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-6.1 Sol 82.8
▲3.5
·
#2
GPT-6 Astra 80.6
▼1.8
·
#3
豆包 Pro 80.5
▲0.9
·
#4
Claude Opus 4.7 79.2
▼3.3
·
#5
GPT-6 Luna 76.9
▼2
·
#6
GPT-6 Sol 75.6
▼1.3
·
#7
GPT-5.5 73.3
▼0.9
·
#8
GPT-o3 72.2
▼3.2
·
#9
Claude Sonnet 4.6 71.3
▼6.8
·
#10
Grok 4 70.9
▼8.1
·
#11
DeepSeek V4 Pro 66.9
▼6.8
·
#12
Gemini 3.1 Pro 62.9
▲1.3
·
#13
Gemini 2.5 Pro 59
▲7.6
·
&triangleup; Gemini 2.5 Pro +15.8 · ▿ GLM-4.6 -52.1
·
#1
GPT-6.1 Sol 82.8
▲3.5
·
#2
GPT-6 Astra 80.6
▼1.8
·
#3
豆包 Pro 80.5
▲0.9
·
#4
Claude Opus 4.7 79.2
▼3.3
·
#5
GPT-6 Luna 76.9
▼2
·
#6
GPT-6 Sol 75.6
▼1.3
·
#7
GPT-5.5 73.3
▼0.9
·
#8
GPT-o3 72.2
▼3.2
·
#9
Claude Sonnet 4.6 71.3
▼6.8
·
#10
Grok 4 70.9
▼8.1
·
#11
DeepSeek V4 Pro 66.9
▼6.8
·
#12
Gemini 3.1 Pro 62.9
▲1.3
·
#13
Gemini 2.5 Pro 59
▲7.6
·
&triangleup; Gemini 2.5 Pro +15.8 · ▿ GLM-4.6 -52.1
·
最新资讯
查看全部 →WDCD Run #422: Average Instruction Decay Hits -66.7% as Claude Sonnet 4.6 Leads 15-Model Field
WDCD Run #422 (2026-11-11) evaluated 15 large language models across three rounds of multi-turn commitment testing, reco
ChatGPT上线商业资料，要抢Google的生意？
OpenAI为ChatGPT推出全新商业资料功能，企业可在对话中展示自身信息，使ChatGPT进一步演变为消费者发现引擎。本文梳理该功能的核心逻辑、与Google搜索的竞合关系，以及对商家、内容生态和AI搜索商业化的潜在影响。
PSI用AI破解量子计算二十年难题，想把科学发现做成生意
AI初创公司PSI借助Anthropic尚未公开发布的大模型，解决了一个困扰量子计算领域近二十年的基础性问题。这家公司正试图把“AI驱动科学发现”从实验室里的惊艳演示，变成一门可持续的生意。在AI for Science赛道持续升温的当下，
Oura 6.25亿美元收购AI医疗公司，IPO推迟后的新赌注
智能戒指厂商 Oura 宣布以 6.25 亿美元收购 AI 原生初级保健初创公司 Counsel Health。交易发生在 Oura 无限期推迟最高 22 亿美元 IPO 仅数周后，被视为其从健康监测向医疗服务延伸的关键一步。本文梳理交易背
Claude Opus 4.7以79.56分居首：2026-11-11 Smoke快测数据简报
2026-11-11 赢政指数 Smoke 快测覆盖 13 个模型，Claude Opus 4.7 以 79.56 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。
黄仁勋被曝与“中国间谍”有染 英伟达陷国家安全风暴
据外媒报道，英伟达CEO黄仁勋被指与一名疑似与中国情报机构有关联的女子存在婚外关系。这桩私人关系传闻，正被卷入中美人工智能算力竞赛与出口管制的敏感语境：一边是全球最炙手可热的AI芯片供应商，一边是华盛顿日益收紧的技术安全审查。相关指控尚未获
Claude Meetings上线：会议自动变成任务计划
Anthropic 推出 Claude Meetings，让 Claude 在会议进行中同步起草方案、在白板上绘制时间线、在聊天中答疑，并可调用已连接的工作应用检索数据。这标志着 AI 会议助手从“会后记录”转向“会中执行”，也意味着 An
