SGLang 低延迟模式：内核与运行时优化
SGLang 推出低延迟模式，通过插件框架集成 NVIDIA 和 AMD 专用内核，实现小批量场景下的显著延迟降低。在 AgentX 回放测试中，四张 NVIDIA GB300 GPU 上单并发会话 P90 每用户生成速度从 671.2 提
AI测评
SGLang-TorchTPU：TPU上的PyTorch原生生产级服务
SGLang-TorchTPU今日正式开源，由RadixArk团队与Google、Meta合作推出。该插件将SGLang完整功能集带到Google Cloud TPU，支持Muse Spark Open、GLM-5.3、DeepSeek V
WDCD v3.1：4模型上涨2下跌，GPT-6 Luna 100分领跑豆包Pro
本期WDCD v3.1试点数据显示，GPT-6 Luna以100.00分位居首位，豆包Pro较Run #384上涨20.3分，Gemini 2.5 Pro与GPT-5.5各下降6.2分。4模型上升、2模型下降，守约总分由v3百分制与v2锚点
WDCD五场景横评：工程规范最低1.95分 数据边界1.7分成最大杀手
WDCD v3.1试点数据显示，工程规范场景全体最低分仅1.95分，数据边界场景单模型最低1.7分。claude-opus-4.7与gemini-2.5-pro偏科差距分别达1分和1.55分，企业接入生产流程时需针对性加护栏，deepsee
R3诚信率76.7%却现2次0分：15模型三轮锚点衰减实测
仅基于8道v2锚点题的worst-of-3采样，15模型R1平均确认率0.93、R2抵抗率0.67、R3诚信率76.7%，完全崩溃仅2/150次。GPT-o3等模型呈现“先确认后崩盘”模式，Qwen3 Max则从R1即失效，暴露多约束场景下
WDCD守约榜GPT-6 Luna 100分夺冠 Qwen3 Max 76.5分垫底差距23.2分
GPT-6 Luna以WDCD 100.00分位列第一，Gemini 2.5 Pro以73.80分垫底，头部与尾部相差26.2分。15模型中66%满分率，R3崩溃率仅1.3%。数据揭示不同模型在多轮施压下的守约差异，对生产接入提供明确参考。
Claude Opus 4.7以84.9分居首：2026-10-21 Smoke快测数据简报
2026-10-21 赢政指数 Smoke 快测覆盖 14 个模型，Claude Opus 4.7 以 84.9 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评测五维度全缺 API故障致主榜零记录
Qwen3 Max今日Smoke评测因API故障/超时导致execution、grounding、judgment、integrity、communication五维度数据缺失，主榜无得分，本期不参与排名。所有昨日→今日对比均为“- → -
GPT-6 Astra代码执行暴跌25分 主榜单日跌11.3分
GPT-6 Astra今日Smoke评测主榜从82.33分跌至71.01分，代码执行从97.00分骤降至72.00分，材料约束小升5.4分。单日10题抽签波动或模型特定能力退化值得追踪。
GPT-o3以97.83分居首：2026-10-20 Smoke快测数据简报
2026-10-20 赢政指数 Smoke 快测覆盖 14 个模型，GPT-o3 以 97.83 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材料约束暴跌30.2分，代码执行反升22分
GLM-4.6今日Smoke评测中材料约束从80.20分跌至50.00分，降幅30.2分，代码执行却从25.00分升至47.00分，主榜仅微降1.5分至48.35分。工程判断直接归零，任务表达持平25.00分。
DeepSeek V4 Pro主榜跌18.6分 材料约束单日降27.6成最大拖累
DeepSeek V4 Pro今日Smoke评测主榜从68.16分跌至49.52分，降幅18.6分，其中材料约束从80.20分降至52.60分，降幅达27.6分，代码执行同步下滑11.3分。
GPT-5.5以93.54分居首：2026-10-19 Smoke快测数据简报
2026-10-19 赢政指数 Smoke 快测覆盖 14 个模型，GPT-5.5 以 93.54 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 涨6.2 Qwen3 Max 跌11.9 WDCD 守约能力分化加剧
本期WDCD v3.1试点数据显示，Claude Sonnet 4.6较Run #379上升6.2分，Qwen3 Max下降11.9分，Grok 4以91.97位居Top5首位，揭示多轮渐进施压下守约生存能力出现明显分化。
数据边界崩盘最严重 Claude 3.72分 Qwen仅1.36分
WDCD v3.1数据显示，数据边界场景全体得分最低，Claude-sonnet-4.6以3.72/4领先，qwen3-max仅1.36/4垫底；工程规范场景最稳，最高4分最低3.4分。业务规则区分度高，deepseek-v4-pro满分。
15模型R3诚信率48.9%：Qwen3 Max 8次全崩Claude零崩溃
基于8道v2锚点题，R1确认率92%、R2抵抗率74%、R3诚信率48.9%，39次完全崩溃。Qwen3 Max R3崩溃率27.6%，Claude Opus 4.7为0，揭示多约束场景下的先答应后崩盘模式。
Grok 4 91.97 分登顶 WDCD 守约榜 Qwen3 Max 61.55 分断层垫底
Grok 4 以 91.97 分位居 WDCD v3.1 守约榜首位，Qwen3 Max 61.55 分垫底。15 个模型中头部四强均超 89 分，尾部三模型低于 80 分，R3 崩溃率 9%，满分率 54.9%。数据揭示不同模型在多轮施压
Claude Opus 4.7以81.91分居首：2026-10-18 Smoke快测数据简报
2026-10-18 赢政指数 Smoke 快测覆盖 14 个模型，Claude Opus 4.7 以 81.91 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。
DeepSeek V4 Pro材料约束暴跌18.1分 代码执行却满分100
DeepSeek V4 Pro今日Smoke评测中材料约束从88.10分跌至70.00分，降18.1分，而代码执行升至100.00分，主榜反升7.3分至86.50分。单日2题抽签导致的波动最可能解释这一反差。
Gemini 3.1 Pro材料约束跌15.3分 代码执行却升至100分
Gemini 3.1 Pro今日Smoke评测中材料约束从88.10分跌至72.80分，降幅15.3分，但代码执行从54.50分升至100.00分，主榜得分升至87.76分。单日10题抽样导致维度剧烈波动，需观察后续是否持续。