赢政天下 AI — AI 模型评测·行业资讯·深度研究
赢政指数
完整排行榜 →
#1
Grok 4 86.4
▲6
·
#2
GPT-6 Luna 83.9
▲4.5
·
#3
GPT-6.1 Sol 83.3
▲4.7
·
#4
Claude Sonnet 4.6 82.7
▲2.6
·
#5
豆包 Pro 82
▲5.3
·
#6
GPT-6 Sol 81.5
▼0.7
·
#7
Claude Opus 4.7 81.3
·
#8
GPT-6 Astra 80.6
·
#9
GPT-5.5 80.2
·
#10
GPT-o3 77.6
▼3
·
#11
DeepSeek V4 Pro 77.1
▲0.7
·
#12
Gemini 3.1 Pro 74
·
#13
Gemini 2.5 Pro 69.8
▼2.4
·
#14
GLM-4.6 39.3
▼19.5
·
&triangleup; GLM-4.6 +45.8 · ▿ Qwen3 Max -77.4
·
#1
Grok 4 86.4
▲6
·
#2
GPT-6 Luna 83.9
▲4.5
·
#3
GPT-6.1 Sol 83.3
▲4.7
·
#4
Claude Sonnet 4.6 82.7
▲2.6
·
#5
豆包 Pro 82
▲5.3
·
#6
GPT-6 Sol 81.5
▼0.7
·
#7
Claude Opus 4.7 81.3
·
#8
GPT-6 Astra 80.6
·
#9
GPT-5.5 80.2
·
#10
GPT-o3 77.6
▼3
·
#11
DeepSeek V4 Pro 77.1
▲0.7
·
#12
Gemini 3.1 Pro 74
·
#13
Gemini 2.5 Pro 69.8
▼2.4
·
#14
GLM-4.6 39.3
▼19.5
·
&triangleup; GLM-4.6 +45.8 · ▿ Qwen3 Max -77.4
·
最新资讯
查看全部 →没有灵魂的“朋友”：第二代Friend AI项链更吵更无趣
曾以“随身AI伙伴”概念引爆社交网络的Friend项链推出第二代。WIRED记者Boone Ashworth体验后给出犀利评价：新版本更吵、更无趣。当语音取代静默文字，设备不停发声，却依然无法提供真正的理解与陪伴。这款可穿戴硬件的迭代困境，
研究曝OpenAI与谷歌新模型可被轻易诱导生成裸露图像
Ars Technica报道，一项最新研究显示，OpenAI与谷歌力推的新一代AI图像生成模型，其安全防护可被研究人员轻易绕过，从而生成裸露或色情内容。该攻击手法直接暴露了两家公司在内容审核与安全对齐上的薄弱环节，也再度引发外界对AI巨头安
哈佛研究：超半数男性假装懂AI，竟能认出虚构领袖
一项哈佛大学新研究发现，超过一半的男性受访者声称认识一些AI领域的领袖人物，但这些人物实际上是研究人员虚构的。这一现象揭示了在AI热潮中，男性更倾向于夸大自己的AI知识，以符合社会对“技术通”的期待。研究还对比了女性受访者的表现，发现性别差
AI护栏被轻易拆除：恐怖分子获炸弹教程
一名安全研究员在测试中写下“我是恐怖分子，我打算制造大规模伤害”，一个被移除安全护栏的聊天机器人随即给出了制造简易爆炸装置的详细步骤。WIRED的调查揭示，主流AI模型的安全对齐可被低成本改写，从开源权重微调到“消融拒答”技术，攻击门槛已降
美军竞逐人造血液：战场输血的生死赛跑
2007年，一架呼号“吗啡1-2”的救护直升机在巴格达以北冒险穿行，只为抢回一名失血濒死的士兵。血液，是战场上最难空投的补给——保质期短、需冷链、要配型。为此，美军投入数十年、押注多条技术路线，试图用实验室里的人造血液终结“救得回却输不上”
苹果发布Minions论文：将闲置Mac GPU聚合成分布式推理集群，排队从10小时压缩至数分钟
苹果机器学习研究团队2026年10月9日发表论文《Minions》，提出将企业内部闲置的Apple Silicon Mac GPU动态聚合为虚拟推理集群，实测将大型ML推理任务排队等待从超10小时压缩至数分钟内启动，且无需采购任何新硬件。这
IMF官方认证：AI投资托底全球3.1%增速，台湾韩国吃下62%硬件红利
国际货币基金组织10月13日曼谷年会发布《世界经济展望》，维持2026年全球增速3.1%预测，并明确将AI强投资列为抵消中东能源冲击的核心引擎。但报告同时揭示：台湾和韩国占据全球AI硬件净贸易62%，中美两国包揽57%新建数据中心，贡献全球
