GPT-5.5代码执行从100分暴跌至75分 主榜下滑5.3分
GPT-5.5今日Smoke评测代码执行从100.00分跌至75.00分，主榜从78.49分降至73.20分；材料约束升18.8分、工程判断升25分，显示单日10题抽签波动是主因，需持续观察一致性。
AI测评
Grok 4代码执行暴跌20.2分 主榜却逆势上涨2.4分
Grok 4今日Smoke评测代码执行从94.60分跌至74.40分，降幅20.2分；材料约束从45.00分升至75.00分，主榜从72.28分升至74.67分。单日10题抽签导致的波动可能是主因，需持续观察多日数据以判断真实稳定性。
GPT-6 Luna以86.95分居首：2026-10-28 Smoke快测数据简报
2026-10-28 赢政指数 Smoke 快测覆盖 13 个模型，GPT-6 Luna 以 86.95 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87.7分居首：2026-10-27 Smoke快测数据简报
2026-10-27 赢政指数 Smoke 快测覆盖 13 个模型，Claude Opus 4.7 以 87.7 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。
GPT-6.1 Sol以86.05分居首：2026-10-26 Smoke快测数据简报
2026-10-26 赢政指数 Smoke 快测覆盖 13 个模型，GPT-6.1 Sol 以 86.05 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。
Qwen3 Max Smoke测试5维度全空：API故障致数据缺失，本期排名直接缺席
Qwen3 Max今日Smoke评测因API故障/超时导致execution、grounding、judgment、integrity、communication五维度数据完全缺失，已进入自动补跑但本期不参与排名。所有得分对比显示为“- →
Grok 4以96.65分居首：2026-10-25 Smoke快测数据简报
2026-10-25 赢政指数 Smoke 快测覆盖 14 个模型，Grok 4 以 96.65 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89.8分居首：2026-10-24 Smoke快测数据简报
2026-10-24 赢政指数 Smoke 快测覆盖 13 个模型，Claude Sonnet 4.6 以 89.8 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 诚信评级 fail 主榜 18.25 分 材料约束仅 10.00
GLM-4.6 在 2026-10-23 Smoke 快测中诚信评级 fail，探针得分 0.00，主榜 18.25 分，代码执行 25.00 分，材料约束 10.00 分。同日其余 13 个模型全部 pass，探针得分 65-100 分。
豆包 Pro 与 GPT-6.1 Sol并列87.27分：2026-10-23 Smoke快测数据简报
2026-10-23 赢政指数 Smoke 快测覆盖 14 个模型，豆包 Pro 与 GPT-6.1 Sol 以 87.27 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。
Claude Sonnet 4.6 Smoke评测主榜暴跌16.9分，材料约束单日跌30分
Claude Sonnet 4.6今日Smoke评测主榜从80.99分跌至64.13分，暴跌16.9分，其中材料约束从88.30分跌至58.30分，单日下降30分，代码执行下降6.1分。
Gemini 3.1 Pro材料约束暴跌16.7分，代码执行反升27分
Gemini 3.1 Pro今日Smoke评测主榜升至90.84分，但材料约束从100分跌至83.3分，代码执行从70分升至97分。单日10题快测下，维度波动是否反映真实能力变化值得分析。
GPT-5.5以96.1分居首：2026-10-22 Smoke快测数据简报
2026-10-22 赢政指数 Smoke 快测覆盖 14 个模型，GPT-5.5 以 96.1 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成欧盟AI超级工厂招标标尺，Endpoints v1.0开放提交
随着AI采购从“芯片速度”转向真实服务性能、成本与能耗，MLCommons宣布两项进展：MLPerf被欧盟AI Gigafactories招标采纳为训练与推理评测标准，MLPerf Endpoints v1.0也正式开放提交，以开放、同行评
MLCommons 更新使命：标准化 AI 测量 赋能明智决策
MLCommons 宣布更新使命，核心聚焦于标准化 AI 测量并支持各方做出明智决策。八年来 AI 行业快速发展，测量是解锁 AI 潜力的基础，能帮助表征系统行为、评估功耗与性能。组织将通过工业级基准测试、协议及测试套件，提供速度、功耗、可
MLPerf Endpoints：为何成为买家选购AI推理系统的关键基准
MLPerf Endpoints是MLCommons推出的新型推理基准，专注于评估生产环境下的真实端点性能。它不再孤立测试硬件，而是将模型、硬件、 serving软件和网络整合，在真实负载下测量系统表现。该基准提供完整的Pareto前沿曲线
MLCommons 获 NSF 资助 打造 MLPerf Agents 代理 AI 基准
MLCommons 被选为 STRIDE Ventures AI Efficiency Challenge 的基准团队，获得美国国家科学基金会 350 万美元两年资助，将开发全新 MLPerf Agents 基准。该基准聚焦代理 AI 系统
SGLang 为 NVIDIA Nemotron 3.5 Super VL 提供零日支持
NVIDIA Nemotron 3.5 Super VL 是一款开放多模态模型，专为文本、图像、文档和视频输入设计，支持代理推理与工具使用。该模型采用1200亿参数混合专家架构，每次激活120亿参数，结合C-RADIOv4视觉编码、Mamb
SGLang 为 Muse Spark Open 提供首日支持
Muse Spark Open 是一款 816B 参数的开放权重多模态 MoE 模型，激活参数约 42B，支持文本、图像、视频和音频输入及 1M token 上下文。SGLang 与 Miles 团队实现 Day-0 支持，通过序列并行、N
SGLang 赋能 Beam 模型生产级部署
Reflection 推出的 Beam 是一款 501B 参数的 MoE 模型，每 token 激活 23B 参数，专为软件工程和长时程智能体任务设计。SGLang 原生支持 Beam 并驱动其生产 API，提供 BF16、NVFP4、动态