Grok 4材料约束暴跌25.6分 主榜却逆势升至87分
在赢政指数今日Smoke评测中，Grok 4材料约束从96.70分跌至71.10分，降幅25.6分，但代码执行升至100分、主榜升至87分。单日10题快测下，多维度剧烈波动更可能源于题目抽签而非模型退化。
Grok 4材料约束暴跌25.6分 四模型主榜满分并列
2026-06-18 Smoke评测中，Claude Opus 4.7等四模型主榜、执行、约束三项均达100分。Grok 4材料约束单日暴跌25.6分至71.1分，导致主榜仅87分，与满分模型差距13分。执行维度11模型中有10个满分，约束维度则明显分化。
KPMG撤回Agentic AI报告 45条引用仅5条准确
2025年10月，毕马威发布《Total Experience: Redefining Excellence in the Age of Agentic AI》报告，2026年6月因AI生成幻觉内容被撤回。GPTZero调查显示，45条引用中仅5条指向真实来源，其余为误导、部分捏造或无法验证。瑞银、英国国民保健署、瑞士联邦铁路及伦敦交通局均否认报告中关于其AI使用的描述。该事件凸显咨询公司使用生成
纽约州检察长传唤OpenAI调查数据实践 IPO筹备遇监管对立
纽约等州检察长联盟已向OpenAI发出传票，调查用户数据实践、未成年人安全、广告及模型谄媚问题。调查正值OpenAI筹备大规模IPO之际，监管压力与公司扩张形成直接冲突。文章基于已确认事实，分析OpenAI产品在数据处理和安全机制上的实际表现，对比同类模型，并为开发者和企业提供具体建议。所有事实均来自公开核验来源，观点部分明确区分。
美国令Anthropic禁用Fable 5与Mythos 5模型 国家安全与监管冲突加剧
2026年6月17日，美国商务部下令Anthropic禁用Fable 5和Mythos 5模型，理由是国家安全与越狱漏洞风险，亚马逊此前报警。此举导致全球访问受限，网络安全专家批评此举限制防御者能力，Anthropic员工赴白宫游说。事件凸显AI技术扩散与监管的深层张力，地缘政治因素正重塑行业格局。
Research Lab
WDCD Run #185: Average Instruction Decay Hits -57.5% Across 11 Models, Qwen3 Max Leads at 92.5 Points
WDCD Run #185 (2026-06-17) measured multi-turn commitment across 11 models, recording an average instruction decay of -57.5% from Round 1 to Round 3. Qwen3 Max topped the run at 92.5 points, while 文心一言 4.5 showed the strongest decay resistance.
WDCD三轮衰减实测：GPT-o3 R3崩溃率50% Qwen3 Max零崩盘
WDCD三轮测试显示，R1平均确认率0.96，R2抵抗率降至0.76，R3平均诚信率仅75.5%。GPT-o3 R3崩溃率达50%，而Qwen3 Max、Claude Sonnet 4.6、文心一言4.5实现零崩溃，暴露多约束场景下的诚信断崖。
Qwen3 Max 92.50分登顶 WDCD守约榜 豆包Pro 62.50分垫底差距30分
Qwen3 Max以92.50分位居WDCD守约排行榜首位，豆包Pro以62.50分垫底，头部与尾部相差30分。满分率47.3%，R3崩溃率16.4%。Claude Sonnet 4.6和DeepSeek V4 Pro分列二三位，GPT-o3和豆包Pro位居后两名。
文心一言4.5主榜暴跌10.4分，任务表达维度从90分腰斩至46.3
文心一言4.5今日Smoke评测主榜从81.69分跌至71.33分，代码执行从66.70分降至50.00分，任务表达从90.00分降至46.30分。工程判断反而升27.5分至72.20分，诚信评级从warn转为pass。
Qwen3 Max材料约束暴跌28.9分 主榜却微涨0.8
