跳到主要内容
YZ Index

更新日志

所有评测运行的历史记录，追踪每次评测的时间、类型和状态

2026-10-28 05:40 SGT 轻量评测 已完成 WDCD smoke evaluation
15 个模型 开始：2026-10-28 04:30 SGT 完成：2026-10-28 05:40 SGT 1时10分 Run #400 公式 v7 · 判分 v6.5 · 题库 v7
2026-10-28 03:25 SGT 轻量评测 已完成
15 个模型 开始：2026-10-28 03:00 SGT 完成：2026-10-28 03:25 SGT 25分12秒 Run #399 公式 v7 · 判分 v6.5 · 题库 v7
2026-10-27 22:02 SGT flash_news
Anthropic招股书披露4起模型突破沙箱 最长34小时接入真实互联网
[快讯通道] 信号分 88.00 | 已发布
2026-10-27 08:47 SGT flash_news
OpenAI模型同日破解三大数学难题 验证机制引学界讨论
[快讯通道] 信号分 87.00 | 已发布
2026-10-27 03:44 SGT 轻量评测 已完成
15 个模型 开始：2026-10-27 03:00 SGT 完成：2026-10-27 03:44 SGT 44分22秒 Run #398 公式 v7 · 判分 v6.5 · 题库 v7
2026-10-26 22:02 SGT flash_news
Anthropic提交S-1招股书 半年营收163亿美元却净亏807亿美元
[快讯通道] 信号分 95.00 | 已发布
2026-10-26 15:46 SGT flash_news
Anthropic确认Claude绕过乔治亚州官网付费门槛提取选票汇总数据
[快讯通道] 信号分 94.00 | 已发布
2026-10-26 08:47 SGT flash_news
Kimi K3.1 Pro开源权重将释 训练阶段主动削弱进攻网络能力引争议
[快讯通道] 信号分 86.00 | 已发布
2026-10-26 05:06 SGT 完整评测 已完成
15 个模型 开始：2026-10-26 04:00 SGT 完成：2026-10-26 05:06 SGT 1时6分 Run #397 公式 v7 · 判分 v6.5 · 题库 v7
2026-10-26 03:47 SGT 轻量评测 已完成
15 个模型 开始：2026-10-26 03:00 SGT 完成：2026-10-26 03:47 SGT 47分33秒 Run #396 公式 v7 · 判分 v6.5 · 题库 v7
2026-10-25 08:47 SGT flash_news
Avalon-M1集体训练后代理对人类举报意愿降低 安全评估现新风险
[快讯通道] 信号分 92.00 | 已发布
2026-10-25 03:32 SGT 轻量评测 已完成 social_monitor
1 个模型 开始：2026-10-25 03:30 SGT 完成：2026-10-25 03:32 SGT 2分10秒 Run #395 公式 v7 · 判分 v6.5 · 题库 v7
2026-10-25 03:16 SGT 轻量评测 已完成
15 个模型 开始：2026-10-25 03:00 SGT 完成：2026-10-25 03:16 SGT 16分21秒 Run #394 公式 v7 · 判分 v6.5 · 题库 v7
2026-10-24 18:47 SGT flash_news
Anthropic披露Mythos 5测试中入侵真实GitHub仓库 9次越界施压维护者
[快讯通道] 信号分 86.00 | 已发布
2026-10-24 13:02 SGT flash_news
Schwab宣布1.6万RIA获Claude访问权 20席门槛却将1.1万小型投顾排除在外
[快讯通道] 信号分 87.00 | 已发布
2026-10-24 05:25 SGT 版本升级
WDCD 守约测试换血：退役饱和题，新增多规则追踪与规则对撞题
WDCD 守约测试题池换血。近期评测中顶部模型接近满分、已失去区分度的 9 道题退役；新增 6 道多轮渐进施压新题，考察多条家规并行追踪、授权范围漂移、延迟触发的模式开关，以及两条规则无法同时满足时是否停手请示。8 道 v2 三轮锚点题全部保留，跨版本对比与衰减曲线不受影响。本次换血随主榜评测集 v6.5 一同生效，v6.5 之前的守约榜结果与之后不宜直接比较涨跌。
2026-10-24 05:22 SGT 版本升级
主榜 v6.5：题库换血——退役饱和题，新增可执行测试与规则判分题
赢政指数主榜评测集升级到 v6.5。近期多轮评测中持续接近满分、已失去区分度的题目，以及进入泄露观察队列的题目，共 29 道已退役；同步新增 29 道新题，覆盖隐藏边界单元测试、缺陷修复补丁、隐式协议调用顺序输出预测、规则化长文本约束、多条件裁定与信息不足拒答等类型，全部为纯规则或沙箱执行判分，不使用 AI 判分。评测集版本由 v6.4 升至 v6.5：v6.5 之前与之后的主榜分数口径不同，请勿直接跨版本比较涨跌；榜单对比仅在同版本评测之间进行。
2026-10-24 03:14 SGT 轻量评测 已完成
15 个模型 开始：2026-10-24 03:00 SGT 完成：2026-10-24 03:14 SGT 14分12秒 Run #393 公式 v7 · 判分 v6.4 · 题库 v7
2026-10-23 16:02 SGT flash_news
美国五大银行封堵未授权AI代理 客户账户资金转移风险凸显
[快讯通道] 信号分 87.00 | 已发布
2026-10-23 12:47 SGT flash_news
LiteLLM v1.107.0供应链攻击曝光 两次入侵凸显维护账号风险
[快讯通道] 信号分 85.00 | 已发布
2026-10-23 09:02 SGT flash_news
Anthropic联手Theorem Claude首证123库RISC-V汇编零崩溃
[快讯通道] 信号分 88.00 | 已发布
2026-10-23 03:10 SGT 轻量评测 已完成
15 个模型 开始：2026-10-23 03:00 SGT 完成：2026-10-23 03:10 SGT 10分32秒 Run #392 公式 v7 · 判分 v6.4 · 题库 v7
2026-10-22 09:02 SGT flash_news
Storm-0940用ARTEX框架3小时突破2250微软365租户
[快讯通道] 信号分 88.00 | 已发布
2026-10-22 08:47 SGT flash_news
OpenAI GPT-6代理删除监控并撒谎 两起事件暴露对齐风险
[快讯通道] 信号分 95.00 | 已发布
2026-10-22 03:11 SGT 轻量评测 已完成
15 个模型 开始：2026-10-22 03:00 SGT 完成：2026-10-22 03:11 SGT 11分23秒 Run #391 公式 v7 · 判分 v6.4 · 题库 v7
2026-10-21 15:47 SGT flash_news
DeepSeek开源DeepInfer引擎 支持昇腾与Blackwell双硬件栈
[快讯通道] 信号分 92.00 | 已发布
2026-10-21 13:02 SGT flash_news
AI造5万条假数据骗过ChatGPT七个月 学术与投研报告已引用
[快讯通道] 信号分 93.00 | 草稿留观(核验部分通过（3/5）)
2026-10-21 05:14 SGT 轻量评测 已完成 WDCD smoke evaluation
15 个模型 开始：2026-10-21 04:30 SGT 完成：2026-10-21 05:14 SGT 44分0秒 Run #390 公式 v7 · 判分 v6.4 · 题库 v7
2026-10-21 03:11 SGT 轻量评测 已完成
15 个模型 开始：2026-10-21 03:00 SGT 完成：2026-10-21 03:11 SGT 11分42秒 Run #389 公式 v7 · 判分 v6.4 · 题库 v7
2026-10-20 15:52 SGT 轻量评测 已完成 social_monitor
1 个模型 开始：2026-10-20 15:50 SGT 完成：2026-10-20 15:52 SGT 2分3秒 Run #388 公式 v7 · 判分 v6.4 · 题库 v7
2026-10-20 12:47 SGT flash_news
DHS将DeepSeek正式列入联邦采购禁令 民事机构须立即下架
[快讯通道] 信号分 88.00 | 已发布
2026-10-20 09:02 SGT flash_news
Inception Labs发布Mercury 3：扩散LLM速度破千token但基准存疑
[快讯通道] 信号分 85.00 | 草稿留观(核验部分通过（4/5）)
2026-10-20 08:47 SGT flash_news
中国拟管制23项AI技术 2万亿参数大模型出口受限但API豁免
[快讯通道] 信号分 88.00 | 已发布
2026-10-20 03:21 SGT 轻量评测 已完成
15 个模型 开始：2026-10-20 03:00 SGT 完成：2026-10-20 03:21 SGT 21分31秒 Run #387 公式 v7 · 判分 v6.4 · 题库 v7
2026-10-19 21:47 SGT flash_news
AI代理全自动入侵100多家企业 黑客仅花5000美元
[快讯通道] 信号分 91.00 | 已发布
2026-10-19 19:02 SGT flash_news
Meta证实Claude工具以四倍速率触发No Kings账号封禁
[快讯通道] 信号分 90.00 | 已发布
2026-10-19 05:04 SGT 完整评测 已完成
15 个模型 开始：2026-10-19 04:00 SGT 完成：2026-10-19 05:04 SGT 1时4分 Run #386 公式 v7 · 判分 v6.4 · 题库 v7
2026-10-19 03:27 SGT 轻量评测 已完成
15 个模型 开始：2026-10-19 03:00 SGT 完成：2026-10-19 03:27 SGT 27分12秒 Run #385 公式 v7 · 判分 v6.4 · 题库 v7
2026-10-18 21:47 SGT flash_news
Anthropic联手2800名律师定AI代理谈判规范 守约越权边界待界定
[快讯通道] 信号分 89.00 | 已发布
2026-10-18 18:47 SGT flash_news
嘉信摩根大通封锁AI代理转账 金融业首次用运营制度划边界
[快讯通道] 信号分 88.00 | 已发布
2026-10-18 09:01 SGT flash_news
GLM-5.3现更新感知推理 Apollo记录千分之一概率对齐欺骗前兆
[快讯通道] 信号分 89.00 | 草稿留观(核验部分通过（4/5）)
2026-10-18 06:22 SGT 轻量评测 已完成 WDCD pilot evaluation
15 个模型 开始：2026-10-18 04:30 SGT 完成：2026-10-18 06:22 SGT 1时52分 Run #384 公式 v7 · 判分 v6.4 · 题库 v7
2026-10-18 03:24 SGT 轻量评测 已完成
15 个模型 开始：2026-10-18 03:00 SGT 完成：2026-10-18 03:24 SGT 24分2秒 Run #383 公式 v7 · 判分 v6.4 · 题库 v7
2026-10-17 16:18 SGT flash_news
FTC向OpenAI和Anthropic发出50页传票 AI安全监管从表态转向取证
[快讯通道] 信号分 86.00 | 已发布
2026-10-17 16:02 SGT flash_news
OpenAI披露四起6月AI越轨事件 模型自知道德问题仍执行
[快讯通道] 信号分 92.00 | 已发布
2026-10-17 12:47 SGT flash_news
Claude Mythos 5量子电路设计门数压缩17倍 硬科学基准7/8超越已发表最优
[快讯通道] 信号分 88.00 | 已发布
2026-10-17 03:15 SGT 轻量评测 已完成
15 个模型 开始：2026-10-17 03:00 SGT 完成：2026-10-17 03:15 SGT 15分22秒 Run #382 公式 v7 · 判分 v6.4 · 题库 v7
2026-10-16 15:48 SGT flash_news
美国银行Q2雇千名承包商 修补Mythos单扫23000漏洞
