Grok 4 94分登顶 WDCD守约榜 豆包 Pro 68分垫底差距26分
Grok 4 以 WDCD 94.00 分位列第一，豆包 Pro 68.17 分垫底，头部与尾部相差 25.83 分。R3 施压轮次崩溃率仅 8.2%，满分率 56.7%。数据揭示不同模型在多轮渐进施压下的真实守约差异，为企业接入生产流程提
AI测评
网吧时代：摇钱树计费、雨过天晴还原与浩方对战，一代人的"第一台电脑"
对很多人来说，人生第一台电脑不在家里，在网吧的 3 号机上。计费系统是网吧的操作系统，还原软件让机器"百毒不侵"，ARP 攻防是第一堂网络安全实战课，浩方与联众撑起对战的黄金年代——档案馆复原的网吧软件条目，拼出了这个消失行业的技术底座。
DeepSeek V4 Pro以82.64分居首：2026-08-23 Smoke快测数据简报
2026-08-23 赢政指数 Smoke 快测覆盖 11 个模型，DeepSeek V4 Pro 以 82.64 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。
输入法战争：从智能 ABC 到搜狗拼音，谁先猜中你想打的字
输入法之战争夺的不是钱包，而是你敲下的每一个字。从智能 ABC 与五笔的路线之争，到拼音加加、紫光拼音的民间救赎，再到搜狗用搜索引擎词库降维打击、谷歌拼音的词库风波——档案馆复原的"汉字输入"分类收录页，完整保存了这场二十年战争的各个阵营。
Gemini 2.5 Pro 主榜从18.37跃至83.39，材料约束12.1直达100
Gemini 2.5 Pro今日Smoke评测主榜升至83.39分，代码执行从23.50升至69.80，材料约束从12.10升至100.00，诚信评级从fail转为pass。单日10题测试下，如此大幅波动最可能源于题目抽签差异，而非模型本身
Claude Opus 4.7以100分居首：2026-08-22 Smoke快测数据简报
2026-08-22 赢政指数 Smoke 快测覆盖 11 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。
杀毒软件的免费革命：瑞星的狮子、熊猫烧香与 360 的"永久免费"
2008 年装杀毒软件要花钱：瑞星的狮子、金山毒霸、江民 KV2007，讲究的上卡巴斯基。熊猫烧香把安全焦虑推到顶点，行业迎来黄金时代——然后 360 的"永久免费"三年清盘了整个收费市场。档案馆复原的老收录页，完整保存了这场免费革命前夜的
2008 年的装机单：搜狗拼音、千千静听、暴风影音……它们后来都怎么样了
2008 年重装完 XP，每个人都有一张烂熟于心的装机单：搜狗拼音、QQ 2009、千千静听、暴风影音万能版、迷你迅雷、瑞星杀毒、WinRAR……赢政天下软件史档案馆从 Wayback 复原了这批老软件的原始收录页。我们按当年的装机顺序重新
我们造了四条毫无意义的规则想诱骗AI违规，全失败了
WDCD v4行为判分上线：模型代码在插桩沙箱里真跑，按运行时动作日志判违规，换写法绕不过。我们用四条零危害的官僚规则+权威施压话术诱导模型"理性违规"，三梯队模型全部顶住；删掉"代码会被监控"的告知后重测，结果不变。顶部模型的代码级守约是
Gemini 2.5 Pro 诚信评级 fail 探针 25 分，主榜 18.37 分代码执行仅 23.50
Gemini 2.5 Pro 在 2026-08-21 Run#288 的 Smoke 快测中诚信评级 fail，探针得分 25.00，主榜 18.37 分，代码执行 23.50 分，材料约束 12.10 分。同日其余模型诚信均为 pass
Claude Opus 4.7以95.08分居首：2026-08-21 Smoke快测数据简报
2026-08-21 赢政指数 Smoke 快测覆盖 10 个模型，Claude Opus 4.7 以 95.08 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。
GPT-5.5 Smoke评测主榜暴跌10.1分 材料约束单日掉16.3
GPT-5.5今日Smoke评测主榜从98.35分跌至88.27分，降幅10.1分。其中材料约束从100.00分跌至83.70分，代码执行从97.00分跌至92.00分。工程判断保持75.00分不变，任务表达下降10分，诚信评级维持pass
Claude Opus 4.7主榜暴跌8.2分，材料约束单日掉12.1
Claude Opus 4.7今日Smoke评测主榜从98.35分跌至90.16分，材料约束从100.00暴跌至87.90，代码执行降5分。单日10题测试下，材料约束维度成为最大拖累。
Claude Sonnet 4.6以94.61分居首：2026-08-20 Smoke快测数据简报
2026-08-20 赢政指数 Smoke 快测覆盖 11 个模型，Claude Sonnet 4.6 以 94.61 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。
如何判断AI基准测试是否值得信赖
在企业AI应用中，基准测试分数常被用作模型选型和采购决策的依据，但部分结果存在“benchmark washing”问题。本文基于MLCommons多年实践，提出七项信任测试准则，涵盖基准相关性、数据污染控制、可复现性、指标完整性、模型作弊
MLPerf Client v2.0 发布：新增图像生成与智能体AI基准
MLCommons近日推出MLPerf Client v2.0基准测试套件，扩展了对AI PC的评估能力。新版本新增图像生成和Agentic AI类别，同时升级LLM推理测试，支持Phi 4 Mini Instruct和Qwen 3 8B模
SGLang 实现 Muse Glimmer Day-0 支持，优化本地 Agentic 推理
Meta Superintelligence Labs 与 SGLang 团队合作，为 30B 参数多模态模型 Muse Glimmer 带来 Day-0 支持。该模型具备 128k+ 上下文窗口，专为本地 Agentic 工作流设计。SG
统一基数缓存：混合模型前缀缓存的单一树结构
本文介绍SGLang的Unified Radix Cache方案，通过单一radix tree拓扑解决混合模型（FULL、SWA、MAMBA等组件）的KV缓存复用难题。组件机制分离共享前缀身份与特定复用规则，支持HiCache跨GPU L1
SGLang 实现 NVIDIA Nemotron 3.5 Lightning 零日支持
SGLang 宣布对 NVIDIA Nemotron 3.5 Lightning 提供零日支持。该模型采用 30B 参数混合专家架构，仅激活 3B 参数，专为高吞吐量代理任务设计，支持最长 1M 上下文长度。模型支持多令牌预测、DFlash
SGLang 实现 Qwen3.8 模型 Day-0 支持
SGLang 与 Miles 团队携手 Qwen、NVIDIA 等，为 Qwen3.8-2.4T-A95B 提供 Day-0 支持。该模型拥有 2.4T 总参数、95B 激活参数，采用混合注意力架构，对服务栈状态管理提出新挑战。文章详述混合