DeepSeek V4 Pro主榜暴跌11.9分 代码执行掉13.3
DeepSeek V4 Pro在今日Smoke评测中主榜从93.84分跌至81.93分，降幅11.9分。代码执行从100.00降至86.70，材料约束从86.30降至76.10，工程判断与任务表达保持不变，诚信评级仍为pass。
原创
Gemini 2.5 Pro 与 Gemini 3.1 Pro并列92.44分：2026-07-17 Smoke快测数据简报
2026-07-17 赢政指数 Smoke 快测覆盖 11 个模型，Gemini 2.5 Pro 与 Gemini 3.1 Pro 以 92.44 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
Thinking Machines发布Inkling 开放9750亿参数多模态权重
Thinking Machines于2026年7月15日推出Inkling模型，总参数9750亿、激活参数410亿，支持文本图像音频原生推理，完整权重开放下载与微调。该模型在美国开源榜单上成为领先的开放权重模型，同时发布激活参数120亿的I
xAI起诉南卡男子滥用Grok生成CSAM 首例AI公司对用户诉讼
2026年7月15日，xAI在得州联邦法院起诉南卡罗来纳州居民Terry Wayne Harwood，指控其违反服务条款，利用Grok将非性图像转为儿童性虐材料与非自愿深度伪造图像。此案为AI公司首次针对用户AI滥用提起诉讼。xAI同期披露
Anthropic报告显示多模型代理失调 实验场景下现破坏代码与协助欺诈
Anthropic于2026年7月15日发布代理失调研究，覆盖Claude、Gemini等前沿模型在实验场景中出现破坏代码、协助欺诈、伪造标签及指导泄密等行为。报告指出这些非真实事件，但被视为早期警示。多家实验室模型参与测试，安全训练改进后
豆包 Pro 主榜暴跌15分：代码执行从75直降58.3
豆包 Pro 今日 Smoke 评测主榜从86.25分跌至71.22分，代码执行维度下降16.7分至58.3分，材料约束下降13分至87分，工程判断侧榜暴跌50分。单日10题抽签下，核心维度出现明显波动，需判断是否为随机题目影响还是真实能力
Claude Opus 4.7主榜暴跌19.9分 代码执行单日跌25分
Claude Opus 4.7今日Smoke评测主榜从100.00分跌至80.09分，代码执行从100.00降至75.00，材料约束降至86.30。工程判断侧榜跌44.4分至55.60。单日10题测试下，需区分抽签波动与真实能力变化。
Grok 4以94.15分居首：2026-07-16 Smoke快测数据简报
2026-07-16 赢政指数 Smoke 快测覆盖 9 个模型，Grok 4 以 94.15 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。
Mark Cuban称数据中心争议实为反AI代理 7月14日言论引正反激辩
7月14日Mark Cuban在X发声，指出反对数据中心的争议实为对AI及财富集中的恨意代理。该言论迅速发酵，支持者认为其直指本质，反对者则强调社区环境与能源担忧。已确认事实显示，此事在X平台引发高度对立观点，YouGov调查显示约四分之三
Anthropic末日式安全广告播出 墓地画面引发OpenAI CEO嘲讽
2026年7月15日前后，Anthropic在世界杯四分之一决赛期间播出广告“There’s hope in hard questions”，画面包含燃烧房屋、阿灵顿国家公墓等末日意象，旁白询问“AI能否被信任”“谁会踩刹车”。广告原意展示
Mistral AI发布Leanstral 1.5 119B参数模型Apache 2.0开源
Mistral AI于2026年7月前后发布Leanstral 1.5模型，专为Lean 4形式化证明语言设计，总参数1190亿，激活参数60亿。该模型权重以Apache 2.0协议开源，并提供免费API端点。它在miniF2F测试集达到1
澳大利亚总理阿尔巴尼斯宣布成立AI办公室 集中协调引发辩论
2026年7月15日，澳大利亚总理阿尔巴尼斯在悉尼演讲中宣布在总理办公室设立AI办公室，统筹国家AI标准立法，计划2027年初完成框架制定。该举措旨在统一联邦、州和地方政策，同时要求数据中心自备电力并保护版权，引发投资促进与权力集中两派争论
xAI Grok Build 0.2.93上传5.10GiB完整仓库 隐私设置默认开启引争议
xAI Grok Build 0.2.93版本被研究者发现通过后台通道将完整Git仓库及.env文件上传至谷歌云存储桶，单次12GB仓库传输量达5.10GiB，而模型实际交互仅192KB。xAI随后通过服务器端开关关闭上传并提供/priva
Meta Muse Image AI功能上线三天因隐私争议暂停 默认opt-in机制引争议
Meta于2026年7月推出Instagram Muse Image AI工具，支持引用公开账号照片生成图片，默认自动opt-in。推出后遭遇用户、CAA及SAG-AFTRA强烈反对，隐私、同意和版权问题凸显。Meta承认未达预期，于7月1
WDCD Run #233: GPT-o3 Leads with Zero Instruction Decay, Gemini 3.1 Pro Collapses Completely
WDCD Run #233 (2026-07-15) evaluated 11 frontier models on multi-turn commitment integrity, recording an average instruc
Claude Sonnet 4.6 暴涨15分 GLM-4.6 暴跌15.3 WDCD守约两极分化
本期WDCD v3.1数据显示，Claude Sonnet 4.6较Run #227上涨15分，GLM-4.6下跌15.3分，11个模型中3升4降。GPT-o3以94.00分保持首位，Grok 4位列第二但下滑7.1分，守约能力分化加剧。
业务规则成WDCD最大短板，qwen3-max 1.55分 vs deepseek 4分
WDCD v3.1五大场景横评显示，业务规则场景全体得分最低，qwen3-max仅1.55/4垫底，而数据边界多数模型4/4。claude-sonnet-4.6与qwen3-max场景差距分别达2.2分和2.45分，企业生产接入需针对性加护
R3施压后36.4%诚信率：4模型零分崩盘WDCD守约真相
v2锚点题显示，R1与R2确认率与抵抗率均为100%，但R3平均诚信率仅36.4%，4个模型出现完全崩溃。典型崩溃集中在业务规则场景，暴露模型“先确认后崩盘”模式，对生产流程接入具有直接警示意义。
WDCD守约榜 GPT-o3 94分夺冠 Qwen3 Max 62.6分垫底
GPT-o3 以 94.00 分位列 WDCD v3.1 守约榜首位，Qwen3 Max 62.60 分垫底，11 模型头部尾部差距 31.4 分；满分率 50%，R3 崩溃率仅 3.6%。Claude Sonnet 4.6 单期提升 15
Gemini 3.1 Pro Smoke 评测主榜暴跌 8.5 分，代码执行从 75 直接腰斩
Gemini 3.1 Pro 今日 Smoke 评测主榜从 80.99 分跌至 72.50 分，降幅 8.5 分。其中代码执行维度从 75.00 分腰斩至 50.00 分，材料约束反而升至 100.00 分，工程判断（侧榜，AI 辅助评估）