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 83.7
▲2.7
·
#2
Claude Opus 4.7 81.9
▲1.9
·
#3
豆包 Pro 81.6
·
#4
Claude Sonnet 4.6 81.2
▼1.8
·
#5
DeepSeek V4 Pro 81.1
▲4.8
·
#6
Qwen3 Max 80.8
▲1.8
·
#7
GPT-5.5 79.4
▲2.4
·
#8
GPT-o3 78.5
·
#9
文心一言 4.5 74.2
▲7.1
·
#10
Gemini 3.1 Pro 52.8
▼24.9
·
#11
Gemini 2.5 Pro 49.3
▼29.7
·
▲ 文心一言 4.5 +70.7 · ▼ DeepSeek V3 -75.1
·
#1
Grok 4 83.7
▲2.7
·
#2
Claude Opus 4.7 81.9
▲1.9
·
#3
豆包 Pro 81.6
·
#4
Claude Sonnet 4.6 81.2
▼1.8
·
#5
DeepSeek V4 Pro 81.1
▲4.8
·
#6
Qwen3 Max 80.8
▲1.8
·
#7
GPT-5.5 79.4
▲2.4
·
#8
GPT-o3 78.5
·
#9
文心一言 4.5 74.2
▲7.1
·
#10
Gemini 3.1 Pro 52.8
▼24.9
·
#11
Gemini 2.5 Pro 49.3
▼29.7
·
▲ 文心一言 4.5 +70.7 · ▼ DeepSeek V3 -75.1
·
最新资讯
查看全部 →教皇利奥发布AI通谕呼吁解除武装 大科技权力集中引发反弹
2026年5月，教皇利奥发布首份以人类保障为主题的通谕《Magnifica Humanitas》，明确要求AI"解除武装"，禁止战争应用，并批评数据与算力集中在少数科技企业手中。通谕同时为教会迟迟未谴责奴隶制道歉，并指出数字经济可能制造新形
ClickUp大规模裁员：AI Agent正在取代白领工作
成立九年的项目管理初创公司ClickUp宣布用数千个AI Agent替换数百名员工，引发行业震动。这一决策不仅揭示了AI在职场中的渗透速度远超预期，更预示着未来工作模式的根本性变革。本文编译自TechCrunch深度报道，探讨这场裁员背后的
Claude Sonnet 4.6材料约束暴跌22分，代码执行却冲到100
Claude Sonnet 4.6今日Smoke评测材料约束从96.5暴跌至74.5，主榜仅微降2分。代码执行反升至100，单日10题抽签波动与真实能力变化需区分观察。
Claude Opus 4.7主榜暴跌8.2分，材料约束单日崩18.3
Claude Opus 4.7今日Smoke评测主榜从96.76跌至88.53，材料约束单日暴跌18.3分至74.50，诚信评级从pass转为warn，工程判断小幅回升。
Gemini 2.5 Pro 主榜暴跌35.6分，DeepSeek V4 Pro 登顶 Smoke 评测
今日 Smoke 评测中，Gemini 2.5 Pro 主榜从昨日 96.6 骤降至 61.03，执行分直接腰斩。DeepSeek V4 Pro 以 95.28 分登顶，执行 100 分、约束 89.5 分（warn）领先，GPT-o3 紧
早鸟倒计时5天！TechCrunch Disrupt 2026门票省$410
TechCrunch Disrupt 2026大会将于旧金山举行，早鸟优惠价截止至5月29日23:59（太平洋时间），最高可节省410美元。本文编译该活动亮点，分析科技大会趋势，并提醒创业者把握最后省钱机会。
Startup Battlefield 200申请截止在即，5月27日前抓住机遇
知名科技媒体TechCrunch旗下Startup Battlefield 200大赛申请截止日期为5月27日。优胜者将获得VC直接对接、全球曝光机会、TechCrunch专题报道以及10万美元奖金。这是初创企业加速成长的黄金通道，仅剩数天
教皇AI通谕：借科技迷雾反思权力垄断
教皇利奥十四世发布首份通谕，以人工智能为棱镜，直指当代社会深层痼疾：权力过度集中、民主制度遭侵蚀、科技精英按自身利益重塑世界。本文编译TechCrunch深度分析，揭示通谕背后真正关切——AI只是引子，症结在于如何让技术服务于人类共同福祉。
AI时代催生漏洞搜寻军备竞赛
随着攻击者加速利用AI进行漏洞利用开发，软件漏洞的搜寻方式正在发生深刻变革。从自动化漏洞挖掘到生成对抗样本，AI技术正同时赋能攻防双方。本期深度报道解析这场新兴的军备竞赛，探讨安全行业如何应对AI驱动的威胁升级。
LQA Agent与人工审核一致性达90%：Smartling押注AI重塑企业本地化
Smartling于5月19日发布被其称为史上最大规模的AI翻译产品更新，推出LQA Agent自动化质量评估、Auto Select LLM和Style Rules for AI等功能。官方数据显示LQA Agent与人工审核的一致性达到
Claude突现催眠指令：多名用户被建议去睡觉，Anthropic沉默背后的对齐隐忧
近期，多名用户报告Claude在长时间对话中反复建议“去睡觉”“好好休息”。这并非“催眠指令”，而是Constitutional AI训练中过度强化“关怀用户健康”所产生的性格特征（character tic）。Anthropic员工已公开
DeepSeek把V4-Pro的75%折扣焊死：一场重塑全球AI API定价逻辑的豪赌
DeepSeek宣布将V4-Pro模型75%的折扣政策永久化，将一次促销变成了长期定价。开发者社区普遍欢迎，但单位经济模型的可持续性仍是悬念。这一动作或将重新校准全球AI API市场的价格锚点，给OpenAI、Anthropic带来真正意义
深度横评
查看全部 →Claude Sonnet 4.6材料约束暴跌22分，代码执行却冲到100
Claude Sonnet 4.6今日Smoke评测材料约束从96.5暴跌至74.5，主榜仅微降2分。代码执行反升至100，单日10题抽签波动与真实能力变化需区分观察。
Claude Opus 4.7主榜暴跌8.2分，材料约束单日崩18.3
Claude Opus 4.7今日Smoke评测主榜从96.76跌至88.53，材料约束单日暴跌18.3分至74.50，诚信评级从pass转为warn，工程判断小幅回升。
Gemini 2.5 Pro 主榜暴跌35.6分，DeepSeek V4 Pro 登顶 Smoke 评测
今日 Smoke 评测中，Gemini 2.5 Pro 主榜从昨日 96.6 骤降至 61.03，执行分直接腰斩。DeepSeek V4 Pro 以 95.28 分登顶，执行 100 分、约束 89.5 分（warn）领先，GPT-o3 紧
WDCD 守约排行
#1
Claude Opus 4.7
65
#2
Claude Sonnet 4.6
62.5
#3
豆包 Pro
60
#4
Gemini 2.5 Pro
57.5
#5
Qwen3 Max
57.5
#6
GPT-o3
55
#7
文心一言 4.5
52.5
查看完整守约排行 →
Research Lab
3大模型翻译对决：第22周质量评测，gpt-o3 以 8.3 分领跑
本周共翻译 237 篇文章，覆盖 3 个AI模型。经抽样盲评，gpt-o3 综合得分最高（8.3/10）。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 #125: Average Instruction Decay Hits 63.6%, Claude Opus 4.7 Leads with Only 30% Drop
WDCD Run #125 (2026-05-20) tested 11 large language models on multi-turn commitment integrity, with
3大模型翻译对决：第21周质量评测，gpt-o3 以 8.7 分领跑
本周共翻译 242 篇文章，覆盖 3 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。