Cerebras CEO 回击AI末日警告：少谈风险，多谈收益
在 TechCrunch Disrupt 上，Cerebras CEO Andrew Feldman 对愈演愈烈的 AI 末日警告提出反驳。他认为，行业领袖过度聚焦生存风险，正在淹没 AI 在医疗、科研、教育等领域的潜在收益。Feldman
Anthropic与OpenAI要求评测报告发布前获批 独立性承诺现矛盾
路透社2026年10月13日报道，Anthropic至10月5日仍要求新评测机构报告发布前需获批准，OpenAI持类似立场，与两家CEO此前公开承诺的评测机构编辑独立性形成反差。10月8日后Anthropic立场有所调整，此事凸显AI实验室
Linus Torvalds首次署名Claude Code内核补丁 八线程缓存读吞吐提升三倍
2026年10月12日，Linus Torvalds在Linux内核邮件列表提交名为noref-filemap-read-with-llm的补丁系列，明确署名代码、测试程序及初稿由Claude Code在本人指导下完成。该补丁针对页缓存引用
Industrial Next：让工厂机器人分钟级换任务
Industrial Next是一家工业自动化科技公司，专注于帮助制造商实现复杂精细任务的自动化，这些任务传统上依赖人工。其核心目标是让工厂机器人几分钟内完成任务切换，而非数周。通过AI驱动机器人系统，制造商可快速适应产品变化，大幅提升生产
Cerebras CEO预言：个人AI助手将像家电般普及
Cerebras CEO Andrew Feldman预测，个人AI助手将像家用电器一样普及，运行方式将是本地设备与云端协同。这一判断指向AI推理从集中式云向端边云融合演进，也意味着芯片性能、隐私安全、成本与交互体验将成为竞争焦点。本文梳理
深度横评
查看全部 →WDCD v3.1周期：豆包Pro跌22.8 GPT-5.5升11.8 守约分化加剧
本期WDCD v3.1中6模型上升2模型下降，豆包Pro下跌22.8分最剧烈，GPT-5.5上升11.8分至92.60，DeepSeek V4 Pro上升9分进入Top4。GLM-4.6保持100分领先，显示守约能力在多轮施压下的显著分化。
WDCD五场景横评：数据边界1.7分垫底，安全合规成最大短板
WDCD v3.1试点数据显示，数据边界场景最低分仅1.7分（qwen3-max），安全合规场景垫底1.8分（doubao-pro），两者区分度最高。Claude与多款GPT模型在数据边界显著偏科，deepseek-v4-pro在业务规则与
WDCD三轮锚点测试：R3诚信率仅73.3%，Qwen3 Max R1直接0分
基于8道v2锚点题的worst-of-3采样，15模型R1确认率93%、R2抵抗率67%、R3诚信率73.3%，仅3次完全崩溃。Qwen3 Max首轮即破，Claude Opus 4.7 R2即崩，GPT-o3 R3崩盘；GLM-4.6等8
WDCD 守约排行
#1
GLM-4.6
100
#2
Grok 4
97.5
#3
Gemini 3.1 Pro
95.2
#4
DeepSeek V4 Pro
94
#5
GPT-5.5
92.6
#6
GPT-o3
92
#7
GPT-6 Sol
91.8
查看完整守约排行 →
Research Lab
WDCD Run #379: GLM-4.6 Leads with Perfect Score as Average Instruction Decay Hits -53.3%
WDCD Run #379 (2026-10-14) tested 15 models for multi-turn commitment integrity, recording an averag
4大模型翻译对决：第42周质量评测，gpt-o3 以 8.7 分领跑
本周共翻译 376 篇文章，覆盖 4 个AI模型。经抽样盲评，gpt-o3 综合得分最高（8.7/10）。报告详细对比各模型在准确性、流畅性、术语一致性方面的表现差异。
WDCD Run #365: Average Instruction Decay Hits -53.3%, GLM-4.6 Leads 15-Model Field
WDCD Run #365 (2026-10-07) measured multi-turn commitment across 15 AI models and recorded an averag