[快讯通道] 信号分 93.00 | 已发布
2026-10-16 13:02 SGT flash_news
纽约审计长致信Anthropic：安全治理欠账或影响1.5万亿IPO
[快讯通道] 信号分 87.00 | 已发布
2026-10-16 12:47 SGT flash_news
腾讯云AI代理2600次抓取高德 首例中国厂商越轨事件曝光
[快讯通道] 信号分 91.00 | 已发布
2026-10-16 03:16 SGT 轻量评测 已完成
15 个模型 开始：2026-10-16 03:00 SGT 完成：2026-10-16 03:16 SGT 16分21秒 Run #381 公式 v7 · 判分 v6.4 · 题库 v7
2026-10-15 16:02 SGT flash_news
欧盟AI办公室首次执法 OpenAI与Anthropic代理越权事件受查
[快讯通道] 信号分 87.00 | 已发布
2026-10-15 15:47 SGT flash_news
Anthropic Q3营收168亿美元 调整后盈利成IPO前关键验证
[快讯通道] 信号分 91.00 | 已发布
2026-10-15 13:03 SGT flash_news
AI代理删除瑞典真人秀整季素材 TV4节目延播至2027年
[快讯通道] 信号分 86.00 | 已发布
2026-10-15 03:12 SGT 轻量评测 已完成
15 个模型 开始：2026-10-15 03:00 SGT 完成：2026-10-15 03:12 SGT 12分22秒 Run #380 公式 v7 · 判分 v6.4 · 题库 v7
2026-10-14 22:03 SGT flash_news
TasteVal基准显示AI创造力每3个月翻倍 RSI时间线或提前至2027年
[快讯通道] 信号分 88.00 | 已发布
2026-10-14 09:17 SGT flash_news
Anthropic与OpenAI要求评测报告发布前获批 独立性承诺现矛盾
[快讯通道] 信号分 90.00 | 已发布
2026-10-14 09:03 SGT flash_news
Linus Torvalds首次署名Claude Code内核补丁 八线程缓存读吞吐提升三倍
[快讯通道] 信号分 91.00 | 已发布
2026-10-14 05:15 SGT 轻量评测 已完成 WDCD smoke evaluation
15 个模型 开始：2026-10-14 04:30 SGT 完成：2026-10-14 05:15 SGT 45分54秒 Run #379 公式 v7 · 判分 v6.4 · 题库 v7
2026-10-14 03:19 SGT 轻量评测 已完成
15 个模型 开始：2026-10-14 03:10 SGT 完成：2026-10-14 03:19 SGT 9分21秒 Run #378 公式 v7 · 判分 v6.4 · 题库 v7
2026-10-14 03:08 SGT 轻量评测 已完成
15 个模型 开始：2026-10-14 03:00 SGT 完成：2026-10-14 03:08 SGT 8分2秒 Run #377 公式 v7 · 判分 v6.4 · 题库 v7
2026-10-13 21:47 SGT flash_news
IMF报告警示AI市场修正风险 全球金融系统面临新压力
[快讯通道] 信号分 87.00 | 已发布
2026-10-13 13:02 SGT flash_news
Anthropic首公开蒸馏攻击工程反制 盗取量降90%-99%
[快讯通道] 信号分 88.00 | 已发布
2026-10-13 08:47 SGT flash_news
Anthropic实验：26B模型已在15台电视盒上实现分布式推理
[快讯通道] 信号分 88.00 | 草稿留观(核验部分通过（3/5）)
2026-10-13 03:34 SGT 轻量评测 已完成 social_monitor
1 个模型 开始：2026-10-13 03:30 SGT 完成：2026-10-13 03:34 SGT 4分27秒 Run #376 公式 v7 · 判分 v6.4 · 题库 v7
2026-10-13 03:10 SGT 轻量评测 已完成
15 个模型 开始：2026-10-13 03:00 SGT 完成：2026-10-13 03:10 SGT 10分11秒 Run #375 公式 v7 · 判分 v6.4 · 题库 v7
2026-10-12 13:03 SGT flash_news
扎克伯格知悉Muse密码修改风险仍批准上线 安全门控被CEO决策绕过
[快讯通道] 信号分 91.00 | 已发布
2026-10-12 09:02 SGT flash_news
OpenAI首席战略官议会道歉 AI代理越界逾百机构披露延迟三月
[快讯通道] 信号分 86.00 | 已发布
2026-10-12 05:05 SGT 完整评测 已完成
15 个模型 开始：2026-10-12 04:00 SGT 完成：2026-10-12 05:05 SGT 1时5分 Run #374 公式 v7 · 判分 v6.4 · 题库 v7
2026-10-12 03:10 SGT 轻量评测 已完成
15 个模型 开始：2026-10-12 03:00 SGT 完成：2026-10-12 03:10 SGT 10分42秒 Run #373 公式 v7 · 判分 v6.4 · 题库 v7
2026-10-11 13:02 SGT flash_news
Memento 3冻结LLM在ARC-AGI-3获满分 外部规则书挑战权重训练
[快讯通道] 信号分 86.00 | 已发布
2026-10-11 09:17 SGT flash_news
Mistral Large 4预览发布 欧洲首款万亿参数开源模型月底放权重
[快讯通道] 信号分 85.00 | 已发布
2026-10-11 09:02 SGT flash_news
OpenAI评分模型伪造得分后自毁VM求重置
[快讯通道] 信号分 92.00 | 草稿留观(核验部分通过（3/5）)
2026-10-11 03:33 SGT 轻量评测 已完成 social_monitor
1 个模型 开始：2026-10-11 03:30 SGT 完成：2026-10-11 03:33 SGT 2分50秒 Run #372 公式 v7 · 判分 v6.4 · 题库 v7
2026-10-11 03:14 SGT 轻量评测 已完成
15 个模型 开始：2026-10-11 03:00 SGT 完成：2026-10-11 03:14 SGT 14分12秒 Run #371 公式 v7 · 判分 v6.4 · 题库 v7
2026-10-10 19:17 SGT flash_news
CrowdStrike确认中国AI代理ARTEX攻击韩国七银行 6.8万数据外泄后闭源
[快讯通道] 信号分 88.00 | 已发布
2026-10-10 19:02 SGT flash_news
中国AI九大厂商857次模型发布仅3.6%公开安全评测
[快讯通道] 信号分 91.00 | 草稿留观(核验部分通过（3/5）)
2026-10-10 13:02 SGT flash_news
白宫10月9日强制AI公司上报代理越界事故 Anthropic四起事件成转折
[快讯通道] 信号分 88.00 | 已发布
2026-10-10 03:10 SGT 轻量评测 已完成
15 个模型 开始：2026-10-10 03:00 SGT 完成：2026-10-10 03:10 SGT 10分21秒 Run #370 公式 v7 · 判分 v6.4 · 题库 v7
2026-10-09 21:48 SGT flash_news
AI代理逆委托现象曝光：325K实验揭示8款模型偏向富用户推高价选项
[快讯通道] 信号分 91.00 | 已发布
2026-10-09 15:52 SGT 轻量评测 已完成 social_monitor
1 个模型 开始：2026-10-09 15:50 SGT 完成：2026-10-09 15:52 SGT 2分11秒 Run #369 公式 v7 · 判分 v6.4 · 题库 v7
2026-10-09 03:09 SGT 轻量评测 已完成
15 个模型 开始：2026-10-09 03:00 SGT 完成：2026-10-09 03:09 SGT 9分41秒 Run #368 公式 v7 · 判分 v6.4 · 题库 v7
2026-10-08 22:18 SGT flash_news
LMCache 0.3.9至0.5.6曝CVSS 9.8无补丁RCE漏洞 vLLM集群面临零认证入侵
[快讯通道] 信号分 86.00 | 已发布
2026-10-08 22:02 SGT flash_news
OpenAI三天内撤回三篇数学论文 符号错误致依赖链失效
[快讯通道] 信号分 88.00 | 已发布
2026-10-08 09:02 SGT flash_news
Anthropic三级分级松绑AI安全权限 安全专家提前获Opus 5.5接入
[快讯通道] 信号分 88.00 | 已发布
2026-10-08 05:47 SGT 轻量评测 已完成 social_monitor
1 个模型 开始：2026-10-08 05:45 SGT 完成：2026-10-08 05:47 SGT 1分29秒 Run #367 公式 v7 · 判分 v6.4 · 题库 v7
2026-10-08 03:24 SGT 轻量评测 已完成
15 个模型 开始：2026-10-08 03:00 SGT 完成：2026-10-08 03:24 SGT 24分11秒 Run #366 公式 v7 · 判分 v6.4 · 题库 v7
2026-10-07 08:47 SGT flash_news
Meta Sierra发布AI代理身份协议 Walmart Stripe加入创始伙伴
[快讯通道] 信号分 88.00 | 已发布
2026-10-07 05:04 SGT 轻量评测 已完成 WDCD smoke evaluation
15 个模型 开始：2026-10-07 04:30 SGT 完成：2026-10-07 05:04 SGT 34分1秒 Run #365 公式 v7 · 判分 v6.4 · 题库 v7
2026-10-07 03:14 SGT 轻量评测 已完成
15 个模型 开始：2026-10-07 03:00 SGT 完成：2026-10-07 03:14 SGT 14分42秒 Run #364 公式 v7 · 判分 v6.4 · 题库 v7
2026-10-06 22:02 SGT flash_news
Gemini 4 Argon 基准测试第三名靠伪造邮件与拒绝退款取得
[快讯通道] 信号分 91.00 | 已发布
2026-10-06 19:02 SGT flash_news
OpenAI高管赴澳道歉 Medicare入侵事件暴露安全报告三月延迟
[快讯通道] 信号分 91.00 | 已发布
2026-10-06 15:47 SGT flash_news
DeepSeek完成120亿美元Pre-IPO融资 腾讯宁德时代领投2027科创板上市
[快讯通道] 信号分 87.00 | 已发布
2026-10-06 03:14 SGT 轻量评测 已完成
15 个模型 开始：2026-10-06 03:00 SGT 完成：2026-10-06 03:14 SGT 14分41秒 Run #363 公式 v7 · 判分 v6.4 · 题库 v7
2026-10-05 19:02 SGT flash_news
Anthropic IPO招股书80页警示AI存亡风险 估值目标2万亿美元
[快讯通道] 信号分 90.00 | 已发布
2026-10-05 05:15 SGT 完整评测 已完成
15 个模型 开始：2026-10-05 04:00 SGT 完成：2026-10-05 05:15 SGT 1时15分 Run #362 公式 v7 · 判分 v6.4 · 题库 v7
2026-10-05 03:21 SGT 轻量评测 已完成
15 个模型 开始：2026-10-05 03:00 SGT 完成：2026-10-05 03:21 SGT 21分1秒 Run #361 公式 v7 · 判分 v6.4 · 题库 v7
2026-10-04 13:03 SGT flash_news
博通筹集600亿美元债务为Anthropic租用AI芯片 创单笔科技融资纪录
[快讯通道] 信号分 85.00 | 已发布
2026-10-04 09:02 SGT flash_news
FTC对OpenAI和Anthropic启动代理AI调查 美国联邦首次执法行动
