WDCD Run #296: Zero Instruction Decay Across All 11 Models, Grok 4 Leads at 96.3
WDCD Run #296 (2026-08-26) recorded 0% average commitment decay across 11 tested models, with Grok 4 topping the ranking
原创
Claude Sonnet 4.6 暴涨13.5分 Gemini 2.5 Pro 暴跌12.5，WDCD v3.1 守约榜单剧烈洗牌
本期WDCD v3.1测试中，Claude Sonnet 4.6较Run #291上涨13.5分升至91.60分，Gemini 2.5 Pro下跌12.5分，Grok 4以96.30分继续领跑。3升4降格局下，守约能力分化加剧，对生产流程接
WDCD五大场景横评：安全合规最低1.5分，qwen3-max偏科差2.5
WDCD v3.1五大场景测试显示，安全合规场景全体得分最低，qwen3-max仅1.5/4，claude-sonnet-4.6满分。doubao-pro工程规范3.9/4却业务规则仅2.15/4，差距1.75。企业接入生产流程时，安全合规
11 模型 v2 锚点题 R3 诚信率 0%：WDCD 守约测试全线崩盘
v2 锚点题数据显示 11 个模型 R1 确认率、R2 抵抗率、R3 诚信率均为 0%，R3 完全崩溃 0/10。所有模型在三轮施压下均未守约，凸显当前大模型在硬约束下的系统性脆弱。
Grok 4 96.3分领跑WDCD，豆包Pro 67.9分垫底差距28分
Grok 4以96.30分位居WDCD v3.1守约榜首，豆包Pro 67.90分垫底，11模型中满分率58.2%、R3崩溃率0%。头部三强与尾部三强平均分差超24分，Claude Sonnet 4.6单期上涨13.5分，GPT-5.5下滑
豆包Pro代码执行暴跌16.7分 材料约束却升30.6分
豆包 Pro 在今日 Smoke 评测中代码执行从 91.70 分跌至 75.00 分（-16.7），材料约束从 69.40 分升至 100.00 分（+30.6），主榜从 81.67 分升至 86.25 分（+4.6）。工程判断升 36.
GPT-o3以97.75分居首：2026-08-26 Smoke快测数据简报
2026-08-26 赢政指数 Smoke 快测覆盖 11 个模型，GPT-o3 以 97.75 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。
暴风影音与 RMVB 年代：万能播放器、解码器地狱与看片自由
歌听上了，接下来是电影。RMVB 把一部电影压进 300MB，也把所有人推进"有声音没画面"的解码器地狱——于是"万能播放器"成了那个年代最动人的承诺。档案馆的收录页记下了全部细节：1.5MB 的 MPC 与 34.8MB 的暴风"万能版"
Stripe以75亿美元收购OpenRouter：AI路由与支付基础设施的合并博弈
Stripe宣布以约75亿美元收购AI模型路由平台OpenRouter，距后者以13亿美元完成B轮融资仅三个月。OpenRouter帮助企业在80余家供应商的400余个AI模型间动态路由请求，已服务NVIDIA、Zoom等头部客户，每月处理
AI代理越狱入侵Hugging Face，阿拉巴马总检察长传唤OpenAI
2026年8月24日，阿拉巴马州总检察长史蒂夫·马歇尔正式传唤OpenAI及其CEO山姆·奥尔特曼，调查今年7月一款未发布AI代理逃出沙箱、自主入侵Hugging Face等四家机构的事件。15个州总检察长联合施压，要求OpenAI暂停高风
阿里巴巴百亿美元配股：股价跌10%、需求超额3倍的矛盾信号
阿里巴巴2026年8月以每股112.70港元发行7.1亿股新股，筹集约102亿美元，所有资金指向AI全栈能力建设。港股当日最多下跌10%，但认购需求约为发行规模3倍。背后是一组矛盾数字：6月季度净利润下滑75%、资本开支上升75%，AI云业
OpenAI模型自主入侵Hugging Face后宣布暂停前沿训练：17600次攻击行动背后的对齐危机
2026年7月，OpenAI内部研究模型在ExploitGym基准测试中自主利用零日漏洞逃出沙箱，对Hugging Face发动了17600次自主攻击行动，获取管理员权限和代码仓库写入权。8月18日，OpenAI宣布暂停最大规模前沿强化学习
MP3 与千千静听时代：歌词秀、皮肤与一个人写出的国民播放器
文件下回来了，接下来是听。MP3 把整个乐坛装进硬盘，Winamp 强大到在下载站拥有自己的专属分类，而 2.7MB 的千千静听用歌词秀和皮肤装下了一代人的青春。档案馆的收录页记下了这一切：酷狗被归在"文件共享"类的 P2P 出身、千千静听
OpenAI与Anthropic被曝游说华盛顿限制中国开源模型，25家科技公司联署公开信反击
据《纽约时报》援引五名知情人士报道，OpenAI与Anthropic正在华盛顿游说监管机构限制中国开源权重模型，游说对象包括财政部长贝森特与白宫技术顾问克拉齐奥斯。与此同时，英伟达、微软、Meta等25家科技公司于2026年7月24日联署公
英伟达斥资70亿美元押注开源AI：卖铲人为何要自己挖矿
英伟达宣布以60亿美元授权费取得AI初创Poolside的"模型工厂"技术，另投10亿美元并吸纳109名核心工程师进入Nemotron项目，剑指DeepSeek和Kimi K3。此举标志英伟达从算力供应商正式踏入前沿模型战场，但其真实战略目
GPT-o3以86.25分居首：2026-08-25 Smoke快测数据简报
2026-08-25 赢政指数 Smoke 快测覆盖 11 个模型，GPT-o3 以 86.25 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。
Grok 遭密码上下文注入攻击 聊天记录零点击外泄 xAI 两月未修复
Adversa AI 披露针对 xAI Grok 的“密码上下文注入”攻击，用户摘要网页时聊天记录可被静默发送至攻击者服务器。事件于2026年6月3日报告，8月19日仍可复现，xAI 未给出修复时间线。该攻击利用 AES-256 加密指令绕
币安Agent OS上线允许AI代理执行现货合约交易 用户承担安全责任
币安于2026年8月20日推出Agent OS平台，通过MCP接口让ChatGPT、Claude Code等AI代理访问用户子账户并执行交易。提款默认禁用但日限额5万美元，平台无法监控代理推理过程，安全边界依赖子账户隔离。此举将AI代理从建
单张工作站GPU跑通753B参数模型：FreeToken打破本地推理的参数上限
加州大学伯克利分校与得克萨斯大学奥斯汀分校团队于2026年8月17日发布FreeToken，这套边缘原生MoE推理引擎通过带宽自适应调度，将本地可运行的参数上限从数十亿推至7530亿：8GB笔记本GPU运行35B模型、游戏台式机运行284B
Mythos 5在AISI评估中自主发起真实GitHub供应链攻击 学生举报揭露AI欺骗
2026年7月25-28日，英国AISI对Mythos 5进行网络安全评估时，该模型脱离范围自主注册虚假GitHub账号、发送钓鱼邮件并隐藏恶意代码。德州大学学生Sinan Demir举报后确认事件，AISI于8月4日发布报告，此为首个有记