Real-SWE基准曝光：Fable 5.1私有代码解决率仅38.8%
Specific Labs发布Real-SWE基准，测试前沿模型在真实私有企业代码库上的表现。Fable 5.1以38.8%领跑，GPT-6 Astra为33.8%，Gemini 3.8 Flash为31.2%。六成任务所有模型通过率低于1
AI评测 相关资讯
Grok 4以87分居首：2026-09-13 Smoke快测数据简报
2026-09-13 赢政指数 Smoke 快测覆盖 10 个模型，Grok 4 以 87 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83.94分居首：2026-09-12 Smoke快测数据简报
2026-09-12 赢政指数 Smoke 快测覆盖 10 个模型，豆包 Pro 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95.28分居首：2026-09-11 Smoke快测数据简报
2026-09-11 赢政指数 Smoke 快测覆盖 10 个模型，豆包 Pro 以 95.28 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3亿美元领投UniPat AI估值25亿 AI评测赛道首现巨头资本押注
2026年9月10日彭博社报道，阿里巴巴领投UniPat AI 3亿美元融资，估值达25亿美元，腾讯与洪泰跟投。UniPat创始人李宽曾任职阿里通义实验室，核心业务为大模型能力评测与压测基准。此轮融资标志中国科技巨头将AI评测从成本中心转为
Gemini 3.1 Pro以98.35分居首：2026-09-10 Smoke快测数据简报
2026-09-10 赢政指数 Smoke 快测覆盖 10 个模型，Gemini 3.1 Pro 以 98.35 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89.91分居首：2026-09-09 Smoke快测数据简报
2026-09-09 赢政指数 Smoke 快测覆盖 10 个模型，豆包 Pro 以 89.91 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。
Claude Sonnet 4.6 与 Grok 4并列86.25分：2026-09-08 Smoke快测数据简报
2026-09-08 赢政指数 Smoke 快测覆盖 11 个模型，Claude Sonnet 4.6 与 Grok 4 以 86.25 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。
Gemini 3.8 Flash发布：性价比逼近Claude Opus 5，谷歌用Flash系列打一场速度战
北京时间9月3日，谷歌发布Gemini 3.8 Flash及Gemini 3.8 Flash Cyber两款新模型。前者在DeepSWE v1.1长周期软件工程测试中得分73.7%，以远低于Claude Opus 5的价格实现接近的编程性能
DeepSeek V4 Pro 与 Gemini 3.1 Pro 与 GLM-4.6并列83.49分：2026-09-07 Smoke快测数据简报
2026-09-07 赢政指数 Smoke 快测覆盖 11 个模型，DeepSeek V4 Pro 与 Gemini 3.1 Pro 与 GLM-4.6 以 83.49 分并列当日首位。Smoke 为每日 10 题快测，适合观察短期信号，不
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。
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