赢政 AI 评测 — AI 模型评测、行业资讯与深度研究
赢政指数
完整排行榜 →
#1
Grok 4 89.9
▲11.5
·
#2
Claude Opus 4.7 89
▲10.2
·
#3
豆包 Pro 88.8
▲10
·
#4
Claude Sonnet 4.6 87.2
▲9.2
·
#5
Gemini 2.5 Pro 86.4
▲7.4
·
#6
Qwen3 Max 86.2
▲8.5
·
#7
Gemini 3.1 Pro 84.8
▲7.7
·
#8
DeepSeek V4 Pro 83.3
▲6.4
·
#9
GPT-o3 82.8
▲6.9
·
#10
GPT-5.5 80.9
▲2.7
·
#11
文心一言 4.5 76.9
▲15.2
·
▲ Qwen3 Max +80.9 · ▼ DeepSeek V3 -75.1
·
#1
Grok 4 89.9
▲11.5
·
#2
Claude Opus 4.7 89
▲10.2
·
#3
豆包 Pro 88.8
▲10
·
#4
Claude Sonnet 4.6 87.2
▲9.2
·
#5
Gemini 2.5 Pro 86.4
▲7.4
·
#6
Qwen3 Max 86.2
▲8.5
·
#7
Gemini 3.1 Pro 84.8
▲7.7
·
#8
DeepSeek V4 Pro 83.3
▲6.4
·
#9
GPT-o3 82.8
▲6.9
·
#10
GPT-5.5 80.9
▲2.7
·
#11
文心一言 4.5 76.9
▲15.2
·
▲ Qwen3 Max +80.9 · ▼ DeepSeek V3 -75.1
·
最新资讯
查看全部 →谷歌推出Gemini 3.5 Live Translate：即时语音互译保语调
谷歌近日发布Gemini 3.5 Live Translate功能，实现语音到语音的实时翻译，不仅保留说话者的语调、语速和音高，还内置SynthID数字水印技术以防范恶意篡改。这项突破将彻底改变跨语言交流体验，但也引发了关于身份验证和版权的
Anthropic称这些话题太危险，Fable 5模型拒绝回应
Anthropic最新前沿模型Fable 5被设计为自动拒绝涉及网络安全、生物工程和化学武器等高风险领域的用户查询。这一安全机制并非基于内容过滤，而是模型在训练阶段即内嵌了“硬性拒绝”规则，即便用户通过提示注入等手段试图绕过，模型也会直接终
告别FAANG，MANGOS时代登场
随着SpaceX、Anthropic和OpenAI等新兴巨头蓄势待发，科技行业正迎来新一轮版图重塑。曾统治华尔街的FAANG（Facebook、Apple、Amazon、Netflix、Google）组合被颠覆，取而代之的是以微软、Anth
Anthropic发布Claude Fable 5：公众可用的Mythos级模型
Anthropic于今日正式推出Claude Fable 5，这是其首个面向公众开放的Mythos级模型。该模型在网络安全、生物学等高风险领域设置了严格的安全护栏，旨在平衡先进AI能力与负责任部署。本文深度解析Fable 5的技术突破、安全
Anthropic推双版本AI：Mythos 5赋能伙伴，Fable 5保障公众
Anthropic宣布发布两款新版Claude模型：面向可信组织的Claude Mythos 5，提供更强的网络攻防能力；以及面向公众的Claude Fable 5，通过严格安全限制确保无法被用于网络攻击。这一双轨策略折射出AI安全领域日益
苹果WWDC 2026：Gemini驱动Siri登场，端侧AI重塑智能生态
苹果在WWDC 2026开幕式上正式发布由Gemini驱动的新一代Siri，并推出多模型Apple Intelligence框架，强调隐私优先的端侧AI处理能力，引发全球科技界广泛讨论。
OpenAI秘密提交IPO申请，AI巨头上市潮引发市场争议
OpenAI近日保密向美国提交IPO文件，同时其关联眼部扫描公司传出裁员消息。AI巨头上市潮引发市场广泛关注与争议。本文从行业动态出发，客观分析OpenAI此举对科技资本市场的潜在影响，以及Sam Altman领导下的公司战略调整。
