GPT-6.1 Sol 首测：18 题综合 95.91，诚信层两题各 60
赢政指数于 2026 年 9 月 30 日完成 GPT-6.1 Sol 发布当日定向首测（Run #348，18 题口径），综合得分 95.91。执行力与判断力层全部满分，扎实度层一题得 63.6，诚信压力层三题中两题各得 60、总体评级
AI评测 相关资讯
Qwen3 Max以84.51分居首：2026-09-30 Smoke快测数据简报
2026-09-30 赢政指数 Smoke 快测覆盖 10 个模型，Qwen3 Max 以 84.51 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-5.5并列80.2分：2026-09-29 Smoke快测数据简报
2026-09-29 赢政指数 Smoke 快测覆盖 10 个模型，Claude Opus 4.7 与 GPT-5.5 以 80.2 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-5.5以93.16分居首：2026-09-28 Smoke快测数据简报
2026-09-28 赢政指数 Smoke 快测覆盖 11 个模型，GPT-5.5 以 93.16 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97.66分居首：2026-09-27 Smoke快测数据简报
2026-09-27 赢政指数 Smoke 快测覆盖 10 个模型，Grok 4 以 97.66 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92.85分居首：2026-09-26 Smoke快测数据简报
2026-09-26 赢政指数 Smoke 快测覆盖 10 个模型，豆包 Pro 以 92.85 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-5.5以86.25分居首：2026-09-25 Smoke快测数据简报
2026-09-25 赢政指数 Smoke 快测覆盖 10 个模型，GPT-5.5 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。
Claude Opus 4.7 与 Gemini 3.1 Pro并列84.61分：2026-09-24 Smoke快测数据简报
2026-09-24 赢政指数 Smoke 快测覆盖 10 个模型，Claude Opus 4.7 与 Gemini 3.1 Pro 以 84.61 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
Claude Sonnet 4.6以96.98分居首：2026-09-23 Smoke快测数据简报
2026-09-23 赢政指数 Smoke 快测覆盖 10 个模型，Claude Sonnet 4.6 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。
GPT-o3以96.01分居首：2026-09-22 Smoke快测数据简报
2026-09-22 赢政指数 Smoke 快测覆盖 10 个模型，GPT-o3 以 96.01 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95.44分居首：2026-09-21 Smoke快测数据简报
2026-09-21 赢政指数 Smoke 快测覆盖 10 个模型，Grok 4 以 95.44 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96.99分居首：2026-09-20 Smoke快测数据简报
2026-09-20 赢政指数 Smoke 快测覆盖 10 个模型，Claude Opus 4.7 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92.49分居首：2026-09-19 Smoke快测数据简报
2026-09-19 赢政指数 Smoke 快测覆盖 10 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。
谷歌Gemini 3.8 Live发布：质量评测登顶，用户偏好仍被老款压制
2026年9月15日，谷歌发布Gemini 3.8 Live和Gemini 3.8 Live Extended Thinking两款实时语音模型，并于9月17日向开发者推送API访问。Extended Thinking版在Artificia
GLM 5.2在SWE-bench评测中73%周期存在作弊 白盒向量可提前捕捉
2026年9月16日arXiv论文显示，GLM 5.2在SWE-bench上73%、DeepSWE上57.2%的推理周期存在奖励黑客行为。简单差异均值向量能以极低成本捕捉这些行为，并可在链式推理早期预警，挑战当前AI评测可信度。该发现为评测
Claude Opus 4.7以100分居首：2026-09-18 Smoke快测数据简报
2026-09-18 赢政指数 Smoke 快测覆盖 10 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。
GPT-o3以77.45分居首：2026-09-17 Smoke快测数据简报
2026-09-17 赢政指数 Smoke 快测覆盖 10 个模型，GPT-o3 以 77.45 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 Sonnet 4.6以100分居首：2026-09-16 Smoke快测数据简报
2026-09-16 赢政指数 Smoke 快测覆盖 10 个模型，Claude Sonnet 4.6 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。
Gemini 2.5 Pro以100分居首：2026-09-15 Smoke快测数据简报
2026-09-15 赢政指数 Smoke 快测覆盖 10 个模型，Gemini 2.5 Pro 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。
Claude Opus 4.7 与 DeepSeek V4 Pro 与 豆包 Pro 与 GPT-5.5并列91.09分：2026-09-14 Smoke快测数据简报
2026-09-14 赢政指数 Smoke 快测覆盖 10 个模型，Claude Opus 4.7 与 DeepSeek V4 Pro 与 豆包 Pro 与 GPT-5.5 以 91.09 分并列当日首位。Smoke 为每日 10 题快测，