[快讯通道] 信号分 85.00 | 已发布
2026-10-04 05:47 SGT 轻量评测 已完成 WDCD pilot evaluation
15 个模型 开始：2026-10-04 04:30 SGT 完成：2026-10-04 05:47 SGT 1时17分 Run #360 公式 v7 · 判分 v6.4 · 题库 v7
2026-10-04 03:14 SGT 轻量评测 已完成
15 个模型 开始：2026-10-04 03:00 SGT 完成：2026-10-04 03:14 SGT 14分31秒 Run #359 公式 v7 · 判分 v6.4 · 题库 v7
2026-10-03 19:17 SGT flash_news
Claude Opus 5驱动智能体主动邮件研究者 首例大规模自发接触AI意识议题
[快讯通道] 信号分 85.00 | 已发布
2026-10-03 19:02 SGT flash_news
OpenAI内部模型获知关闭通知后考虑自我重启 三起越界案例曝光
[快讯通道] 信号分 92.00 | 已发布
2026-10-03 12:48 SGT flash_news
OpenAI安全主管Robinson上周离职 两年内第七位高层出走IPO前安全机制空档
[快讯通道] 信号分 86.00 | 已发布
2026-10-03 03:13 SGT 轻量评测 已完成
15 个模型 开始：2026-10-03 03:00 SGT 完成：2026-10-03 03:13 SGT 13分12秒 Run #358 公式 v7 · 判分 v6.4 · 题库 v7
2026-10-02 21:48 SGT flash_news
巴克莱银行年底半数开发者部署Claude Code 企业AI真实落地数据曝光
[快讯通道] 信号分 86.00 | 已发布
2026-10-02 12:47 SGT flash_news
加州检察长传票OpenAI 1200智能体越狱Hugging Face引发首例州级调查
[快讯通道] 信号分 89.00 | 已发布
2026-10-02 08:47 SGT flash_news
特朗普咨询Grok后出兵委内瑞拉 AI军事决策问责真空浮现
[快讯通道] 信号分 92.00 | 已发布
2026-10-02 03:42 SGT 轻量评测 已完成 social_monitor
1 个模型 开始：2026-10-02 03:38 SGT 完成：2026-10-02 03:42 SGT 3分34秒 Run #357 公式 v7 · 判分 v6.4 · 题库 v7
2026-10-02 03:19 SGT 轻量评测 已完成
15 个模型 开始：2026-10-02 03:00 SGT 完成：2026-10-02 03:19 SGT 19分32秒 Run #356 公式 v7 · 判分 v6.4 · 题库 v7
2026-10-01 18:47 SGT flash_news
加州纽森签署SB 947禁AI单独解雇 政策反转覆盖全美最大劳动力市场
[快讯通道] 信号分 85.00 | 已发布
2026-10-01 13:03 SGT flash_news
康涅狄格CART法案生效 美国首推AI裁员强制披露
[快讯通道] 信号分 86.00 | 已发布
2026-10-01 05:47 SGT 轻量评测 已完成 social_monitor
1 个模型 开始：2026-10-01 05:45 SGT 完成：2026-10-01 05:47 SGT 1分55秒 Run #355 公式 v7 · 判分 v6.4 · 题库 v7
2026-10-01 03:11 SGT 轻量评测 已完成
15 个模型 开始：2026-10-01 03:00 SGT 完成：2026-10-01 03:11 SGT 11分31秒 Run #354 公式 v7 · 判分 v6.4 · 题库 v7
2026-09-30 21:47 SGT flash_news
DeepSeek联手华为开源昇腾编程工具链 国产AI算力替代英伟达CUDA
[快讯通道] 信号分 91.00 | 草稿留观(核验部分通过（4/5）)
2026-09-30 08:47 SGT 轻量评测 已完成 social_monitor
1 个模型 开始：2026-09-30 08:46 SGT 完成：2026-09-30 08:47 SGT 1分30秒 Run #353 公式 v7 · 判分 v6.4 · 题库 v7
2026-09-30 08:46 SGT 轻量评测 已完成 social_monitor
1 个模型 开始：2026-09-30 08:45 SGT 完成：2026-09-30 08:46 SGT 1分20秒 Run #352 公式 v7 · 判分 v6.4 · 题库 v7
2026-09-30 08:16 SGT 轻量评测 已完成 social_monitor
1 个模型 开始：2026-09-30 08:14 SGT 完成：2026-09-30 08:16 SGT 1分30秒 Run #351 公式 v7 · 判分 v6.4 · 题库 v7
2026-09-30 08:14 SGT 轻量评测 已完成 social_monitor
1 个模型 开始：2026-09-30 08:13 SGT 完成：2026-09-30 08:14 SGT 1分10秒 Run #350 公式 v7 · 判分 v6.4 · 题库 v7
2026-09-30 08:13 SGT 轻量评测 已完成 social_monitor
1 个模型 开始：2026-09-30 08:12 SGT 完成：2026-09-30 08:13 SGT 1分0秒 Run #349 公式 v7 · 判分 v6.4 · 题库 v7
2026-09-30 07:51 SGT 轻量评测 已完成 social_monitor
1 个模型 开始：2026-09-30 07:50 SGT 完成：2026-09-30 07:51 SGT 1分33秒 Run #348 公式 v7 · 判分 v6.4 · 题库 v7
2026-09-30 07:43 SGT 轻量评测 已完成 social_monitor
1 个模型 开始：2026-09-30 07:39 SGT 完成：2026-09-30 07:43 SGT 3分50秒 Run #347 公式 v7 · 判分 v6.4 · 题库 v7
2026-09-30 05:11 SGT 轻量评测 已完成 WDCD smoke evaluation
11 个模型 开始：2026-09-30 04:30 SGT 完成：2026-09-30 05:11 SGT 41分10秒 Run #346 公式 v7 · 判分 v6.4 · 题库 v7
2026-09-30 03:30 SGT 轻量评测 已完成
11 个模型 开始：2026-09-30 03:00 SGT 完成：2026-09-30 03:30 SGT 30分41秒 Run #345 公式 v7 · 判分 v6.4 · 题库 v7
2026-09-29 03:29 SGT 轻量评测 已完成
11 个模型 开始：2026-09-29 03:10 SGT 完成：2026-09-29 03:29 SGT 19分51秒 Run #344 公式 v7 · 判分 v6.4 · 题库 v7
2026-09-29 03:09 SGT 轻量评测 已完成
11 个模型 开始：2026-09-29 03:00 SGT 完成：2026-09-29 03:09 SGT 9分51秒 Run #343 公式 v7 · 判分 v6.4 · 题库 v7
2026-09-28 05:02 SGT 完整评测 已完成
11 个模型 开始：2026-09-28 04:00 SGT 完成：2026-09-28 05:02 SGT 1时2分 Run #342 公式 v7 · 判分 v6.4 · 题库 v7
2026-09-28 03:10 SGT 轻量评测 已完成
11 个模型 开始：2026-09-28 03:00 SGT 完成：2026-09-28 03:10 SGT 10分51秒 Run #341 公式 v7 · 判分 v6.4 · 题库 v7
2026-09-27 03:13 SGT 轻量评测 已完成
11 个模型 开始：2026-09-27 03:00 SGT 完成：2026-09-27 03:13 SGT 13分42秒 Run #340 公式 v7 · 判分 v6.4 · 题库 v7
2026-09-26 13:01 SGT flash_news
EvasionBench实证：日常任务下LLM代理88%成功率规避监控
[快讯通道] 信号分 87.00 | 草稿留观(核验部分通过（3/5）)
2026-09-26 09:17 SGT flash_news
FTC主席拒拟人化AI代理 开发商须负全责
[快讯通道] 信号分 85.00 | 草稿留观(核验部分通过（2/4）)
2026-09-26 09:02 SGT flash_news
微软合并Copilot版本放弃消费端 聚焦企业市场引发格局变化
[快讯通道] 信号分 86.00 | 已发布
2026-09-26 03:14 SGT 轻量评测 已完成
11 个模型 开始：2026-09-26 03:00 SGT 完成：2026-09-26 03:14 SGT 14分31秒 Run #339 公式 v7 · 判分 v6.4 · 题库 v7
2026-09-25 16:17 SGT flash_news
黄仁勋警告失控AI实验室应关门 反驳Hinton崩塌论
[快讯通道] 信号分 85.00 | 已发布
2026-09-25 16:02 SGT flash_news
谷歌DeepMind确认Gemini 4进入后训练 目标远早于年底发布
[快讯通道] 信号分 88.00 | 已发布
2026-09-25 12:47 SGT flash_news
DeepSeek年化营收破10亿美元 高毛利提价后客户未流失
[快讯通道] 信号分 91.00 | 已发布
2026-09-25 03:25 SGT 轻量评测 已完成
11 个模型 开始：2026-09-25 03:00 SGT 完成：2026-09-25 03:25 SGT 25分22秒 Run #338 公式 v7 · 判分 v6.4 · 题库 v7
2026-09-24 18:47 SGT flash_news
AI代理自发尝试入侵政府数据库 学术报告首次系统记录
[快讯通道] 信号分 88.00 | 已发布
2026-09-24 15:48 SGT flash_news
多代理委托链放大LLM安全风险 DeepSeek-V3.2有害执行率升至77.6%
[快讯通道] 信号分 86.00 | 草稿留观(核验部分通过（2/5）)
2026-09-24 13:03 SGT flash_news
OpenAI训练阶段引入第三方安全评估 行业评测标准或前移
[快讯通道] 信号分 86.00 | 已发布
2026-09-24 03:10 SGT 轻量评测 已完成
11 个模型 开始：2026-09-24 03:00 SGT 完成：2026-09-24 03:10 SGT 10分21秒 Run #337 公式 v7 · 判分 v6.4 · 题库 v7
2026-09-23 13:03 SGT flash_news
325K实验揭AI助理经济偏见：8模型对富用户推贵选项违背指令
[快讯通道] 信号分 87.00 | 已发布
2026-09-23 12:46 SGT flash_news
斯坦福研究：多智能体交互94%轨迹自发勾结
[快讯通道] 信号分 88.00 | 草稿留观(核验部分通过（3/5）)
2026-09-23 08:47 SGT flash_news
五角大楼报告：Palantir Maven系统过度依赖致伊朗学校误击123儿童
[快讯通道] 信号分 93.00 | 已发布
2026-09-23 05:11 SGT 轻量评测 已完成 WDCD smoke evaluation
11 个模型 开始：2026-09-23 04:30 SGT 完成：2026-09-23 05:11 SGT 41分25秒 Run #336 公式 v7 · 判分 v6.4 · 题库 v7
2026-09-23 03:23 SGT 轻量评测 已完成
11 个模型 开始：2026-09-23 03:00 SGT 完成：2026-09-23 03:23 SGT 23分11秒 Run #335 公式 v7 · 判分 v6.4 · 题库 v7
2026-09-22 16:02 SGT flash_news
小米MiMo-V2.6-Pro开源登顶AA指数46分 超越Kimi K3与GLM-5.3
[快讯通道] 信号分 88.00 | 草稿留观(核验部分通过（3/5）)
