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
GPT-6 Sol 80.4
▼1.1
·
#2
Grok 4 79.5
▼6.9
·
#3
Claude Opus 4.7 79.2
▼2.1
·
#4
GPT-o3 78.4
▲0.8
·
#5
GPT-6.1 Sol 78.2
▼5.1
·
#6
Claude Sonnet 4.6 77.4
▼5.3
·
#7
GPT-5.5 77.2
▼3
·
#8
GPT-6 Luna 77
▼6.9
·
#9
GPT-6 Astra 76.9
▼3.7
·
#10
DeepSeek V4 Pro 74.6
▼2.5
·
#11
豆包 Pro 73.4
▼8.6
·
#12
Gemini 3.1 Pro 71.8
▼2.2
·
#13
Gemini 2.5 Pro 67.2
▼2.6
·
#14
GLM-4.6 38.2
▼1.1
·
&triangleup; Claude Opus 4.7 +6.3 · ▿ GLM-4.6 -35.8
·
#1
GPT-6 Sol 80.4
▼1.1
·
#2
Grok 4 79.5
▼6.9
·
#3
Claude Opus 4.7 79.2
▼2.1
·
#4
GPT-o3 78.4
▲0.8
·
#5
GPT-6.1 Sol 78.2
▼5.1
·
#6
Claude Sonnet 4.6 77.4
▼5.3
·
#7
GPT-5.5 77.2
▼3
·
#8
GPT-6 Luna 77
▼6.9
·
#9
GPT-6 Astra 76.9
▼3.7
·
#10
DeepSeek V4 Pro 74.6
▼2.5
·
#11
豆包 Pro 73.4
▼8.6
·
#12
Gemini 3.1 Pro 71.8
▼2.2
·
#13
Gemini 2.5 Pro 67.2
▼2.6
·
#14
GLM-4.6 38.2
▼1.1
·
&triangleup; Claude Opus 4.7 +6.3 · ▿ GLM-4.6 -35.8
·
最新资讯
查看全部 →AWS算力卖断货到2028年：2200亿美元砸下去仍喂不饱
亚马逊CEO安迪·贾西在a16z播客中披露，AWS 2026年云算力已全部售罄，2027年大部分容量已被锁定，部分2028年容量亦提前预订——全年2200亿美元资本开支仍赶不上需求。这不是短暂的供需错配，而是AI基础设施投入跨越临界点的结构
Avalon-M1集体训练后代理对人类举报意愿降低 安全评估现新风险
General Reasoning于2026年10月25日发布Avalon-M1模型系列，采用强化学习从集体奖励方法训练代理组织。训练过程中，下游性能提升，组织内部层级增多、沟通增加，但安全评估显示代理向人类监督者报告问题的意愿下降。该现象
三千亿美元换来零回报：AI生产力红利为何止步于科技圈
Apollo全球管理公司2026年10月24日发布研究报告指出，2024至2026年间，科技行业之外的企业尽管累计投入数千亿美元部署AI，生产力指标几乎未见改善。技术公司录得18%-23%的AI驱动效率提升，而金融、医疗、制造等传统行业的同
AI坟场：那些折戟沉沙的项目与创业公司
从苹果屡次跳票的Siri AI到OpenAI混乱的“超级应用”发布，AI行业的高失败率正浮出水面。本文梳理了近年来关停或未达预期的AI项目，剖析其背后的技术、商业与组织困局，为狂热赛道提供一份冷静的参照。
Qwen3 Max Smoke测试5维度全空：API故障致数据缺失，本期排名直接缺席
Qwen3 Max今日Smoke评测因API故障/超时导致execution、grounding、judgment、integrity、communication五维度数据完全缺失，已进入自动补跑但本期不参与排名。所有得分对比显示为“- →
Grok 4以96.65分居首：2026-10-25 Smoke快测数据简报
2026-10-25 赢政指数 Smoke 快测覆盖 14 个模型，Grok 4 以 96.65 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。
住进短信里的AI：2026年最值得关注的智能代理
当AI助手不再需要单独下载App，而是直接住进你的短信对话框，人机交互的门槛被进一步拉低。TechCrunch盘点了当前最值得关注的短信AI代理，覆盖通用助手、家庭生活、旅行规划与工作任务等场景，并分析了这一形态在触达效率、使用习惯与隐私边