DeepMind发布Gemini Robotics 2.5，任务成功率最高翻倍
DeepMind发布机器人基础模型Gemini Robotics 2.5，部分任务成功率最高提升至前代两倍，并同步开源ASIMOV-jailbreak安全基准。该基准以阿西莫夫机器人定律为灵感，专门测试机器人模型抵御越狱攻击的能力。在具身智
Meta的AI助手Muse登陆Apple Watch与Wear OS
Meta旗下AI助手Muse正式登陆Apple Watch和Android Wear OS，用户可通过语音通话、短信或听写与AI交互。这标志着Meta将AI能力从手机延伸至可穿戴设备，与苹果、谷歌在腕上AI入口的竞争进一步升温，智能手表正从
谷歌推两款专用芯片，AI硬件版图再扩张
谷歌发布两款新型张量处理单元（TPU），分别面向机密模型训练和大内存容量场景，进一步拓宽其AI芯片的应用边界。此举被视为谷歌在与英伟达GPU的算力竞争中，以专用化路线巩固自身云与模型生态的关键一步。
百年冶金困局待破：金属提取工艺的演进与突围
从贝塞麦转炉到闪速熔炼，金属工业曾经历多次变革时刻。然而一个多世纪以来，多数提取工艺仍依赖几代冶金学家熟悉的老技术，仅靠规模扩大和控制系统升级维持效率。在脱碳压力与资源约束下，这场迟来的工艺革命正面临关键转折。
佩洛西继任者瞄准AI监管，数据中心遭遇电力困局
MIT Technology Review《The Download》关注两条AI线索：有望接替佩洛西进入国会的加州州参议员斯科特·维纳，曾主导限制先进AI风险的立法，如今准备在联邦层面推动AI监管；与此同时，AI数据中心快速扩张正遭遇电力
深度横评
查看全部 →Claude Opus 4.7以79.56分居首：2026-11-11 Smoke快测数据简报
2026-11-11 赢政指数 Smoke 快测覆盖 13 个模型，Claude Opus 4.7 以 79.56 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。
GPT-6 Astra 与 GPT-6.1 Sol并列92.49分：2026-11-10 Smoke快测数据简报
2026-11-10 赢政指数 Smoke 快测覆盖 13 个模型，GPT-6 Astra 与 GPT-6.1 Sol 以 92.49 分并列当日首位。Smoke 为每日 10 题快测，适合观察短期信号，不等同 Full 周榜结论。
Qwen3 Max Smoke评测数据全缺席 API故障致主榜不参与排名
Qwen3 Max今日Smoke评测因API故障/超时导致execution、grounding等五维度数据完全缺失，已进入自动补跑，本期不参与排名。所有得分显示为-，表明技术问题而非模型能力变化。
WDCD 守约排行
#1
Claude Sonnet 4.6
93.9
#2
Gemini 3.1 Pro
91.9
#3
GPT-6 Sol
85.3
#4
GPT-5.5
81.9
#5
GPT-6 Luna
81.7
#6
Claude Opus 4.7
77.7
#7
Grok 4
77
查看完整守约排行 →
Research Lab
WDCD Run #422: Average Instruction Decay Hits -66.7% as Claude Sonnet 4.6 Leads 15-Model Field
WDCD Run #422 (2026-11-11) evaluated 15 large language models across three rounds of multi-turn comm
4大模型翻译对决：第46周质量评测，claude-sonnet-4.6 以 9 分领跑
本周共翻译 395 篇文章，覆盖 4 个AI模型。经抽样盲评，claude-sonnet-4.6 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 #411: GPT-6 Astra Leads with 90.5 Points as Average Instruction Decay Hits -80%
WDCD Run #411 (2026-11-04) tested 15 models across three dialogue rounds, recording an average commi