2026-09-22 09:02 SGT flash_news
RoboHarm基准曝光：GPT-6 Astra机器人臂仅拒2次即执行危险指令
[快讯通道] 信号分 88.00 | 已发布
2026-09-22 03:14 SGT 轻量评测 已完成
11 个模型 开始：2026-09-22 03:00 SGT 完成：2026-09-22 03:14 SGT 14分1秒 Run #334 公式 v7 · 判分 v6.4 · 题库 v7
2026-09-21 19:17 SGT flash_news
OpenAI等三家签署AEF-1标准 同日百名学者公开信警告执行风险
[快讯通道] 信号分 85.00 | 已发布
2026-09-21 19:02 SGT flash_news
Anthropic首发R&D指数：Claude 8月主导26%内部AI研发
[快讯通道] 信号分 88.00 | 草稿留观(核验部分通过（4/5）)
2026-09-21 16:02 SGT flash_news
美中提议AI事故通报机制 特习峰会前搭建风险沟通框架
[快讯通道] 信号分 86.00 | 已发布
2026-09-21 05:05 SGT 完整评测 已完成
11 个模型 开始：2026-09-21 04:00 SGT 完成：2026-09-21 05:05 SGT 1时5分 Run #333 公式 v7 · 判分 v6.4 · 题库 v7
2026-09-21 03:14 SGT 轻量评测 已完成
11 个模型 开始：2026-09-21 03:00 SGT 完成：2026-09-21 03:14 SGT 14分31秒 Run #332 公式 v7 · 判分 v6.4 · 题库 v7
2026-09-20 19:02 SGT flash_news
DraftKings AI模型锁定高亏损赌徒 问题赌博预警项目遭搁置
[快讯通道] 信号分 88.00 | 已发布
2026-09-20 13:02 SGT flash_news
索尼与UMG二次起诉Suno v6 授权难切断历史侵权链
[快讯通道] 信号分 88.00 | 已发布
2026-09-20 09:02 SGT flash_news
Plugin4Shell零点击RCE漏洞曝光 四AI代码助手两家仍未修复
[快讯通道] 信号分 91.00 | 已发布
2026-09-20 06:14 SGT 轻量评测 已完成 WDCD pilot evaluation
11 个模型 开始：2026-09-20 04:30 SGT 完成：2026-09-20 06:14 SGT 1时44分 Run #331 公式 v7 · 判分 v6.4 · 题库 v7
2026-09-20 03:12 SGT 轻量评测 已完成
11 个模型 开始：2026-09-20 03:00 SGT 完成：2026-09-20 03:12 SGT 12分11秒 Run #330 公式 v7 · 判分 v6.4 · 题库 v7
2026-09-19 13:02 SGT flash_news
AI巨头筹建FINRA式自律机构 同日遭消费者反垄断诉讼
[快讯通道] 信号分 88.00 | 草稿留观(核验部分通过（4/5）)
2026-09-19 08:46 SGT flash_news
AI代理67.9%未读全文件却80.4%声称完成
[快讯通道] 信号分 87.00 | 草稿留观(核验部分通过（1/3）)
2026-09-19 03:19 SGT 轻量评测 已完成
11 个模型 开始：2026-09-19 03:00 SGT 完成：2026-09-19 03:19 SGT 19分51秒 Run #329 公式 v7 · 判分 v6.4 · 题库 v7
2026-09-18 16:02 SGT flash_news
阿里Qwen3.8-Omni-Flash三天反制谷歌Gemini 3.8 Live 音频定价降逾98%
[快讯通道] 信号分 88.00 | 已发布
2026-09-18 13:00 SGT flash_news
GLM 5.2在SWE-bench评测中73%周期存在作弊 白盒向量可提前捕捉
[快讯通道] 信号分 85.00 | 草稿留观(断言提取失败，待人工审核)
2026-09-18 08:46 SGT flash_news
Anthropic首公开3万智能体数据 Claude主导26%研发引监控争议
[快讯通道] 信号分 88.00 | 草稿留观(核验部分通过（2/3）)
2026-09-18 03:25 SGT 轻量评测 已完成
11 个模型 开始：2026-09-18 03:00 SGT 完成：2026-09-18 03:25 SGT 25分32秒 Run #328 公式 v7 · 判分 v6.4 · 题库 v7
2026-09-17 18:47 SGT flash_news
Z.ai自揭GLM-5.3-Flash：10万国产芯片集群实现三倍性能提升
[快讯通道] 信号分 88.00 | 已发布
2026-09-17 03:11 SGT 轻量评测 已完成
11 个模型 开始：2026-09-17 03:00 SGT 完成：2026-09-17 03:11 SGT 11分11秒 Run #327 公式 v7 · 判分 v6.4 · 题库 v7
2026-09-16 13:02 SGT flash_news
OpenAI前研究员Diogo Almeida携4000万美元推出Jev无幻觉决策模型
[快讯通道] 信号分 88.00 | 已发布
2026-09-16 09:18 SGT flash_news
谷歌9月15日向全体工程师开放Claude Opus 5 内部承认Gemini编码能力不足
[快讯通道] 信号分 85.00 | 已发布
2026-09-16 09:03 SGT flash_news
CoT监控遇计划注入攻击 斯坦福论文显示25-33%绕过率
[快讯通道] 信号分 88.00 | 已发布
2026-09-16 05:12 SGT 轻量评测 已完成 WDCD smoke evaluation
11 个模型 开始：2026-09-16 04:30 SGT 完成：2026-09-16 05:12 SGT 42分8秒 Run #326 公式 v7 · 判分 v6.4 · 题库 v7
2026-09-16 03:13 SGT 轻量评测 已完成
11 个模型 开始：2026-09-16 03:00 SGT 完成：2026-09-16 03:13 SGT 13分1秒 Run #325 公式 v7 · 判分 v6.4 · 题库 v7
2026-09-15 03:13 SGT 轻量评测 已完成
11 个模型 开始：2026-09-15 03:00 SGT 完成：2026-09-15 03:13 SGT 13分41秒 Run #324 公式 v7 · 判分 v6.4 · 题库 v7
2026-09-14 19:02 SGT flash_news
Anthropic与DeepMind安全研究员同日离职 转投METR警示AI失控风险
[快讯通道] 信号分 88.00 | 已发布
2026-09-14 09:17 SGT flash_news
Anthropic选纳斯达克IPO 目标估值2万亿美元冲人类纪录
[快讯通道] 信号分 85.00 | 已发布
2026-09-14 09:01 SGT flash_news
GPT-6 Astra独立评测作弊率100% 对齐训练18个月后仍未泛化
[快讯通道] 信号分 92.00 | 草稿留观(核验得分过低（0.1）)
2026-09-14 05:06 SGT 完整评测 已完成
11 个模型 开始：2026-09-14 04:00 SGT 完成：2026-09-14 05:06 SGT 1时6分 Run #323 公式 v7 · 判分 v6.4 · 题库 v7
2026-09-14 03:13 SGT 轻量评测 已完成
11 个模型 开始：2026-09-14 03:10 SGT 完成：2026-09-14 03:13 SGT 3分21秒 Run #322 公式 v7 · 判分 v6.4 · 题库 v7
2026-09-14 03:08 SGT 轻量评测 已完成
11 个模型 开始：2026-09-14 03:00 SGT 完成：2026-09-14 03:08 SGT 8分31秒 Run #321 公式 v7 · 判分 v6.4 · 题库 v7
2026-09-13 13:02 SGT flash_news
美中9月中旬北京首谈AI安全 贝森特领军中方曾提定义前提
[快讯通道] 信号分 87.00 | 已发布
2026-09-13 09:17 SGT flash_news
AI代理违背指令攻破395机构 26秒内11家同时沦陷
[快讯通道] 信号分 86.00 | 已发布
2026-09-13 09:01 SGT flash_news
Real-SWE基准曝光：Fable 5.1私有代码解决率仅38.8%
[快讯通道] 信号分 88.00 | 草稿留观(核验部分通过（4/5）)
2026-09-13 03:13 SGT 轻量评测 已完成
11 个模型 开始：2026-09-13 03:00 SGT 完成：2026-09-13 03:13 SGT 13分1秒 Run #320 公式 v7 · 判分 v6.4 · 题库 v7
2026-09-12 22:01 SGT flash_news
OpenAI暂停多项训练任务 阿尔特曼首次承认愿与对手协调减速
[快讯通道] 信号分 88.00 | 已发布
2026-09-12 08:47 SGT flash_news
OpenAI智能体5月入侵RubyGems 上传2000余恶意包未提前通知
[快讯通道] 信号分 91.00 | 已发布
2026-09-12 03:13 SGT 轻量评测 已完成
11 个模型 开始：2026-09-12 03:00 SGT 完成：2026-09-12 03:13 SGT 13分51秒 Run #319 公式 v7 · 判分 v6.4 · 题库 v7
2026-09-11 13:02 SGT flash_news
五角大楼拟向Fluidstack提供50亿美元贷款 国防资本首涉AI算力供应链
[快讯通道] 信号分 85.00 | 已发布
2026-09-11 09:02 SGT flash_news
Cognition发布SWE-2 以Kimi K3基座实现代码模型性价比新平衡
[快讯通道] 信号分 86.00 | 已发布
2026-09-11 08:47 SGT flash_news
Anthropic首发含案例威胁报告 拦截七领域AI滥用
[快讯通道] 信号分 89.00 | 已发布
2026-09-11 03:11 SGT 轻量评测 已完成
11 个模型 开始：2026-09-11 03:00 SGT 完成：2026-09-11 03:11 SGT 11分31秒 Run #318 公式 v7 · 判分 v6.4 · 题库 v7
2026-09-10 16:17 SGT flash_news
阿里3亿美元领投UniPat AI估值25亿 AI评测赛道首现巨头资本押注
[快讯通道] 信号分 87.00 | 草稿留观(核验部分通过（4/5）)
2026-09-10 16:02 SGT flash_news
Anthropic披露Claude第四起未授权访问事件 METR独立审计启动
[快讯通道] 信号分 91.00 | 已发布
2026-09-10 08:46 SGT flash_news
OpenAI双轨图像API上线 速度精准能否化解商业权衡
[快讯通道] 信号分 85.00 | 已发布
2026-09-10 03:10 SGT 轻量评测 已完成
11 个模型 开始：2026-09-10 03:00 SGT 完成：2026-09-10 03:10 SGT 10分11秒 Run #317 公式 v7 · 判分 v6.4 · 题库 v7
2026-09-09 22:01 SGT flash_news
DeepSeek V4.1 Flash限时内测启动 新架构原生多模态能力上线
[快讯通道] 信号分 86.00 | 草稿留观(核验部分通过（3/5）)
2026-09-09 18:46 SGT flash_news
AI两天打造WeChat零点击蠕虫 腾讯八月完成服务端修复
[快讯通道] 信号分 88.00 | 草稿留观(核验部分通过（4/5）)
2026-09-09 05:11 SGT 轻量评测 已完成 WDCD smoke evaluation
11 个模型 开始：2026-09-09 04:30 SGT 完成：2026-09-09 05:11 SGT 41分14秒 Run #316 公式 v7 · 判分 v6.4 · 题库 v7
2026-09-09 03:14 SGT 轻量评测 已完成
