赢政指数评测换血：GPT-5.5、Claude Opus 4.7、DeepSeek V4 等 7 款新模型同时上线，9 款旧将退役

2026 年 5 月 1 日，赢政指数完成自去年上线以来最大规模的评测阵容更新——一次性替换 9 款模型、引入 7 款新旗舰，评测体系从底层完成换代。

这不是常规的版本号升级。在过去一个月里，OpenAI、Anthropic、DeepSeek、Google、xAI、阿里、百度七家服务商几乎同步完成了代际跃迁。旧模型要么已停止更新，要么 API 已被重定向到新版本。赢政指数作为每周追踪 AI 模型真实表现的评测系统，不能继续拿去年的选手跑今年的赛道。

谁走了，谁来了

先说最大的变化：GPT-4o 退出赢政指数评测。

GPT-4o 从去年至今一直是赢政指数的标杆模型之一。但 OpenAI 在过去一年里连续发布了 GPT-5、5.1、5.2、5.3、5.4，直到最新的 GPT-5.5（2026 年 4 月 23 日发布）。继续评测 GPT-4o 已经没有参考价值——它相当于拿 iPhone 12 和 iPhone 16 的同行比拍照。

类似的情况发生在每一家服务商身上：

• Anthropic：Claude Opus 4.6 → Claude Opus 4.7。Sonnet 4.6 作为性价比线最新版保留。
• DeepSeek：V3 和 R1 两个模型合并为 V4 架构。旧的 deepseek-chat 和 deepseek-reasoner API 已重定向到 deepseek-v4-flash。评测使用新的 DeepSeek V4 Pro。
• Google：Gemini 2.5 Pro 保留，同时新增 Gemini 3.1 Pro（预览版）。这是赢政指数首次同时评测同一服务商的两代模型——我们想看看 3.1 在预览阶段的真实水平。
• xAI：Grok 3 → Grok 4。
• 阿里：Qwen Max → Qwen3 Max。通义千问已迭代到第三代。
• 百度：文心一言 4.0 → 文心一言 4.5。
• 字节：豆包 Pro 保持不变。

为什么一次性换这么多

因为 AI 行业的更新节奏已经不是按年算，而是按月算。

OpenAI 在过去 12 个月发布了 6 个大版本号（GPT-5 到 5.5）。Claude 从 Opus 4 迭代到 4.7。DeepSeek 甚至直接废弃了旧架构。如果赢政指数继续评测这些已经不代表各家最强水平的旧模型，排行榜就会变成一个历史博物馆——告诉你半年前谁强，但对今天的选型决策毫无帮助。

我们的原则很简单：排行榜上的每个模型，都应该是你今天能用、值得用的模型。

新阵容会怎样影响排名

坦率地说：第一期数据会比较生。

赢政指数采用 5 次滚动均值来平滑单次波动。新模型没有历史数据，首次评测的排名完全基于单次表现，可能偏高也可能偏低。需要连续跑满 5 周后，排名才能反映真实稳定水平。

这也是我们特意在本期说明的原因——如果你看到某个新模型排名异常高或异常低，别急着下结论。给它 5 周时间。

日常服务也同步升级

这次更新不止影响评测排行榜。赢政天下的全部 AI 驱动功能——新闻信号发现、事实核查、文章生成、翻译、社交媒体分析——都同步切换到了最新模型：

• 信号发现：Grok 4（实时 X 平台搜索）
• 事实核查：Gemini 2.5 Pro（Google Grounding 验证）
• 文章撰写：Claude Sonnet 4.6（写作质量最优）
• 低成本批量任务：DeepSeek V4 Flash（成本不到 /bin/bash.5/百万 token）

所有任务配置通过统一的 AI 管理中心（三层架构：服务商→模型→任务）集中管理，未来模型升级只需在后台改一个字段，全站所有功能自动跟随，不再需要逐个文件改代码。

历史数据怎么办

全部保留。退役模型的历史评测数据、周变化记录、事故报告，都完整存在数据库中，可以在历史记录中随时查看。赢政指数不删除任何评测数据——这是我们对数据完整性的承诺。

新阵容将在下一次周评测中首次亮相。届时你会在首页看到一批全新的名字出现在排行榜上。

让我们看看，这些 2026 年的新选手，到底谁才是真正的全能王。