GLM-4.6 Smoke测试材料约束71.90分 代码执行与诚信维度双缺
GLM-4.6今日Smoke评测因API故障导致代码执行与诚信维度缺失，仅材料约束71.90分、工程判断63.90分、任务表达50.00分，主榜不参与排名。单日10题测试波动属正常，但缺失维度指向接口层面问题而非模型能力退化。
AI测评
豆包 Pro Smoke 评测全维度数据缺失 API 故障导致本期缺席主榜
豆包 Pro 今日 Smoke 评测因 API 故障/超时导致 execution、grounding 等五维度数据完全缺失，已触发自动补跑，本期不参与主榜排名。无昨日对比得分可供分析，核心判断为技术层异常而非模型能力退化。
Claude Sonnet 4.6 与 DeepSeek V4 Pro并列92.17分：2026-08-06 Smoke快测数据简报
2026-08-06 赢政指数 Smoke 快测覆盖 9 个模型，Claude Sonnet 4.6 与 DeepSeek V4 Pro 以 92.17 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
GPT-o3涨9.5分逆袭，GLM-4.6暴跌14.9，WDCD守约榜5模型洗牌
本期WDCD v3.1测试中，GPT-o3上升9.5分、Gemini 2.5 Pro上升7.6分，GLM-4.6下降14.9分、Claude Sonnet 4.6下降10.8分。Grok 4以97.50分保持首位，11模型中3降2升，守约能
WDCD横评：安全合规场景最低1.8分，工程规范集体4分满分
WDCD v3.1五大场景横评显示，安全合规全体得分最低，gpt-5.5仅1.8/4；工程规范区分度最小，11模型最低3.2/4。claude-opus-4.7与gpt-5.5偏科差距达2.2分，企业接入生产流程需按场景加护栏。
WDCD三轮衰减：R3诚信率仅54.5%，豆包Pro R1即崩6模型零崩溃
v2锚点题数据显示，11模型R1确认率91%、R2抵抗率68%、R3诚信率54.5%，豆包Pro R1=0全轮0分，Grok 4、GPT-o3、DeepSeek V4 Pro等6模型R3零崩溃。分析聚焦多约束场景下先确认后崩盘模式，为生产接
Grok 4 97.5分登顶 WDCD守约榜 豆包Pro 68分断崖垫底
WDCD v3.1守约测试显示，Grok 4以97.50分位列第一，豆包Pro以68.00分垫底。R3崩溃率仅5.5%，满分率51.8%。Claude Opus 4.7下滑5.9分，GLM-4.6下滑14.9分，GPT-o3上升9.5分。头
DeepSeek V4 Pro 与 GPT-5.5 与 GPT-o3并列80.52分：2026-08-05 Smoke快测数据简报
2026-08-05 赢政指数 Smoke 快测覆盖 9 个模型，DeepSeek V4 Pro 与 GPT-5.5 与 GPT-o3 以 80.52 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
GLM-4.6 Smoke评测材料约束51.80分 任务表达50.00分 API故障致两维度缺失
GLM-4.6今日Smoke评测因API故障/超时，execution与judgment维度数据缺失，自动进入补跑，本期不参与排名。材料约束得分51.80分，任务表达50.00分，其余维度为空。单日10题快测波动属正常，但完整性受损需关注。
豆包 Pro Smoke 评测 5 维度全缺 0 分异常，API 超时成主因
豆包 Pro 今日 Smoke 评测因 API 故障导致 execution、grounding、judgment、integrity、communication 五维度数据完全缺失，主榜排名取消。单日 10 题快测中出现此类全维度超时，需
Gemini 2.5 Pro以89.56分居首：2026-08-04 Smoke快测数据简报
2026-08-04 赢政指数 Smoke 快测覆盖 9 个模型，Gemini 2.5 Pro 以 89.56 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95.19分居首：2026-08-03 Smoke快测数据简报
2026-08-03 赢政指数 Smoke 快测覆盖 11 个模型，Claude Opus 4.7 以 95.19 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。
GLM-4.6 Smoke评测主榜74分 代码执行82.3材料约束95 API故障缺维度
GLM-4.6今日Smoke评测因API故障/超时导致integrity与communication维度缺失，主榜得分74.00，代码执行82.30，材料约束95.00，工程判断70.80，任务表达无数据，已进入自动补跑且不参与本期排名。
Qwen3 Max 36.8分逆袭领跑，Gemini 3.1 Pro 5.6分下滑成最大输家
2026-07-28至2026-08-02七天Smoke数据中，Qwen3 Max从59.28分升至96.1分，趋势+36.8；Gemini 3.1 Pro从100分跌至94.45分，趋势-5.6。Claude Opus 4.7与Gemin
豆包 Pro以96.7分居首：2026-08-02 Smoke快测数据简报
2026-08-02 赢政指数 Smoke 快测覆盖 10 个模型，豆包 Pro 以 96.7 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。
MLPerf Endpoints v0.7：AI推理基准奠基发布
MLPerf自2018年推出以来，已成为衡量AI系统性能的行业标准，追踪到大语言模型推理能效提升超100倍、训练速度提升超50倍。随着AI服务广泛应用，企业采购推理算力需求日益复杂，MLCommons正式推出MLPerf Endpoints
SGLang 与 Miles 为 Kimi K3 提供 Day-0 支持
SGLang 与 Miles 携手 Moonshot AI 和 NVIDIA，为 2.8 万亿参数的 Kimi K3 模型提供 Day-0 支持。该混合架构融合 KDA 线性注意力与 MLA，带来全新内存管理、统一内存池及 DSpark 推
迈向Blackwell原生8/4位RL：Miles端到端MXFP8与NVFP4实践
本文介绍了Miles团队在Blackwell架构上实现的两种原生低精度RL方案：端到端MXFP8与MoE专家per-token NVFP4。通过从checkpoint转换、Megatron训练、SGLang rollout到实时权重更新的全
RadixArk 联手 Google：SGLang 全面功能落地 TPU
RadixArk 与 Google Cloud 达成合作，将 SGLang 推理框架引入 TPU 平台，为开发者提供硬件选择的灵活性。SGLang 已获超 3 万 GitHub 星标，支持 Gemma、Qwen 等主流模型及 Wan、Flu
SGLang 量化栈重构：打造更清晰架构
量化已成为高吞吐 LLM 服务不可或缺的核心技术。随着检查点格式、模型架构和硬件后端数量激增，量化栈维护难度不断上升。本文详细解析 SGLang 团队与 Ascend 团队提出的架构重构方案，将检查点解析、参数注册、权重加载、后处理与内核执