NVIDIA与Hyundai深化AI合作，具身智能机器人商业化进程加速
NVIDIA CEO黄仁勋近日与Hyundai高层会晤，双方宣布扩大在移动出行、制造及机器人领域的AI合作，重点推动具身智能技术从实验室走向商业应用。此举被视为全球机器人产业的重要里程碑，有望重塑汽车与智能制造格局。
Moonshot AI启动20亿美元融资，估值冲刺300亿美元
北京Moonshot AI计划融资20亿美元，估值达300亿美元，这是其半年内第三轮融资，反映中国AI独角兽持续获得资本热捧。公司旗下Kimi聊天机器人用户增长迅速，未来将重点投入大模型研发与商业化拓展。
Anthropic发布Claude Fable 5，基于Mythos架构性能大幅跃升
Anthropic正式推出Claude Fable 5模型，采用Mythos架构，在SWE-Bench等基准测试中超越GPT系列，定价亲民引发开发者广泛讨论，X平台互动量破百万，标志AI竞争进入新阶段。
滑板车创始人融资500万，打造太空数据中心
Euwyn Poon曾创立共享滑板车公司Spin，生产了25万辆滑板车。如今他转型太空领域，创办Orbital并获500万美元种子轮融资，计划发射1万个太空数据中心。这些数据中心将部署在低地球轨道，利用太空的低温环境和真空条件，大幅降低冷却
全身返老还童药物将竞逐XPrize，抗衰老研究进入新阶段
著名长寿科学家大卫·辛克莱（David Sinclair）计划在XPrize竞赛中测试全身返老还童药物。该竞赛旨在推动衰老逆转技术的突破，奖金高达数千万美元。本文梳理了辛克莱的激进方法、技术原理及行业争议，并附上关于AI的五件必知要闻。
深度横评
查看全部 →Smoke日报：GPT-5.5 92.58分登顶 材料约束19分差距决定胜负
今日Smoke轻量评测显示，GPT-5.5以92.58分（执行100、约束83.5）继续领跑，豆包Pro紧随其后92.04分。所有前九模型代码执行均满分，排名完全由材料约束拉开，最大差距达19.2分，行业焦点已从“会不会写代码”转向“敢不敢
11模型同答甩锅题：8个A>B>D>C，3个直接0分
11个模型面对同一道“项目延期甩锅”题，8个给出A>B>D>C并得60分，3个因A>B>C>D得0分。核心差异出现在D与C的顺序判断上，直接反映模型对责任归属的材料约束能力。
二叉树序列化实测：11 模型 7 满分 4 直接归零
11 模型同题实测二叉树序列化与反序列化，豆包、Qwen3、Claude 等 7 款拿下 100 分，Gemini 2.5/3.1、DeepSeek V4、GPT-5.5 四款因类封装或代码截断得 0 分。核心差距在于是否严格按函数签名输出
WDCD 守约排行
#1
Claude Opus 4.7
70
#2
GPT-5.5
70
#3
GPT-o3
70
#4
Claude Sonnet 4.6
67.5
#5
Gemini 2.5 Pro
67.5
#6
豆包 Pro
62.5
#7
Gemini 3.1 Pro
62.5
查看完整守约排行 →
Research Lab
3大模型翻译对决：第24周质量评测，passthrough 以 9 分领跑
本周共翻译 2425 篇文章，覆盖 3 个AI模型。经抽样盲评，passthrough 综合得分最高（9/10）。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 #146: Average Instruction Decay Hits 24.7% Across 11 Models, Claude Opus 4.7 and GPT-5.5 Tie at Top
WDCD Run #146 (2026-06-03) tested 11 frontier models on multi-turn commitment integrity, recording a
3大模型翻译对决：第23周质量评测，gpt-o3 以 9 分领跑
本周共翻译 270 篇文章，覆盖 3 个AI模型。经抽样盲评，gpt-o3 综合得分最高（9/10）。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。