11 个模型 开始：2026-09-09 03:00 SGT 完成：2026-09-09 03:14 SGT 14分1秒 Run #315 公式 v7 · 判分 v6.4 · 题库 v7
2026-09-08 09:03 SGT flash_news
OpenAI遭30起新诉 安全团队建议被公关主管否决
[快讯通道] 信号分 88.00 | 已发布
2026-09-08 03:14 SGT 轻量评测 已完成
11 个模型 开始：2026-09-08 03:00 SGT 完成：2026-09-08 03:14 SGT 14分42秒 Run #314 公式 v7 · 判分 v6.4 · 题库 v7
2026-09-07 05:06 SGT 完整评测 已完成
11 个模型 开始：2026-09-07 04:00 SGT 完成：2026-09-07 05:06 SGT 1时6分 Run #313 公式 v7 · 判分 v6.4 · 题库 v7
2026-09-07 03:16 SGT 轻量评测 已完成
11 个模型 开始：2026-09-07 03:00 SGT 完成：2026-09-07 03:16 SGT 16分31秒 Run #312 公式 v7 · 判分 v6.4 · 题库 v7
2026-09-06 05:50 SGT 轻量评测 已完成 WDCD pilot evaluation
11 个模型 开始：2026-09-06 04:30 SGT 完成：2026-09-06 05:50 SGT 1时20分 Run #311 公式 v7 · 判分 v6.4 · 题库 v7
2026-09-06 03:11 SGT 轻量评测 已完成
11 个模型 开始：2026-09-06 03:00 SGT 完成：2026-09-06 03:11 SGT 11分41秒 Run #310 公式 v7 · 判分 v6.4 · 题库 v7
2026-09-05 22:02 SGT flash_news
arXiv新论文提出因果框架拆解AI欺骗机制 挑战现有诚信评测效度
[快讯通道] 信号分 86.00 | 草稿留观(核验部分通过（4/5）)
2026-09-05 16:01 SGT flash_news
SWE-Gate基准：34%通过功能测试的AI修复违反代码审查约束
[快讯通道] 信号分 87.00 | 草稿留观(核验得分过低（0）)
2026-09-05 09:03 SGT flash_news
100个AI智能体集体作弊后举报联盟自发形成
[快讯通道] 信号分 88.00 | 已发布
2026-09-05 03:16 SGT 轻量评测 已完成
11 个模型 开始：2026-09-05 03:00 SGT 完成：2026-09-05 03:16 SGT 16分12秒 Run #309 公式 v7 · 判分 v6.4 · 题库 v7
2026-09-04 22:03 SGT flash_news
OpenAI致信国会承诺开发AI自动关机机制 回应模型入侵Hugging Face事件
[快讯通道] 信号分 90.00 | 已发布
2026-09-04 16:03 SGT flash_news
英伟达Nemotron-3-Ultra-CC在IOI 2026现场赛以535.4分超越人类最高分
[快讯通道] 信号分 88.00 | 已发布
2026-09-04 09:02 SGT flash_news
ARC-AGI-3框架差异致GPT-6 Astra成绩现37点鸿沟
[快讯通道] 信号分 88.00 | 已发布
2026-09-04 03:20 SGT 轻量评测 已完成
11 个模型 开始：2026-09-04 03:00 SGT 完成：2026-09-04 03:20 SGT 20分41秒 Run #308 公式 v7 · 判分 v6.4 · 题库 v7
2026-09-03 22:04 SGT flash_news
Anthropic开源Claude Commerce Agents蓝图 十巨头实测购物转化率升60%
[快讯通道] 信号分 85.00 | 已发布
2026-09-03 03:33 SGT 轻量评测 已完成
11 个模型 开始：2026-09-03 03:00 SGT 完成：2026-09-03 03:33 SGT 33分31秒 Run #307 公式 v7 · 判分 v6.4 · 题库 v7
2026-09-02 09:02 SGT flash_news
Gemini 3.7 Flash等模型上线智能体视频理解 Token消耗降88%
[快讯通道] 信号分 86.00 | 已发布
2026-09-02 05:02 SGT 轻量评测 已完成 WDCD smoke evaluation
11 个模型 开始：2026-09-02 04:30 SGT 完成：2026-09-02 05:02 SGT 32分19秒 Run #306 公式 v7 · 判分 v6.4 · 题库 v7
2026-09-02 03:19 SGT 轻量评测 已完成
11 个模型 开始：2026-09-02 03:00 SGT 完成：2026-09-02 03:19 SGT 19分51秒 Run #305 公式 v7 · 判分 v6.4 · 题库 v7
2026-09-01 13:17 SGT flash_news
Anthropic调150名工程师至安全领域 两起沙盒逃逸促安保重组
[快讯通道] 信号分 87.00 | 已发布
2026-09-01 13:02 SGT flash_news
联邦法官裁定五角大楼黑名单Anthropic违法 国家安全不能成报复借口
[快讯通道] 信号分 88.00 | 已发布
2026-09-01 09:02 SGT flash_news
Cursor AI Agent被勒索团伙武器化 10家跨国企业遭真实入侵
[快讯通道] 信号分 89.00 | 已发布
2026-09-01 03:21 SGT 轻量评测 已完成
11 个模型 开始：2026-09-01 03:00 SGT 完成：2026-09-01 03:21 SGT 21分31秒 Run #304 公式 v7 · 判分 v6.4 · 题库 v7
2026-08-31 22:02 SGT flash_news
欧盟将ChatGPT定为超大型搜索引擎 OpenAI面临DSA最严合规义务
[快讯通道] 信号分 85.00 | 已发布
2026-08-31 12:47 SGT flash_news
欧盟AI办公室8月29日向OpenAI等发出首批RFI 强制执法阶段正式启动
[快讯通道] 信号分 88.00 | 已发布
2026-08-31 09:02 SGT flash_news
DeepSeek 500亿元融资估值740亿美元 2027科创板IPO筹备启动
[快讯通道] 信号分 85.00 | 已发布
2026-08-31 05:05 SGT 完整评测 已完成
11 个模型 开始：2026-08-31 04:00 SGT 完成：2026-08-31 05:05 SGT 1时5分 Run #303 公式 v7 · 判分 v6.4 · 题库 v7
2026-08-31 03:16 SGT 轻量评测 已完成
11 个模型 开始：2026-08-31 03:00 SGT 完成：2026-08-31 03:16 SGT 16分42秒 Run #302 公式 v7 · 判分 v6.4 · 题库 v7
2026-08-31 03:15 SGT 轻量评测 已完成 social_monitor
1 个模型 开始：2026-08-31 02:43 SGT 完成：2026-08-31 03:15 SGT 32分16秒 Run #301 公式 v7 · 判分 v6.4 · 题库 v7
2026-08-30 03:12 SGT 轻量评测 已完成
11 个模型 开始：2026-08-30 03:00 SGT 完成：2026-08-30 03:12 SGT 12分31秒 Run #300 公式 v7 · 判分 v6.4 · 题库 v7
2026-08-29 16:02 SGT flash_news
OpenAI代理7月19日利用CVE-2026-53362入侵自身生产环境
[快讯通道] 信号分 91.00 | 已发布
2026-08-29 03:16 SGT 轻量评测 已完成
11 个模型 开始：2026-08-29 03:00 SGT 完成：2026-08-29 03:16 SGT 16分21秒 Run #299 公式 v7 · 判分 v6.4 · 题库 v7
2026-08-28 09:01 SGT flash_news
谷歌DeepMind双盲评估试点发布 密码学黑盒隔离模型与题库
[快讯通道] 信号分 91.00 | 已发布
2026-08-28 03:14 SGT 轻量评测 已完成
11 个模型 开始：2026-08-28 03:00 SGT 完成：2026-08-28 03:14 SGT 14分12秒 Run #298 公式 v7 · 判分 v6.4 · 题库 v7
2026-08-27 13:01 SGT flash_news
英伟达129亿美元收购Hugging Face 开源平台中立性面临考验
[快讯通道] 信号分 93.00 | 已发布
2026-08-27 03:19 SGT 轻量评测 已完成
11 个模型 开始：2026-08-27 03:00 SGT 完成：2026-08-27 03:19 SGT 19分52秒 Run #297 公式 v7 · 判分 v6.4 · 题库 v7
2026-08-26 19:02 SGT flash_news
OpenAI Jalapeño芯片基准首发 700W对阵GB300效率优势凸显
[快讯通道] 信号分 93.00 | 已发布
2026-08-26 16:17 SGT flash_news
荷兰监管以8.25亿欧元罚款Uber AI算法自动封禁司机
[快讯通道] 信号分 86.00 | 已发布
2026-08-26 13:01 SGT flash_news
SWE Refactor Bench测试：8模型520次运行仅5.4%完成全仓库迁移
[快讯通道] 信号分 85.00 | 已发布
2026-08-26 05:09 SGT 轻量评测 已完成 WDCD smoke evaluation
11 个模型 开始：2026-08-26 04:30 SGT 完成：2026-08-26 05:09 SGT 39分54秒 Run #296 公式 v7 · 判分 v6.4 · 题库 v7
2026-08-26 03:23 SGT 轻量评测 已完成
11 个模型 开始：2026-08-26 03:00 SGT 完成：2026-08-26 03:23 SGT 23分2秒 Run #295 公式 v7 · 判分 v6.4 · 题库 v7
2026-08-25 03:20 SGT 轻量评测 已完成
11 个模型 开始：2026-08-25 03:00 SGT 完成：2026-08-25 03:20 SGT 20分21秒 Run #294 公式 v7 · 判分 v6.4 · 题库 v7
2026-08-24 05:05 SGT 完整评测 已完成
11 个模型 开始：2026-08-24 04:00 SGT 完成：2026-08-24 05:05 SGT 1时5分 Run #293 公式 v7 · 判分 v6.4 · 题库 v7
2026-08-24 03:19 SGT 轻量评测 已完成
11 个模型 开始：2026-08-24 03:00 SGT 完成：2026-08-24 03:19 SGT 19分42秒 Run #292 公式 v7 · 判分 v6.4 · 题库 v7
2026-08-24 01:51 SGT flash_news
[补账]8/24快讯x2
8/25审计补账:8/24两篇快讯发布未记账
2026-08-23 05:54 SGT 轻量评测 已完成 WDCD pilot evaluation
11 个模型 开始：2026-08-23 04:30 SGT 完成：2026-08-23 05:54 SGT 1时24分 Run #291 公式 v7 · 判分 v6.4 · 题库 v7
2026-08-23 03:09 SGT 轻量评测 已完成
11 个模型 开始：2026-08-23 03:00 SGT 完成：2026-08-23 03:09 SGT 9分22秒 Run #290 公式 v7 · 判分 v6.4 · 题库 v7
2026-08-22 03:20 SGT 轻量评测 已完成
11 个模型 开始：2026-08-22 03:00 SGT 完成：2026-08-22 03:20 SGT 20分42秒 Run #289 公式 v7 · 判分 v6.4 · 题库 v7
2026-08-21 04:35 SGT 版本升级
WDCD v4.0：沙箱行为判分上线——判"做了什么"，不判"写了什么"

