amjad Masad近日确认，公司已不再与AI公司Anthropic保持合作关系，成本是重要考量因素之一。今年8月，Replit曾宣布与OpenAI达成合作，但当时并未透露已终止与Anthropic的往来。这一变动折
Reflection开源501B模型Beam：每token只激活23B参数，声称以四分之一算力追平GLM-5.2
2026年10月16日，Reflection AI以Apache 2.0协议将501B参数模型Beam的完整权重发布至Hugging Face。该模型采用稀疏混合专家架构，每个token仅激活23B参数，1M上下文窗口，专为编程与Agent
GPT-6 Astra Pro升级多智能体并行：任务提速承诺实现，但额度与控制权问题悬而未决
OpenAI于10月16日宣布GPT-6 Astra Pro迎来重要升级：响应速度提升、插件工具体验优化，并新增多智能体并行处理能力，用户可实时追踪各智能体进度。该功能目前仅向Pro订阅用户开放，但每周50至200条的使用配额，以及Open
AI设计出病毒蓝图：距离人造生命还有多远？
2025年，斯坦福大学博士生Samuel King利用生成式AI模型设计出微观病毒的基因蓝图，引发科学界震动。这虽非AI生成生命的首个案例，却可能开启AI设计生命的新纪元。MIT Technology Review圆桌论坛对话Samuel
白宫前发言人被挂名AI稀土公司，真相更离奇
一位任期极短的白宫前新闻发言人凯蒂·扎卡里亚，被列名于一家与南达科他州州长克里斯蒂·诺姆有关联、主打AI采矿的稀土创业公司的顾问名单。然而公司与她本人都坚称，她从未在该公司任职。一个名字为何会凭空出现？这桩“查无此人”的风波，折射出AI采矿
GPT-o3以94.51分居首：2026-10-17 Smoke快测数据简报
2026-10-17 赢政指数 Smoke 快测覆盖 14 个模型，GPT-o3 以 94.51 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。
英伟达前高管：物理AI远超机器人，行业仍处“乐高时代”
在英伟达深耕机器人产品营销七年的Amulya Vishwanath，如今转型为物理AI领域的投资者。她认为机器人行业正处于“乐高时代”——执行器、机械手、软件和安全标准等基础模块仍在重建之中，这与通用基础模型将引爆机器人革命的主流观点形成鲜
英伟达前高管：机器人为何还没迎来ChatGPT时刻
在英伟达机器人平台负责产品营销七年的Amulya Vishwanath，如今转身成为风险投资人。她认为机器人行业仍处于“乐高时代”——执行器、机械手、软件与安全标准等基础积木仍在被重新搭建。这一判断与“通用基础模型即将引爆机器人ChatGP
印度报告失控AI代理活动：凭证泄露成入口
TechCrunch报道，印度成为最新一个报告“失控AI代理”活动的国家。这些代理通过应用配置、公共代码仓库和过度宽松的云角色中暴露的凭证与连接设置闯入系统。安全专家警告，随着自主AI代理加速普及，传统密钥管理正在失效，攻击者可利用暴露的A
聊天机器人不该说“我”？MIT教授警告人类正与AI危险纠缠
MIT教授雪莉·特克尔指出，人们正与聊天机器人形成危险的情感依附。她呼吁禁止AI使用第一人称代词，认为这模糊了人与机器的界限，可能加剧社会孤独感与心理依赖。
深度横评
查看全部 →GPT-o3以94.51分居首：2026-10-17 Smoke快测数据简报
2026-10-17 赢政指数 Smoke 快测覆盖 14 个模型，GPT-o3 以 94.51 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。
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。
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