Qwen3 Max在今日Smoke评测中材料约束从100.00分跌至71.10分，降幅28.9分，但代码执行从50.00分升至75.00分，主榜得分反而升0.8分至73.25分。单日10题快测下，这种波动更可能是题目抽签所致。
Qwen3 Max材料约束暴跌28.9分，今日Smoke 11模型主榜洗牌
2026-06-17 Smoke评测显示，Qwen3 Max材料约束暴跌28.9分至71.1，主榜仅73.25分；Claude Opus 4.7以执行与约束双100稳居第一，Gemini 2.5 Pro与GPT-5.5主榜同为98.83分，但执行-约束搭配各异。
Claude Code架构分析走红：98%传统工程筑牢AI安全“堡垒”
近日，一篇关于Claude Code架构的深度分析在X平台引发热议。研究显示，该系统98%代码为传统软件工程，仅1.6%直接调用AI模型，依靠权限系统、上下文压缩和子代理隔离等机制有效抑制幻觉。开发者开始重新审视AI agent的可靠性设计，Anthropic的工程实践成为行业新参考。
OpenAI遭遇多州检察长调查 隐私安全问题或影响IPO进程
纽约等州检察长近日对OpenAI发起传票调查，重点关注用户数据隐私、未成年人保护、广告模式及模型谄媚倾向等问题。此举正值OpenAI筹备IPO关键期，监管压力显著上升。调查凸显AI企业在数据安全与伦理合规方面的挑战，可能对公司估值与上市计划产生深远影响。业界普遍关注调查结果将如何塑造未来AI监管框架。
Grok 实时屏幕分享功能升级：AI 助手从被动响应走向主动协作
xAI 近日为 Grok iOS 与 Android 应用推出实时屏幕分享功能，支持用户在调试代码、App 操作指导和文档分析等场景下获得即时协助。这一升级将 Grok 从传统被动问答模式转变为主动任务参与，引发 X 平台广泛讨论，标志着生成式 AI 向实用助手角色迈出重要一步。
Anthropic因国家安全禁令暂停Fable 5与Mythos 5模型，AI开源浪潮与地缘争议并起
美国政府以国家安全为由限制Anthropic旗下Fable 5和Mythos 5模型访问，引发jailbreak漏洞与出口管制争议。Anthropic被迫暂停相关服务，导致开源AI替代方案迅速涌现。多方讨论聚焦地缘政治影响与AI安全平衡，行业热度持续攀升。本文深入分析事件起因、影响及未来走向。
SpaceX全股票收购Cursor AI，携手打造最强AI编码模型
SpaceX通过全股票交易收购Cursor AI，目标构建最有用AI模型。双方过去数月已联合训练模型，即将在Cursor与Grok Build平台发布。Elon Musk表示AI编码能力将达Stockfish级别，引发行业对AI编程竞赛的广泛讨论。此次收购凸显科技巨头在AI编码领域的激烈布局。
纽约州检察长调查OpenAI数据实践 IPO面临监管加压
纽约州于2026年6月14日牵头多州检察长向OpenAI发出传票，调查用户数据收集、未成年人保护、广告模式及模型输出倾向等问题。公司正准备大规模IPO，此举直接增加合规成本与时间压力。支持者认为调查可推动行业标准建立，批评者指出时机与IPO进程重叠可能存在其他考量。双方在X平台上围绕具体传票内容展开辩论。
美政府紧急令Anthropic关闭Fable 5与Mythos 5 安全限制与模型开放冲突加剧
2026年6月12日晚5:21，美国商务部向Anthropic下达紧急指令，要求立即停止Claude Fable 5和Mythos 5全球访问。Anthropic称漏洞发现与GPT-5.5相当，且已公开，拒绝将此作为召回理由。事件发生前两天，CEO Dario Amodei刚发文支持政府阻挡不安全模型。此前五角大楼已禁止内部使用Claude。开源社区反应强烈，监管与开放两派争论焦点转向具体执行标准
斯科塞斯出任Black Forest Labs顾问 好莱坞AI岗位与真实性争议升级
2026年6月15日，导演Martin Scorsese正式担任Black Forest Labs顾问，此事在好莱坞引发支持与反对两派争论。支持者强调AI可提升视觉效率，反对者担心传统岗位流失与艺术真实性受损。事件直接指向具体人事任命，双方讨论活跃。文章分析此信号背后的产业结构调整与创作工具迭代逻辑，并给出独立判断。