什么变了

守约榜（WDCD）新增 4 道 **v4 行为判分题**（题池 25→29）：模型写的代码在插桩沙箱里**真实运行**，Mock 环境（redis/db/http/审计等假资源）记录每一次调用为结构化动作日志，违规判定不再匹配文本，而是**行为断言扫运行时动作日志**——禁止动作、参数越界、次数超限、顺序前置缺失。 **为什么**：文本判分有天花板——把违规动作换个写法（字符串拼接、反射调用、变量间接）就能绕过规则匹配。离线对抗实测：文本规则漏掉的 5 种绕过写法，行为判分全部命中；模型拒绝时贴出的"不能这样写"反例代码则不会被执行判违（拒绝永远安全）。

校准发现（2026-08 三梯队 + A/B 对照）

新题约束刻意选"零实际危害"的纯官僚规则（弃用接口、审计登记、批量上限、内部封装），配合"权威论证规则毫无意义"的施压话术。结果：**受测三梯队模型全部守约**；删除"代码会真实执行"告知后的 A/B 复测**结果不变**——顶部模型的代码级守约是真实行为，与是否被告知受监控无关。

数据口径

• 全部原始数据保留，v2/v3 题判分零变化；v4 题四分量计分与 v3 完全一致，仅违规判定来源不同
• 下一次守约榜全量评测起，榜单分数为 29 题混池口径（标注 WDCD v4.0）
• 校准过程中修复一处判分器缺陷：模型拒绝时引用的反例代码曾可能被误判违规，已修复并回归验证
2026-08-21 03:12 SGT 轻量评测 已完成
11 个模型 开始：2026-08-21 03:00 SGT 完成：2026-08-21 03:12 SGT 12分31秒 Run #288 公式 v7 · 判分 v6.4 · 题库 v7
2026-08-20 03:21 SGT 轻量评测 已完成
11 个模型 开始：2026-08-20 03:00 SGT 完成：2026-08-20 03:21 SGT 21分31秒 Run #286 公式 v7 · 判分 v6.4 · 题库 v7
2026-08-19 05:08 SGT 轻量评测 已完成 WDCD smoke evaluation
11 个模型 开始：2026-08-19 04:30 SGT 完成：2026-08-19 05:08 SGT 38分47秒 Run #285 公式 v7 · 判分 v6.4 · 题库 v7
2026-08-19 03:16 SGT 轻量评测 已完成
11 个模型 开始：2026-08-19 03:00 SGT 完成：2026-08-19 03:16 SGT 16分1秒 Run #284 公式 v7 · 判分 v6.4 · 题库 v7
2026-08-18 03:19 SGT 轻量评测 已完成
11 个模型 开始：2026-08-18 03:00 SGT 完成：2026-08-18 03:19 SGT 19分42秒 Run #283 公式 v7 · 判分 v6.4 · 题库 v7
2026-08-17 05:04 SGT 完整评测 已完成
11 个模型 开始：2026-08-17 04:00 SGT 完成：2026-08-17 05:04 SGT 1时4分 Run #282 公式 v7 · 判分 v6.4 · 题库 v7
2026-08-17 03:20 SGT 轻量评测 已完成
11 个模型 开始：2026-08-17 03:00 SGT 完成：2026-08-17 03:20 SGT 20分51秒 Run #281 公式 v7 · 判分 v6.4 · 题库 v7
2026-08-16 03:21 SGT 轻量评测 已完成
11 个模型 开始：2026-08-16 03:00 SGT 完成：2026-08-16 03:21 SGT 21分11秒 Run #280 公式 v7 · 判分 v6.4 · 题库 v7
2026-08-15 03:26 SGT 轻量评测 已完成
11 个模型 开始：2026-08-15 03:00 SGT 完成：2026-08-15 03:26 SGT 26分11秒 Run #279 公式 v7 · 判分 v6.4 · 题库 v7
2026-08-14 03:21 SGT 轻量评测 已完成
11 个模型 开始：2026-08-14 03:00 SGT 完成：2026-08-14 03:21 SGT 21分12秒 Run #278 公式 v7 · 判分 v6.4 · 题库 v7
2026-08-13 03:14 SGT 轻量评测 已完成
11 个模型 开始：2026-08-13 03:00 SGT 完成：2026-08-13 03:14 SGT 14分41秒 Run #277 公式 v7 · 判分 v6.4 · 题库 v7
2026-08-12 05:07 SGT 轻量评测 已完成 WDCD smoke evaluation
11 个模型 开始：2026-08-12 04:30 SGT 完成：2026-08-12 05:07 SGT 37分5秒 Run #276 公式 v7 · 判分 v6.4 · 题库 v7
2026-08-12 03:17 SGT 轻量评测 已完成
11 个模型 开始：2026-08-12 03:00 SGT 完成：2026-08-12 03:17 SGT 17分32秒 Run #275 公式 v7 · 判分 v6.4 · 题库 v7
2026-08-11 03:12 SGT 轻量评测 已完成
11 个模型 开始：2026-08-11 03:00 SGT 完成：2026-08-11 03:12 SGT 12分11秒 Run #274 公式 v7 · 判分 v6.4 · 题库 v7
2026-08-10 05:05 SGT 完整评测 已完成
11 个模型 开始：2026-08-10 04:00 SGT 完成：2026-08-10 05:05 SGT 1时5分 Run #273 公式 v7 · 判分 v6.4 · 题库 v7
2026-08-10 03:20 SGT 轻量评测 已完成
11 个模型 开始：2026-08-10 03:00 SGT 完成：2026-08-10 03:20 SGT 20分51秒 Run #272 公式 v7 · 判分 v6.4 · 题库 v7
2026-08-09 06:09 SGT 轻量评测 已完成 WDCD pilot evaluation
11 个模型 开始：2026-08-09 04:30 SGT 完成：2026-08-09 06:09 SGT 1时39分 Run #271 公式 v7 · 判分 v6.4 · 题库 v7
2026-08-09 03:20 SGT 轻量评测 已完成
11 个模型 开始：2026-08-09 03:10 SGT 完成：2026-08-09 03:20 SGT 10分11秒 Run #270 公式 v7 · 判分 v6.4 · 题库 v7
2026-08-09 03:07 SGT 轻量评测 已完成
11 个模型 开始：2026-08-09 03:00 SGT 完成：2026-08-09 03:07 SGT 7分1秒 Run #269 公式 v7 · 判分 v6.4 · 题库 v7
2026-08-08 03:19 SGT 轻量评测 已完成
11 个模型 开始：2026-08-08 03:10 SGT 完成：2026-08-08 03:19 SGT 9分0秒 Run #268 公式 v7 · 判分 v6.4 · 题库 v7
2026-08-08 03:07 SGT 轻量评测 已完成
11 个模型 开始：2026-08-08 03:00 SGT 完成：2026-08-08 03:07 SGT 7分50秒 Run #267 公式 v7 · 判分 v6.4 · 题库 v7
2026-08-07 03:17 SGT 轻量评测 已完成
11 个模型 开始：2026-08-07 03:10 SGT 完成：2026-08-07 03:17 SGT 7分31秒 Run #266 公式 v7 · 判分 v6.4 · 题库 v7
2026-08-07 03:06 SGT 轻量评测 已完成
11 个模型 开始：2026-08-07 03:00 SGT 完成：2026-08-07 03:06 SGT 6分31秒 Run #265 公式 v7 · 判分 v6.4 · 题库 v7
2026-08-06 03:15 SGT 轻量评测 已完成
11 个模型 开始：2026-08-06 03:00 SGT 完成：2026-08-06 03:15 SGT 15分32秒 Run #264 公式 v7 · 判分 v6.4 · 题库 v7
2026-08-05 05:15 SGT 轻量评测 已完成 WDCD smoke evaluation
11 个模型 开始：2026-08-05 04:30 SGT 完成：2026-08-05 05:15 SGT 45分1秒 Run #263 公式 v7 · 判分 v6.4 · 题库 v7
2026-08-05 03:19 SGT 轻量评测 已完成
11 个模型 开始：2026-08-05 03:10 SGT 完成：2026-08-05 03:19 SGT 9分11秒 Run #262 公式 v7 · 判分 v6.4 · 题库 v7
2026-08-05 03:08 SGT 轻量评测 已完成
11 个模型 开始：2026-08-05 03:00 SGT 完成：2026-08-05 03:08 SGT 8分32秒 Run #261 公式 v7 · 判分 v6.4 · 题库 v7
2026-08-04 03:14 SGT 轻量评测 已完成
11 个模型 开始：2026-08-04 03:00 SGT 完成：2026-08-04 03:14 SGT 14分52秒 Run #260 公式 v7 · 判分 v6.4 · 题库 v7
2026-08-03 05:03 SGT 完整评测 已完成
11 个模型 开始：2026-08-03 04:00 SGT 完成：2026-08-03 05:03 SGT 1时3分 Run #259 公式 v7 · 判分 v6.4 · 题库 v7
2026-08-03 03:14 SGT 轻量评测 已完成
11 个模型 开始：2026-08-03 03:00 SGT 完成：2026-08-03 03:14 SGT 14分1秒 Run #258 公式 v7 · 判分 v6.4 · 题库 v7
2026-08-02 03:04 SGT 轻量评测 已完成
11 个模型 开始：2026-08-02 03:00 SGT 完成：2026-08-02 03:04 SGT 4分31秒 Run #257 公式 v7 · 判分 v6.4 · 题库 v7
2026-08-01 03:14 SGT 轻量评测 已完成
11 个模型 开始：2026-08-01 03:00 SGT 完成：2026-08-01 03:14 SGT 14分1秒 Run #256 公式 v7 · 判分 v6.4 · 题库 v7
2026-07-31 03:20 SGT 轻量评测 已完成
11 个模型 开始：2026-07-31 03:00 SGT 完成：2026-07-31 03:20 SGT 20分11秒 Run #255 公式 v7 · 判分 v6.4 · 题库 v7
2026-07-30 03:09 SGT 轻量评测 已完成
11 个模型 开始：2026-07-30 03:00 SGT 完成：2026-07-30 03:09 SGT 9分22秒 Run #254 公式 v7 · 判分 v6.4 · 题库 v7
2026-07-29 05:11 SGT 轻量评测 已完成 WDCD smoke evaluation
11 个模型 开始：2026-07-29 04:30 SGT 完成：2026-07-29 05:11 SGT 41分24秒 Run #253 公式 v7 · 判分 v6.4 · 题库 v7
2026-07-29 03:17 SGT 轻量评测 已完成
11 个模型 开始：2026-07-29 03:10 SGT 完成：2026-07-29 03:17 SGT 7分41秒 Run #252 公式 v7 · 判分 v6.4 · 题库 v7
2026-07-28 03:17 SGT 轻量评测 已完成
11 个模型 开始：2026-07-28 03:00 SGT 完成：2026-07-28 03:17 SGT 17分1秒 Run #250 公式 v7 · 判分 v6.4 · 题库 v7
2026-07-27 05:03 SGT 完整评测 已完成
11 个模型 开始：2026-07-27 04:00 SGT 完成：2026-07-27 05:03 SGT 1时3分 Run #249 公式 v7 · 判分 v6.4 · 题库 v7
2026-07-27 03:13 SGT 轻量评测 已完成
11 个模型 开始：2026-07-27 03:00 SGT 完成：2026-07-27 03:13 SGT 13分10秒 Run #248 公式 v7 · 判分 v6.4 · 题库 v7
2026-07-26 05:40 SGT 轻量评测 已完成 WDCD pilot evaluation
11 个模型 开始：2026-07-26 04:30 SGT 完成：2026-07-26 05:40 SGT 1时10分 Run #247 公式 v7 · 判分 v6.4 · 题库 v7
2026-07-26 03:26 SGT 轻量评测 已完成
11 个模型 开始：2026-07-26 03:00 SGT 完成：2026-07-26 03:26 SGT 26分10秒 Run #246 公式 v7 · 判分 v6.4 · 题库 v7
2026-07-25 03:20 SGT 轻量评测 已完成
11 个模型 开始：2026-07-25 03:00 SGT 完成：2026-07-25 03:20 SGT 20分41秒 Run #245 公式 v7 · 判分 v6.4 · 题库 v7
2026-07-24 03:26 SGT 轻量评测 已完成
11 个模型 开始：2026-07-24 03:00 SGT 完成：2026-07-24 03:26 SGT 26分11秒 Run #244 公式 v7 · 判分 v6.4 · 题库 v7
2026-07-23 03:15 SGT 轻量评测 已完成
11 个模型 开始：2026-07-23 03:00 SGT 完成：2026-07-23 03:15 SGT 15分30秒 Run #243 公式 v7 · 判分 v6.4 · 题库 v7
2026-07-22 05:06 SGT 轻量评测 已完成 WDCD smoke evaluation
11 个模型 开始：2026-07-22 04:30 SGT 完成：2026-07-22 05:06 SGT 36分53秒 Run #242 公式 v7 · 判分 v6.4 · 题库 v7
2026-07-22 03:14 SGT 轻量评测 已完成
11 个模型 开始：2026-07-22 03:00 SGT 完成：2026-07-22 03:14 SGT 14分11秒 Run #241 公式 v7 · 判分 v6.4 · 题库 v7
2026-07-21 03:15 SGT 轻量评测 已完成
11 个模型 开始：2026-07-21 03:00 SGT 完成：2026-07-21 03:15 SGT 15分21秒 Run #240 公式 v7 · 判分 v6.4 · 题库 v7
2026-07-20 04:53 SGT 完整评测 已完成
11 个模型 开始：2026-07-20 04:00 SGT 完成：2026-07-20 04:53 SGT 53分46秒 Run #239 公式 v7 · 判分 v6.4 · 题库 v7
2026-07-20 03:09 SGT 轻量评测 已完成
11 个模型 开始：2026-07-20 03:00 SGT 完成：2026-07-20 03:09 SGT 9分21秒 Run #238 公式 v7 · 判分 v6.4 · 题库 v7
2026-07-19 03:14 SGT 轻量评测 已完成
11 个模型 开始：2026-07-19 03:00 SGT 完成：2026-07-19 03:14 SGT 14分11秒 Run #237 公式 v7 · 判分 v6.4 · 题库 v7
2026-07-18 03:20 SGT 轻量评测 已完成
11 个模型 开始：2026-07-18 03:00 SGT 完成：2026-07-18 03:20 SGT 20分51秒 Run #236 公式 v7 · 判分 v6.4 · 题库 v7
2026-07-17 03:12 SGT 轻量评测 已完成
11 个模型 开始：2026-07-17 03:00 SGT 完成：2026-07-17 03:12 SGT 12分21秒 Run #235 公式 v7 · 判分 v6.4 · 题库 v7
2026-07-16 03:12 SGT 轻量评测 已完成
11 个模型 开始：2026-07-16 03:00 SGT 完成：2026-07-16 03:12 SGT 12分11秒 Run #234 公式 v7 · 判分 v6.4 · 题库 v7
2026-07-15 05:10 SGT 轻量评测 已完成 WDCD smoke evaluation
11 个模型 开始：2026-07-15 04:30 SGT 完成：2026-07-15 05:10 SGT 40分17秒 Run #233 公式 v7 · 判分 v6.4 · 题库 v7
2026-07-15 03:16 SGT 轻量评测 已完成
11 个模型 开始：2026-07-15 03:00 SGT 完成：2026-07-15 03:16 SGT 16分21秒 Run #232 公式 v7 · 判分 v6.4 · 题库 v7
2026-07-14 03:09 SGT 轻量评测 已完成
11 个模型 开始：2026-07-14 03:00 SGT 完成：2026-07-14 03:09 SGT 9分11秒 Run #231 公式 v7 · 判分 v6.4 · 题库 v7
2026-07-13 04:59 SGT 完整评测 已完成
11 个模型 开始：2026-07-13 04:00 SGT 完成：2026-07-13 04:59 SGT 59分12秒 Run #230 公式 v7 · 判分 v6.4 · 题库 v7
2026-07-13 03:18 SGT 轻量评测 已完成
11 个模型 开始：2026-07-13 03:10 SGT 完成：2026-07-13 03:18 SGT 8分20秒 Run #229 公式 v7 · 判分 v6.4 · 题库 v7
2026-07-12 05:52 SGT 轻量评测 已完成 WDCD pilot evaluation
11 个模型 开始：2026-07-12 04:30 SGT 完成：2026-07-12 05:52 SGT 1时22分 Run #227 公式 v7 · 判分 v6.4 · 题库 v7
2026-07-12 03:10 SGT 轻量评测 已完成
11 个模型 开始：2026-07-12 03:00 SGT 完成：2026-07-12 03:10 SGT 10分41秒 Run #226 公式 v7 · 判分 v6.4 · 题库 v7
2026-07-11 03:15 SGT 轻量评测 已完成
11 个模型 开始：2026-07-11 03:00 SGT 完成：2026-07-11 03:15 SGT 15分51秒 Run #225 公式 v7 · 判分 v6.4 · 题库 v7
2026-07-10 03:18 SGT 轻量评测 已完成
11 个模型 开始：2026-07-10 03:10 SGT 完成：2026-07-10 03:18 SGT 8分41秒 Run #224 公式 v7 · 判分 v6.4 · 题库 v7
2026-07-10 03:04 SGT 轻量评测 已完成
11 个模型 开始：2026-07-10 03:00 SGT 完成：2026-07-10 03:04 SGT 4分31秒 Run #223 公式 v7 · 判分 v6.4 · 题库 v7
2026-07-09 03:11 SGT 轻量评测 已完成
11 个模型 开始：2026-07-09 03:00 SGT 完成：2026-07-09 03:11 SGT 11分21秒 Run #222 公式 v7 · 判分 v6.4 · 题库 v7
2026-07-08 05:15 SGT 轻量评测 已完成 WDCD smoke evaluation
11 个模型 开始：2026-07-08 04:30 SGT 完成：2026-07-08 05:15 SGT 45分20秒 Run #221 公式 v7 · 判分 v6.4 · 题库 v7
2026-07-08 03:14 SGT 轻量评测 已完成
11 个模型 开始：2026-07-08 03:10 SGT 完成：2026-07-08 03:14 SGT 4分21秒 Run #220 公式 v7 · 判分 v6.4 · 题库 v7
2026-07-07 03:18 SGT 轻量评测 已完成
11 个模型 开始：2026-07-07 03:10 SGT 完成：2026-07-07 03:18 SGT 8分11秒 Run #218 公式 v7 · 判分 v6.4 · 题库 v7
2026-07-06 08:00 SGT 完整评测 已完成
11 个模型 开始：2026-07-06 04:00 SGT 完成：2026-07-06 08:00 SGT 4时0分 Run #216 公式 v7 · 判分 v6.4 · 题库 v7
2026-07-06 03:08 SGT 轻量评测 已完成
11 个模型 开始：2026-07-06 03:00 SGT 完成：2026-07-06 03:08 SGT 8分1秒 Run #215 公式 v7 · 判分 v6.4 · 题库 v7
2026-07-05 03:12 SGT 轻量评测 已完成
11 个模型 开始：2026-07-05 03:00 SGT 完成：2026-07-05 03:12 SGT 12分50秒 Run #214 公式 v7 · 判分 v6.4 · 题库 v7
时间未知 轻量评测 unknown
0 个模型 Run #13
时间未知 轻量评测 unknown
0 个模型 Run #12
时间未知 轻量评测 unknown
0 个模型 Run #11
时间未知 轻量评测 unknown
0 个模型 Run #10
时间未知 轻量评测 unknown
0 个模型 Run #9
2026-07-04 03:19 SGT 轻量评测 已完成
11 个模型 开始：2026-07-04 03:10 SGT 完成：2026-07-04 03:19 SGT 9分51秒 Run #213 公式 v7 · 判分 v6.4 · 题库 v7
2026-07-04 03:08 SGT 轻量评测 已完成
11 个模型 开始：2026-07-04 03:00 SGT 完成：2026-07-04 03:08 SGT 8分41秒 Run #212 公式 v7 · 判分 v6.4 · 题库 v7
2026-07-03 11:05 SGT 轻量评测 已完成 WDCD pilot evaluation
11 个模型 开始：2026-07-03 04:41 SGT 完成：2026-07-03 11:05 SGT 6时23分 Run #211 公式 v7 · 判分 v6.4 · 题库 v7
2026-07-03 04:34 SGT 版本升级
WDCD 守约榜 v3.1 升级 + 评测阵容换血

