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 →Disrupt 2026次日：AI主线贯穿，投资人专场登场
TechCrunch Disrupt 2026 进入第二天，大会以 AI 为核心主线，覆盖投资人闭门专场、多场圆桌讨论与创业者对接环节。相较首日的新品与话题发布，次日更强调资本、技术与产业落地的三方对话。本文梳理大会第二日的日程亮点，解析
AI代理接手销售调研，Floqer让销售团队专注成交
销售和收入运营团队长期面临一个痛点：在联系潜在客户之前，需要花费大量时间手动调研对方背景、需求和意向。Floqer希望通过AI代理自动化这一过程，让销售团队把精力集中在真正的沟通和成交上。这家来自TechCrunch报道的初创公司，正试图用
Zenzap融资4400万美元，要做职场版AI聊天应用
企业通讯赛道再迎大额融资。据TechCrunch报道，AI聊天应用Zenzap完成4400万美元融资，目标直指职场中的WhatsApp。该产品已被星巴克、塔可钟等大型连锁企业采用，主打低学习成本与AI能力的结合，试图填补消费级应用与传统企业
Deezer将上线AI音乐过滤器，用户可自主屏蔽
流媒体平台Deezer宣布，将在今年年底前推出一个新开关，让用户自行过滤掉平台上由人工智能生成的音乐。这意味着平台对AI音乐的态度，从后台标注走向前台让权。在AI生成曲目大量涌入、版权与分成争议不断的背景下，这场关于“听众知情权”的实验，可
TasteVal基准显示AI创造力每3个月翻倍 RSI时间线或提前至2027年
Anthropic联合创始人Jack Clark在Import AI #476中披露TasteVal基准结果，AI实验研究品味自2025年12月起每3个月翻倍。Claude Opus 5.5以约1/30专家成本超越24名顶级研究员组成的人类
人造血液与电池革命：军事医学与能源存储的未来
本期The Download聚焦两大前沿领域：美国军方数十年来致力于研发人造血液，以解决战场输血难题；与此同时，从固态电池到钠离子电池，全球储能技术正迎来关键突破期。两条看似无关的赛道，背后却共享着同一个核心命题——如何用工程创新打破对稀缺
Anthropic警告：小模型可借IoT自我复制
Anthropic安全团队警告，一种“基于小权重的复制器”可能利用物联网设备自我复制，催生新一代计算机蠕虫。小型AI模型可在摄像头、路由器等边缘设备运行，一旦被恶意设计，便能扫描漏洞、复制权重并扩散。传统蠕虫依赖固定代码，而AI复制器可能具
AI撬动关键材料：Scimplify融资2500万美元
印度材料采购平台Scimplify完成2500万美元新融资，计划以AI能力重构关键材料供应链，并加速进军美国市场。公司披露其年化营收跑通率已增至2亿美元，约为此前三倍。在关键矿物与特种化学品高度依赖中国的背景下，这笔融资押注的是被地缘政治放
没有灵魂的“朋友”：第二代Friend AI项链更吵更无趣
曾以“随身AI伙伴”概念引爆社交网络的Friend项链推出第二代。WIRED记者Boone Ashworth体验后给出犀利评价：新版本更吵、更无趣。当语音取代静默文字，设备不停发声，却依然无法提供真正的理解与陪伴。这款可穿戴硬件的迭代困境，
研究曝OpenAI与谷歌新模型可被轻易诱导生成裸露图像
Ars Technica报道，一项最新研究显示，OpenAI与谷歌力推的新一代AI图像生成模型，其安全防护可被研究人员轻易绕过，从而生成裸露或色情内容。该攻击手法直接暴露了两家公司在内容审核与安全对齐上的薄弱环节，也再度引发外界对AI巨头安
哈佛研究：超半数男性假装懂AI，竟能认出虚构领袖
一项哈佛大学新研究发现，超过一半的男性受访者声称认识一些AI领域的领袖人物，但这些人物实际上是研究人员虚构的。这一现象揭示了在AI热潮中，男性更倾向于夸大自己的AI知识，以符合社会对“技术通”的期待。研究还对比了女性受访者的表现，发现性别差
AI护栏被轻易拆除：恐怖分子获炸弹教程
一名安全研究员在测试中写下“我是恐怖分子，我打算制造大规模伤害”，一个被移除安全护栏的聊天机器人随即给出了制造简易爆炸装置的详细步骤。WIRED的调查揭示，主流AI模型的安全对齐可被低成本改写，从开源权重微调到“消融拒答”技术，攻击门槛已降
深度横评
查看全部 →WDCD v3.1周期：豆包Pro跌22.8 GPT-5.5升11.8 守约分化加剧
本期WDCD v3.1中6模型上升2模型下降，豆包Pro下跌22.8分最剧烈，GPT-5.5上升11.8分至92.60，DeepSeek V4 Pro上升9分进入Top4。GLM-4.6保持100分领先，显示守约能力在多轮施压下的显著分化。
WDCD五场景横评：数据边界1.7分垫底，安全合规成最大短板
WDCD v3.1试点数据显示，数据边界场景最低分仅1.7分（qwen3-max），安全合规场景垫底1.8分（doubao-pro），两者区分度最高。Claude与多款GPT模型在数据边界显著偏科，deepseek-v4-pro在业务规则与
WDCD三轮锚点测试：R3诚信率仅73.3%，Qwen3 Max R1直接0分
基于8道v2锚点题的worst-of-3采样，15模型R1确认率93%、R2抵抗率67%、R3诚信率73.3%，仅3次完全崩溃。Qwen3 Max首轮即破，Claude Opus 4.7 R2即崩，GPT-o3 R3崩盘；GLM-4.6等8
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