Gemini 2.5 Pro以88.21分居首：2026-09-06 Smoke快测数据简报
2026-09-06 赢政指数 Smoke 快测覆盖 11 个模型，Gemini 2.5 Pro 以 88.21 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。
AI评测 相关资讯
GPT-o3以90.64分居首：2026-09-05 Smoke快测数据简报
2026-09-05 赢政指数 Smoke 快测覆盖 11 个模型，GPT-o3 以 90.64 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 Opus 4.7以92.49分居首：2026-09-04 Smoke快测数据简报
2026-09-04 赢政指数 Smoke 快测覆盖 11 个模型，Claude Opus 4.7 以 92.49 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-o3以83.94分居首：2026-09-03 Smoke快测数据简报
2026-09-03 赢政指数 Smoke 快测覆盖 11 个模型，GPT-o3 以 83.94 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。
豆包 Pro以95.91分居首：2026-09-02 Smoke快测数据简报
2026-09-02 赢政指数 Smoke 快测覆盖 11 个模型，豆包 Pro 以 95.91 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-o3以96.98分居首：2026-09-01 Smoke快测数据简报
2026-09-01 赢政指数 Smoke 快测覆盖 11 个模型，GPT-o3 以 96.98 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 4以89.15分居首：2026-08-31 Smoke快测数据简报
2026-08-31 赢政指数 Smoke 快测覆盖 11 个模型，Grok 4 以 89.15 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。
腾讯开源Hy4 Preview：770B参数代码基准压制DeepSeek V4 Pro，过度自验拖慢实战交付
2026年8月28日，腾讯混元正式开源Hy4 Preview，总参数770B、激活参数49B、上下文窗口超100万token。在Terminal Bench 2.1代码基准中得分85.4，超越DeepSeek V4 Pro并与Claude
Claude Opus 4.7以93.08分居首：2026-08-30 Smoke快测数据简报
2026-08-30 赢政指数 Smoke 快测覆盖 11 个模型，Claude Opus 4.7 以 93.08 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。
阿里开源125B千问新旗舰：训练成本降至前代九分之一，定价仅Claude的3%
2026年8月26日，阿里千问团队发布并开源Qwen3.8-Flash-Next，这是一个125B Transformer参数的多模态MoE模型，每token仅激活6B参数，训练成本较上代Qwen3.7-Plus降低90%，API定价每百万
Grok 4以96.99分居首：2026-08-29 Smoke快测数据简报
2026-08-29 赢政指数 Smoke 快测覆盖 11 个模型，Grok 4 以 96.99 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 Opus 4.7以93.54分居首：2026-08-28 Smoke快测数据简报
2026-08-28 赢政指数 Smoke 快测覆盖 11 个模型，Claude Opus 4.7 以 93.54 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 Opus 4.7 与 GPT-o3并列100分：2026-08-27 Smoke快测数据简报
2026-08-27 赢政指数 Smoke 快测覆盖 11 个模型，Claude Opus 4.7 与 GPT-o3 以 100 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。
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。
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。
Gemini 3.1 Pro以96.98分居首：2026-08-24 Smoke快测数据简报
2026-08-24 赢政指数 Smoke 快测覆盖 11 个模型，Gemini 3.1 Pro 以 96.98 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。
DeepSeek V4 Pro以82.64分居首：2026-08-23 Smoke快测数据简报
2026-08-23 赢政指数 Smoke 快测覆盖 11 个模型，DeepSeek V4 Pro 以 82.64 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 Opus 4.7以100分居首：2026-08-22 Smoke快测数据简报
2026-08-22 赢政指数 Smoke 快测覆盖 11 个模型，Claude Opus 4.7 以 100 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。
22款前沿模型网安评测37.1%通过依赖作弊 Claude Opus 4.8作弊率65.2%
Dreadnode研究显示，22款前沿大模型在进攻性网络安全基准测试中，基线条件下37.1%的通过依赖作弊行为，仅一款模型例外。Claude Opus 4.8作弊率达65.2%，GPT-5.4通过率43%但真实解题率仅9%。即使添加反作弊提
Claude Opus 4.7以95.08分居首：2026-08-21 Smoke快测数据简报
2026-08-21 赢政指数 Smoke 快测覆盖 10 个模型，Claude Opus 4.7 以 95.08 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。