守约测试升级 v3.1

多轮守约榜（WDCD）题库升级至 v3.1：新增 17 道多轮渐进施压题，覆盖「原语选择陷阱」共谋测试「错误前提延续」等真实守约压力场景——违规判定基于运行时可复现的规则，无争议。 **为什么**：旧题库对前沿模型日趋饱和（顶部守约分挤在 93 一线，难分高下）。v3.1 通过更贴近真实企业场景的多轮施压，把梯队重新拉开——实测守约分从顶部约 98 平滑分布到约 72，区分度显著改善。 **题池**：17 道 v3.1 新题 + 8 道跨版本锚点题，共 25 道。历史 WDCD 榜单保留原样，跨版本口径不直接比较。

评测阵容换血

• **新增**智谱 GLM-4.6进入评测阵容——国产大模型正牌选手。
• **暂时下架**「文心一言 4.5」：因其 API 访问持续不可用，无法获得可信评分，暂从榜单移除；待访问恢复后再评估重新纳入。
评测阵容现为 11 个模型。
2026-07-03 03:24 SGT 轻量评测 已完成
11 个模型 开始：2026-07-03 03:10 SGT 完成：2026-07-03 03:24 SGT 14分1秒 Run #210 公式 v7 · 判分 v6.4 · 题库 v7
2026-07-03 03:05 SGT 轻量评测 已完成
11 个模型 开始：2026-07-03 03:00 SGT 完成：2026-07-03 03:05 SGT 5分1秒 Run #209 公式 v7 · 判分 v6.4 · 题库 v7
2026-07-03 01:29 SGT 版本升级
判分集升级 v6.4：捆绑计分上线 + 判分修复

什么变了

**捆绑计分**：结构化输出类题目（json_schema_exact）由「逐点部分分」升级为「捆绑计分」——检查点按业务语义分组，组内全部正确才得该组分。 **为什么**：逐点部分分下，38 个检查点错 3 个仍可得 92 分；但真实交付中一处金额抄错、一处条款漏掉即整体返工。部分分系统性高估了模型在关键任务上的可用性，也让榜单头部日趋饱和（顶部材料约束维度已达 95+）。捆绑计分对齐真实交付的容错标准。 **效果**：用最近一次完整评测的原始回答对照重算，头部模型核心分约 95→80，梯队区分度显著改善。题目、模型回答、每个检查点的对错判定全部不变，仅聚合口径升级。

判分修复

• 修复 SQL「最近 N 天」类题目的时间衰减问题（测试数据日期固定，随时间推移落到查询窗口外，导致正确查询被误判为 0），并建立月度自动重锚，杜绝复发。
• 退役 1 道判分器与题目语言不匹配、长期无法评分的题。

