Claude Sonnet 4.6跌22.6分 GLM-4.6波动59.9 GPT-o3升6.7分 Smoke周趋势
2026-W32 Smoke数据显示，Claude Sonnet 4.6从92.17跌至69.56，趋势-22.6；GLM-4.6波动达59.9且均值仅24.4；GPT-o3从89.2升至95.91，趋势+6.7。GPT-o3与Claude
AI测评
GPT-o3以95.91分居首：2026-08-09 Smoke快测数据简报
2026-08-09 赢政指数 Smoke 快测覆盖 9 个模型，GPT-o3 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。
豆包 Pro Smoke 评测五维度全缺席 API 故障致零记录
豆包 Pro 在今日 Smoke 评测中因 API 故障/超时导致 execution、grounding、judgment、integrity、communication 五维度数据完全缺失，主榜得分为-，本期不参与排名。单日 10 题快
Claude Sonnet 4.6代码执行暴跌19.5分 主榜却逆势上涨13.8分
今日Smoke评测中，Claude Sonnet 4.6代码执行从94.50分跌至75.00分，材料约束从43.30分升至97.80分，主榜从71.46分升至85.26分。仅2题抽样导致的波动是主因，整体能力未见系统性退化。
Claude Opus 4.7 与 GPT-o3并列97.66分：2026-08-08 Smoke快测数据简报
2026-08-08 赢政指数 Smoke 快测覆盖 9 个模型，Claude Opus 4.7 与 GPT-o3 以 97.66 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。
SpecForge v0.3.0：统一解耦与同址推测解码训练栈
SpecForge v0.3.0 发布重大更新，将目标模型推理与草稿模型训练完全分离，支持在线、离线及解耦工作流，兼容 EAGLE3、DFlash、Domino 等多种算法。新架构通过 Mooncake 传输特征，SGLang 捕获目标特征
SGL-Diffusion中AR+DiT全栈性能优化
本文深入剖析了SGL-Diffusion中AR+DiT混合生成框架的性能瓶颈，并通过三阶段优化实现显著加速。采用SRT替换HF后端，解耦AR与DiT并行策略，结合动态批处理与早返回机制，大幅提升硬件利用率。实验数据显示，单卡端到端延迟降低4
HPC-Ops × SGLang：腾讯混元高性能 Attention、Router GEMM 与 MoE 内核
HPC-Ops 是腾讯混元大规模生产推理中使用的开源算子库，其核心的 Dynamic Attention 和 Fused MoE 算子显著提升了模型性能，最高可将 Hy3 模型的 TPOT 降低 48.8%。本文详细介绍 HPC-Ops 中
Claude Opus 4.7代码执行暴跌30.5分 主榜仅降6.4分
Claude Opus 4.7在今日Smoke评测中代码执行从100.00分跌至69.50分，材料约束从71.90分升至95.00分，主榜从87.36分降至80.98分。工程判断升25分，任务表达升5分。诚信评级维持pass。
Grok 4 材料约束暴跌17.6分 主榜仅降1.8分
今日Smoke评测中Grok 4材料约束从82.60分跌至65.00分，降幅17.6分，主榜从82.99分微降至81.23分。代码执行反升11.2分至94.50分，工程判断升至100分，诚信评级从pass转为warn。单日10题快测下，这一
Gemini 2.5 Pro以87.21分居首：2026-08-07 Smoke快测数据简报
2026-08-07 赢政指数 Smoke 快测覆盖 9 个模型，Gemini 2.5 Pro 以 87.21 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。
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。
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。