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。
AI评测 相关资讯
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，
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
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。