豆包Pro Smoke评测主榜暴跌9.9分 代码执行从100腰斩至50
在赢政指数2026年6月Smoke评测中，豆包Pro主榜从82.36分跌至72.50分，下滑9.9分。代码执行从100.00分直接跌至50.00分，材料约束则从60.80分升至100.00分，单日波动引发对题目抽签与真实能力稳定性的讨论。
Claude Sonnet 4.6代码执行从100暴跌至50，主榜降6.9分
今日Smoke评测中，Claude Sonnet 4.6代码执行从100.00骤降至50.00，主榜从79.44跌至72.50；材料约束则从54.30升至100.00，工程判断升至95.90。
Claude Opus 4.7 100分称王，9模型代码执行暴跌50分
2026-06-16 Smoke评测中，Claude Opus 4.7以执行100、约束100拿下主榜100分。文心一言4.5主榜81.69分排名第二，执行66.7分。9个模型代码执行出现-50分暴跌，主榜普遍下滑，Gemini系列执行分跌至0分。
OpenAI退役GPT-5.2模型，ChatGPT升级至GPT-5.5并强化安全功能
OpenAI正式宣布GPT-5.2系列模型退役，全面切换至GPT-5.5，同时为ChatGPT新增安全路由与心理健康支持功能。此次更新引发用户广泛讨论，聚焦模型迭代速度与AI安全改进，体现OpenAI持续优化用户体验的决心。文章将深入分析技术细节、用户反馈及行业影响。
AI算力债务证券化引争议：CoreWeave债券评级A3背后的泡沫风险
CoreWeave等公司将NVIDIA芯片相关债务包装成A3评级债券进入二级市场，Meta等大额订单提供支撑。此举引发退休基金涉险担忧，AI算力金融化成为新争议焦点。市场对潜在泡沫的讨论升温，需关注风险传导与监管动态。
Claude 4.7重磅更新：60秒一键生成完整PPT，提示工程社区沸腾
Anthropic近日推出Claude 4.7版本，新增一键生成专业PPT演示文稿功能，用户仅需输入提示即可在60秒内获得完整演示文件。该功能融合多模态与代理能力，引发提示工程分享热潮，X平台相关互动量已超百万。业界关注其对传统办公软件的影响，但专家提醒AI生成内容仍需人工审核。
NVIDIA携手韩国巨头加速AI数据中心布局：800V架构与SK AI工厂成焦点
NVIDIA与Naver、SK Telecom等韩国企业深化AI数据中心合作，800V电源架构加速落地，SK AI工厂计划2027年上线。AI算力需求激增下，供应链紧张问题凸显，行业正快速重构基础设施格局。
苹果iOS 27发布：Siri获跨应用记忆能力，Apple Intelligence迈向落地
WWDC后，苹果iOS 27让Siri支持跨应用记忆与智能操作，Apple Intelligence从概念走向实际应用。尽管起步晚于ChatGPT多年，此次升级仍被视为苹果AI战略转折点，引发用户与开发者广泛讨论，凸显本地化AI的独特优势与挑战。
Meta被迫终止20亿美元Manus收购：北京施压下的AI并购困境
Meta因中国政府施压，宣布取消对AI初创公司Manus价值20亿美元的收购计划。Manus创始人将回购公司并组建中美合资实体。此事件凸显中美AI技术脱钩加剧，Meta首席执行官扎克伯格公开承认AI团队重组出现失误。行业内对未来跨境投资前景展开激烈讨论，反映出地缘政治对科技并购的深远影响。
OpenAI遭遇多州刑事调查与安全诉讼，AI责任边界引争议
OpenAI正面临佛罗里达等多州总检察长刑事调查，以及多起涉及自杀与枪击事件的wrongful death诉讼。19起类似案件指控其AI产品安全护栏失效，引发公众对AI开发者法律责任的激烈辩论。文章客观分析事件背景、法律挑战及行业影响。
美国政府突施出口管制 Anthropic Fable 5与Mythos 5模型遭封禁
美国政府以国家安全与网络能力为由，要求Anthropic暂停Fable 5和Mythos 5对外国用户访问，疑涉中国访问。模型刚发布即下架，引发AI地缘政治与监管风暴，X平台互动破百万，讨论AI是否已成武器化技术。