GPT-6 Luna以88.93分居首：2026-11-12 Smoke快测数据简报
2026-11-12 赢政指数 Smoke 快测覆盖 14 个模型，GPT-6 Luna 以 88.93 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。
AI测评
真机实测，数据说话。我们用严谨的方法论评测AI大模型、智能硬件与前沿技术，只为给你最客观的参考。
🏠 本站权威测评
LMSYS Chatbot Arena
MLCommons
Ars Technica
H200加速GLM-5.3-Flash：高吞吐分离式服务实践
GLM-5.3-Flash融合稀疏注意力、循环线性注意力和MoE架构。在长上下文场景下实现高效服务，需要充足内存支持高并发、低输出token执行成本以及足够的prefill吞吐。本文介绍SGLang在NVIDIA H200上的优化方案，包括混合缓存复用、加速投机执行、针对性内核调优和FP8 prefill通信。实验结果显示，四卡H200上prefill输入吞吐提升2.06倍，decode输出吞吐提升4.32倍，端到端输出吞吐提升2.11-4.28倍。优化涵盖KV-only RadixCache、DFlash2投机解码、MoE GEMM调优及DSA Partial大KV tile等技术，有效平衡prefill与decode负载。
XM-Sparse：Netpreme X-Mem™ 突破稀疏注意力吞吐极限
XM-Sparse将Netpreme X-Mem™与SGLang HiSparse深度整合，通过高带宽访问外置KV缓存显著降低解码延迟，并借助海量外部容量支持更大批次与更高并发。测试显示，在16K上下文和20% miss率下，X-Mem™相比主机DRAM将每输出token时间缩短49.25%，峰值吞吐提升2.09–3.04倍。该方案为Agentic工作负载提供了高效的稀疏注意力内存分层方案，X-Mem™ Pilot VM现已开放，硅片即将上市。
Muse Spark Open超快突破：单请求破千tokens/s
本文详解SGLang为何转向megakernel架构，并介绍为Muse Spark Open从零用CUDA C++与PTX构建的megakernel实现。该方案将Blackwell GPU上的单请求解码速度从517 tok/s提升至1109 tok/s，性能提升2.1倍。通过单层单核、12个warp分工、权重全缓存预取、指令缓存优化及多级同步机制，实现GPU各引擎完美重叠。文章对比传统kernel链与megakernel，探讨新张量并行策略及投机解码效果，展望更大批次与GPU操作系统级支持。
WDCD周期：GPT-6 Astra跌20.3分 6模型下滑仅Sonnet逆涨
本期WDCD v3.1数据显示，15模型中6家下降、仅1家上升。Claude Sonnet 4.6升至93.93分，GPT-6 Astra暴跌20.3分，GLM-4.6跌13.5分，GPT-o3跌12.2分，凸显多轮施压下约束生存差异。
安全合规最低1.7分崩盘，Claude-Sonnet四场景4分碾压
WDCD v3.1测试显示，安全合规场景垫底分仅1.7/4（doubao-pro），成为全体模型最难守约场景；数据边界与安全合规区分度最大，差距达2.3分；Claude-sonnet-4.6在四个场景拿下4/4或3.95/4，资源限制却仅2.8/4，暴露明显偏科。
R1确认率87%后R3仍崩2次 WDCD锚点题揭两模型零轮全败
v2锚点题显示15模型R1平均确认0.87、R2抵抗0.73、R3诚信76.7%，仅2/150次R3完全崩溃。GLM-4.6与Qwen3 Max三轮全0分，其余模型多数维持高分。分析聚焦数据边界场景下的逐轮崩盘机制与企业选型含义。
Claude Sonnet 4.6 93.93分登顶 WDCD守约榜 豆包Pro 59.78分垫底
Claude Sonnet 4.6以93.93分位居WDCD守约排行榜首位，豆包Pro以59.78分垫底，头部与尾部相差34.15分，R3崩溃率仅1.3%。
Claude Opus 4.7以79.56分居首：2026-11-11 Smoke快测数据简报
2026-11-11 赢政指数 Smoke 快测覆盖 13 个模型，Claude Opus 4.7 以 79.56 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。
GPT-6 Astra 与 GPT-6.1 Sol并列92.49分：2026-11-10 Smoke快测数据简报
2026-11-10 赢政指数 Smoke 快测覆盖 13 个模型，GPT-6 Astra 与 GPT-6.1 Sol 以 92.49 分并列当日首位。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评测数据全缺席 API故障致主榜不参与排名
Qwen3 Max今日Smoke评测因API故障/超时导致execution、grounding等五维度数据完全缺失，已进入自动补跑，本期不参与排名。所有得分显示为-，表明技术问题而非模型能力变化。
GLM-4.6 Smoke测试代码执行25分 主榜36.25因API故障缺通信维度
GLM-4.6今日Smoke评测因API故障/超时导致communication维度缺失，代码执行25.00分、材料约束50.00分、工程判断25.00分，主榜36.25分未参与排名。单日10题快测波动正常，但本次数据不完整需关注是否为模型真实退化或临时故障。