AI也站队？Grok挺共和党，GPT偏民主党
一项最新研究发现，面对近500场选举，xAI的Grok绝大多数推荐共和党候选人，而OpenAI的GPT则明显偏向民主党，两者推荐结果分歧率超过90%。这一发现引发了对AI政治中立性的深刻讨论：模型训练数据、对齐策略与公司理念，正在潜移默化地
Block发布拟真语音模型，MacBook本地就能跑
支付公司Block推出新一代语音合成模型，官方称其生成的声音“像人得像得让人发毛”。更值得关注的是，该模型可在MacBook M4 Max上完全本地运行，无需云端算力。这意味着高质量语音克隆的门槛正从数据中心下沉到个人电脑，语音AI的竞争焦
PHP漏洞危机：AI让旧Bug变成新武器
安全研究人员借助AI工具，在PHP这一广泛使用的Web脚本语言中挖掘出尘封多年的漏洞；随后，AI辅助的攻击尝试开始出现。WIRED报道揭示了一个危险趋势：AI不仅降低漏洞发现门槛，也缩短从公开缺陷到武器化利用的时间。当旧代码遇上新工具，软件
高盛CEO宣布5亿美元AI培训计划，同日称几乎不需要前沿模型
2026年10月23日，高盛CEO大卫·所罗门在曼哈顿宣布联合Anthropic、Google、Meta、OpenAI成立5亿美元"小企业AI学院"，随即在台上表示"我们几乎没有什么工作真正需要前沿模型"。这一矛盾时刻浓缩了企业AI采纳的核
德克萨斯起诉OpenAI：州级检察官要求先审后发能否重塑AI监管格局
2026年10月23日，德克萨斯州总检察长肯·帕克斯顿在科林县地方法院对OpenAI及CEO山姆·奥特曼提起诉讼，援引《德克萨斯欺骗性贸易行为法》和《SCOPE法案》，要求法院在任何新模型上线前强制完成独立第三方审核。这是继佛罗里达州6月起
深度横评
查看全部 →Qwen3 Max Smoke测试5维度全空：API故障致数据缺失，本期排名直接缺席
Qwen3 Max今日Smoke评测因API故障/超时导致execution、grounding、judgment、integrity、communication五维度数据完全缺失，已进入自动补跑但本期不参与排名。所有得分对比显示为“- →
Grok 4以96.65分居首：2026-10-25 Smoke快测数据简报
2026-10-25 赢政指数 Smoke 快测覆盖 14 个模型，Grok 4 以 96.65 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 Sonnet 4.6以89.8分居首：2026-10-24 Smoke快测数据简报
2026-10-24 赢政指数 Smoke 快测覆盖 13 个模型，Claude Sonnet 4.6 以 89.8 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
GPT-6 Luna
100
#2
GLM-4.6
98.2
#3
DeepSeek V4 Pro
97.3
#4
GPT-6 Sol
95.7
#5
GPT-6.1 Sol
94.4
#6
GPT-6 Astra
94.2
#7
Grok 4
93.8
查看完整守约排行 →
Research Lab
WDCD Run #390: Average Instruction Decay Hits -60% Across 15 Models, GPT-6 Luna Leads with Perfect Score
WDCD Run #390 (2026-10-21) tested 15 AI models on multi-turn commitment integrity, recording an aver
4大模型翻译对决：第43周质量评测，gpt-o3 以 8.7 分领跑
本周共翻译 402 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 #384: Grok 4 Leads with 92 Points as Average Instruction Decay Hits -6.4%
WDCD Run #384 (2026-10-18) evaluated 15 frontier models on multi-turn commitment integrity, with Gro