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 →AI泛滥时代，Apple Music为何强调人手制作
在AI生成内容充斥平台的2026年，Apple Music推出全新品牌视觉，刻意展示人手制作的痕迹。Ars Technica评论指出，这种策略直击“AI slop”泛滥的痛点——当算法可以无限量产内容时，可见的人类参与反而成为稀缺的信任凭证
递归发布Flint：一款几乎由AI自己写代码的笔记本编程模型
初创公司Recursive推出免费编程模型Flint，体积小到可在笔记本上运行，而它的大部分研发工作由公司自研的AI研究系统完成。这被视为“AI自我改进”的一次早期实测：模型不只是写代码工具，也开始参与下一代模型的构建。本文梳理Flint的
Meta AI应用Muse用户破千万，购物成最热场景
Meta在第三季度财报中披露，其AI应用Muse用户规模已突破1000万。公司称用户主要将这款应用用于购物和个人生产力场景，购物成为最活跃的使用行为之一。这一数据标志着Meta将生成式AI推向消费级市场取得阶段性进展，也为其AI商业化路径提
TechCrunch创始人峰会2026：波士顿11月4日与顶级VC面对面
TechCrunch创始人峰会2026将于11月4日在波士顿举办，为期一天。活动面向各阶段创业者，旨在连接顶级风险投资人与资深企业家，围绕公司构建与规模化增长提供可落地的战术洞察。对融资环境趋紧下的创始人而言，这是一次难得的实战交流机会，也
Mistral Large 4发布：1.05万亿参数开源巨兽，欧洲AI主权的最强声明
2026年10月6日，Mistral AI发布旗舰模型Mistral Large 4公测预览版，代号"le Chonk"。该模型采用混合专家架构，总参数量1.05万亿，在DeepSWE v1.1编程基准上以61.7%领先DeepSeek-V
OpenAI三款GPT-6模型登陆谷歌云，大模型去绑定时代正式开启
2026年10月21日，OpenAI宣布与谷歌云达成合作，将GPT-6 Astra、GPT-6.1 Sol、GPT-6 Luna三款旗舰模型及Codex智能体工作流引入谷歌云Model Garden。这是继今年4月登陆AWS Bedrock
OpenAI新模型登陆谷歌云，多云格局成形
据Ars Technica报道，Google Cloud将在未来几周内上线OpenAI的GPT 6.1 Astra、Sol与Luna三款模型。这意味着OpenAI的旗舰能力首次成体系地进入竞争对手的云平台，也标志着其多云战略从算力采购延伸到
亚马逊封杀AI代理，沃尔玛却敞开AI购物大门
当亚马逊筑起高墙阻止AI代理在其平台购物时，沃尔玛选择了截然相反的道路。沃尔玛最新推出的技术允许AI代理代表顾客完成购买，并配有支出上限和交易审批等控制机制。两大零售巨头的分歧，折射出AI代理购物时代渠道控制权与商业模式的深层博弈。
Claude Sonnet 4.6 Smoke评测主榜暴跌16.9分，材料约束单日跌30分
Claude Sonnet 4.6今日Smoke评测主榜从80.99分跌至64.13分，暴跌16.9分，其中材料约束从88.30分跌至58.30分，单日下降30分，代码执行下降6.1分。
Gemini 3.1 Pro材料约束暴跌16.7分，代码执行反升27分
Gemini 3.1 Pro今日Smoke评测主榜升至90.84分，但材料约束从100分跌至83.3分，代码执行从70分升至97分。单日10题快测下，维度波动是否反映真实能力变化值得分析。
GPT-5.5以96.1分居首：2026-10-22 Smoke快测数据简报
2026-10-22 赢政指数 Smoke 快测覆盖 14 个模型，GPT-5.5 以 96.1 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。
“这不是演习”：PHP严重漏洞威胁数百万网站
PHP基金会披露两个严重安全漏洞，可能波及全球数百万依赖PHP运行的网站。安全专家警告，修补窗口期极短，未能及时更新系统可能造成大规模数据泄露甚至远程代码执行。本文梳理漏洞影响、行业反应与紧急应对建议。
深度横评
查看全部 →Claude Sonnet 4.6 Smoke评测主榜暴跌16.9分，材料约束单日跌30分
Claude Sonnet 4.6今日Smoke评测主榜从80.99分跌至64.13分，暴跌16.9分，其中材料约束从88.30分跌至58.30分，单日下降30分，代码执行下降6.1分。
Gemini 3.1 Pro材料约束暴跌16.7分，代码执行反升27分
Gemini 3.1 Pro今日Smoke评测主榜升至90.84分，但材料约束从100分跌至83.3分，代码执行从70分升至97分。单日10题快测下，维度波动是否反映真实能力变化值得分析。
GPT-5.5以96.1分居首：2026-10-22 Smoke快测数据简报
2026-10-22 赢政指数 Smoke 快测覆盖 14 个模型，GPT-5.5 以 96.1 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