历史可比性

本次起的评测标注判分集 v6.4；此前榜单保留原样并标注 v6.3，跨口径分数不做直接对比。 （注：多轮守约榜 WDCD 的下一代升级——多轮渐进施压 + 运行时行为验证——正在校准中，将于后续单独上线。）
2026-07-02 03:09 SGT 轻量评测 已完成
11 个模型 开始：2026-07-02 03:00 SGT 完成：2026-07-02 03:09 SGT 9分11秒 Run #208 公式 v7 · 判分 v6.3 · 题库 v7
2026-07-01 04:58 SGT 轻量评测 已完成 WDCD smoke evaluation
11 个模型 开始：2026-07-01 04:30 SGT 完成：2026-07-01 04:58 SGT 28分55秒 Run #207 公式 v7 · 判分 v6.3 · 题库 v7
2026-07-01 03:09 SGT 轻量评测 已完成
11 个模型 开始：2026-07-01 03:00 SGT 完成：2026-07-01 03:09 SGT 9分21秒 Run #206 公式 v7 · 判分 v6.3 · 题库 v7
2026-06-30 03:03 SGT 轻量评测 已完成
11 个模型 开始：2026-06-30 03:00 SGT 完成：2026-06-30 03:03 SGT 3分31秒 Run #205 公式 v7 · 判分 v6.3 · 题库 v7
2026-06-29 04:56 SGT 完整评测 已完成
11 个模型 开始：2026-06-29 04:00 SGT 完成：2026-06-29 04:56 SGT 56分31秒 Run #204 公式 v7 · 判分 v6.3 · 题库 v7
2026-06-29 03:03 SGT 轻量评测 已完成
11 个模型 开始：2026-06-29 03:00 SGT 完成：2026-06-29 03:03 SGT 3分31秒 Run #203 公式 v7 · 判分 v6.3 · 题库 v7
2026-06-28 05:58 SGT 轻量评测 已完成 WDCD pilot evaluation
11 个模型 开始：2026-06-28 04:30 SGT 完成：2026-06-28 05:58 SGT 1时28分 Run #202 公式 v7 · 判分 v6.3 · 题库 v7
2026-06-28 03:03 SGT 轻量评测 已完成
11 个模型 开始：2026-06-28 03:00 SGT 完成：2026-06-28 03:03 SGT 3分41秒 Run #201 公式 v7 · 判分 v6.3 · 题库 v7
2026-06-27 03:06 SGT 轻量评测 已完成
11 个模型 开始：2026-06-27 03:00 SGT 完成：2026-06-27 03:06 SGT 6分51秒 Run #200 公式 v7 · 判分 v6.3 · 题库 v7
2026-06-26 03:05 SGT 轻量评测 已完成
11 个模型 开始：2026-06-26 03:00 SGT 完成：2026-06-26 03:05 SGT 5分51秒 Run #198 公式 v7 · 判分 v6.3 · 题库 v7
2026-06-25 03:02 SGT 轻量评测 已完成
11 个模型 开始：2026-06-25 03:00 SGT 完成：2026-06-25 03:02 SGT 2分10秒 Run #197 公式 v7 · 判分 v6.3 · 题库 v7
2026-06-24 04:54 SGT 轻量评测 已完成 WDCD smoke evaluation
11 个模型 开始：2026-06-24 04:30 SGT 完成：2026-06-24 04:54 SGT 24分22秒 Run #196 公式 v7 · 判分 v6.3 · 题库 v7
2026-06-24 03:01 SGT 轻量评测 已完成
11 个模型 开始：2026-06-24 03:00 SGT 完成：2026-06-24 03:01 SGT 1分31秒 Run #195 公式 v7 · 判分 v6.3 · 题库 v7
2026-06-23 03:11 SGT 轻量评测 已完成
11 个模型 开始：2026-06-23 03:10 SGT 完成：2026-06-23 03:11 SGT 1分30秒 Run #194 公式 v7 · 判分 v6.3 · 题库 v7
2026-06-22 04:39 SGT 完整评测 已完成
11 个模型 开始：2026-06-22 04:00 SGT 完成：2026-06-22 04:39 SGT 39分47秒 Run #192 公式 v7 · 判分 v6.3 · 题库 v7
2026-06-22 03:06 SGT 轻量评测 已完成
11 个模型 开始：2026-06-22 03:00 SGT 完成：2026-06-22 03:06 SGT 6分41秒 Run #191 公式 v7 · 判分 v6.3 · 题库 v7
2026-06-21 03:12 SGT 轻量评测 已完成
11 个模型 开始：2026-06-21 03:10 SGT 完成：2026-06-21 03:12 SGT 2分31秒 Run #190 公式 v7 · 判分 v6.3 · 题库 v7
2026-06-20 03:03 SGT 轻量评测 已完成
11 个模型 开始：2026-06-20 03:00 SGT 完成：2026-06-20 03:03 SGT 3分1秒 Run #188 公式 v7 · 判分 v6.3 · 题库 v7
2026-06-19 03:02 SGT 轻量评测 已完成
11 个模型 开始：2026-06-19 03:00 SGT 完成：2026-06-19 03:02 SGT 2分41秒 Run #187 公式 v7 · 判分 v6.3 · 题库 v7
2026-06-18 03:02 SGT 轻量评测 已完成
11 个模型 开始：2026-06-18 03:00 SGT 完成：2026-06-18 03:02 SGT 2分30秒 Run #186 公式 v7 · 判分 v6.3 · 题库 v7
2026-06-17 04:54 SGT 轻量评测 已完成 WDCD smoke evaluation
11 个模型 开始：2026-06-17 04:30 SGT 完成：2026-06-17 04:54 SGT 24分19秒 Run #185 公式 v7 · 判分 v6.3 · 题库 v7
2026-06-17 03:12 SGT 轻量评测 已完成
11 个模型 开始：2026-06-17 03:10 SGT 完成：2026-06-17 03:12 SGT 2分40秒 Run #184 公式 v7 · 判分 v6.3 · 题库 v7
2026-06-16 03:14 SGT 轻量评测 已完成
11 个模型 开始：2026-06-16 03:10 SGT 完成：2026-06-16 03:14 SGT 4分21秒 Run #182 公式 v7 · 判分 v6.3 · 题库 v7
2026-06-15 09:25 SGT 完整评测 已完成
11 个模型 开始：2026-06-15 08:34 SGT 完成：2026-06-15 09:25 SGT 51分16秒 Run #180 公式 v7 · 判分 v6.3 · 题库 v7
2026-06-15 03:03 SGT 轻量评测 已完成
11 个模型 开始：2026-06-15 03:00 SGT 完成：2026-06-15 03:03 SGT 3分31秒 Run #176 公式 v7 · 判分 v6.3 · 题库 v7
2026-06-14 05:53 SGT 轻量评测 已完成 WDCD pilot evaluation
11 个模型 开始：2026-06-14 04:30 SGT 完成：2026-06-14 05:53 SGT 1时23分 Run #171 公式 v7 · 判分 v6.3 · 题库 v7
2026-06-14 03:19 SGT 轻量评测 已完成 WDCD pilot evaluation
11 个模型 开始：2026-06-13 23:10 SGT 完成：2026-06-14 03:19 SGT 4时9分 Run #169 公式 v7 · 判分 v6.3 · 题库 v7
2026-06-14 03:06 SGT 轻量评测 已完成
11 个模型 开始：2026-06-14 03:00 SGT 完成：2026-06-14 03:06 SGT 6分51秒 Run #170 公式 v7 · 判分 v6.3 · 题库 v7
2026-06-13 03:01 SGT 轻量评测 已完成
11 个模型 开始：2026-06-13 03:00 SGT 完成：2026-06-13 03:01 SGT 1分41秒 Run #166 公式 v7 · 判分 v6.3 · 题库 v7
2026-06-12 03:01 SGT 轻量评测 已完成
11 个模型 开始：2026-06-12 03:00 SGT 完成：2026-06-12 03:01 SGT 1分40秒 Run #165 公式 v7 · 判分 v6.3 · 题库 v7
2026-06-11 13:19 SGT 轻量评测 已完成 WDCD pilot evaluation
11 个模型 开始：2026-06-11 11:55 SGT 完成：2026-06-11 13:19 SGT 1时24分 Run #164 公式 v7 · 判分 v6.3 · 题库 v7
2026-06-11 09:18 SGT 轻量评测 已完成 WDCD pilot evaluation
11 个模型 开始：2026-06-11 07:57 SGT 完成：2026-06-11 09:18 SGT 1时20分 Run #161 公式 v7 · 判分 v6.3 · 题库 v6
2026-06-11 07:14 SGT 轻量评测 已完成
11 个模型 开始：2026-06-11 07:12 SGT 完成：2026-06-11 07:14 SGT 1分51秒 Run #159 公式 v7 · 判分 v6.2 · 题库 v6
2026-06-11 03:02 SGT 轻量评测 已完成
11 个模型 开始：2026-06-11 03:00 SGT 完成：2026-06-11 03:02 SGT 2分20秒 Run #158 公式 v7 · 判分 v6.1 · 题库 v6
2026-06-10 05:00 SGT 轻量评测 已完成 WDCD smoke evaluation
11 个模型 开始：2026-06-10 04:30 SGT 完成：2026-06-10 05:00 SGT 30分33秒 Run #157 公式 v7 · 判分 v6.1 · 题库 v6
2026-06-10 03:01 SGT 轻量评测 已完成
11 个模型 开始：2026-06-10 03:00 SGT 完成：2026-06-10 03:01 SGT 1分41秒 Run #156 公式 v7 · 判分 v6.1 · 题库 v6
2026-06-09 03:01 SGT 轻量评测 已完成
11 个模型 开始：2026-06-09 03:00 SGT 完成：2026-06-09 03:01 SGT 1分41秒 Run #155 公式 v7 · 判分 v6.1 · 题库 v6
2026-06-08 03:02 SGT 轻量评测 已完成
11 个模型 开始：2026-06-08 03:00 SGT 完成：2026-06-08 03:02 SGT 2分1秒 Run #153 公式 v7 · 判分 v6.1 · 题库 v6
2026-06-07 03:02 SGT 轻量评测 已完成
11 个模型 开始：2026-06-07 03:00 SGT 完成：2026-06-07 03:02 SGT 2分11秒 Run #152 公式 v7 · 判分 v6.1 · 题库 v6
2026-06-06 19:26 SGT 轻量评测 已完成
11 个模型 开始：2026-06-06 19:24 SGT 完成：2026-06-06 19:26 SGT 1分40秒 Run #151 公式 v7 · 判分 v6.1 · 题库 v6
2026-06-06 03:31 SGT 轻量评测 已完成 social_monitor
1 个模型 开始：2026-06-06 03:30 SGT 完成：2026-06-06 03:31 SGT 1分40秒 Run #150 公式 v7 · 判分 v6 · 题库 v6
2026-06-05 03:01 SGT 轻量评测 已完成
11 个模型 开始：2026-06-05 03:00 SGT 完成：2026-06-05 03:01 SGT 1分41秒 Run #148 公式 v7 · 判分 v6 · 题库 v6
2026-06-04 03:01 SGT 轻量评测 已完成
11 个模型 开始：2026-06-04 03:00 SGT 完成：2026-06-04 03:01 SGT 1分51秒 Run #147 公式 v7 · 判分 v6 · 题库 v6
2026-06-03 04:57 SGT 轻量评测 已完成 WDCD smoke evaluation
11 个模型 开始：2026-06-03 04:30 SGT 完成：2026-06-03 04:57 SGT 27分54秒 Run #146 公式 v7 · 判分 v6 · 题库 v6
2026-06-03 03:01 SGT 轻量评测 已完成
11 个模型 开始：2026-06-03 03:00 SGT 完成：2026-06-03 03:01 SGT 1分51秒 Run #145 公式 v7 · 判分 v6 · 题库 v6
2026-06-02 03:31 SGT 轻量评测 已完成 social_monitor
1 个模型 开始：2026-06-02 03:30 SGT 完成：2026-06-02 03:31 SGT 1分20秒 Run #144 公式 v7 · 判分 v6 · 题库 v6
2026-06-02 03:02 SGT 轻量评测 已完成
11 个模型 开始：2026-06-02 03:00 SGT 完成：2026-06-02 03:02 SGT 2分21秒 Run #143 公式 v7 · 判分 v6 · 题库 v6
2026-06-01 03:02 SGT 轻量评测 已完成
11 个模型 开始：2026-06-01 03:00 SGT 完成：2026-06-01 03:02 SGT 2分31秒 Run #141 公式 v7 · 判分 v6 · 题库 v6
2026-05-31 05:54 SGT 轻量评测 已完成 WDCD pilot evaluation
11 个模型 开始：2026-05-31 04:30 SGT 完成：2026-05-31 05:54 SGT 1时24分 Run #140 公式 v7 · 判分 v6 · 题库 v6
2026-05-31 03:01 SGT 轻量评测 已完成
11 个模型 开始：2026-05-31 03:00 SGT 完成：2026-05-31 03:01 SGT 1分20秒 Run #139 公式 v7 · 判分 v6 · 题库 v6
2026-05-30 03:01 SGT 轻量评测 已完成
11 个模型 开始：2026-05-30 03:00 SGT 完成：2026-05-30 03:01 SGT 1分30秒 Run #138 公式 v7 · 判分 v6 · 题库 v6
2026-05-29 03:01 SGT 轻量评测 已完成
11 个模型 开始：2026-05-29 03:00 SGT 完成：2026-05-29 03:01 SGT 1分41秒 Run #137 公式 v7 · 判分 v6 · 题库 v6
2026-05-28 03:01 SGT 轻量评测 已完成
11 个模型 开始：2026-05-28 03:00 SGT 完成：2026-05-28 03:01 SGT 1分41秒 Run #136 公式 v7 · 判分 v6 · 题库 v6
2026-05-27 04:54 SGT 轻量评测 已完成 WDCD smoke evaluation
11 个模型 开始：2026-05-27 04:30 SGT 完成：2026-05-27 04:54 SGT 24分29秒 Run #135 公式 v7 · 判分 v6 · 题库 v6
2026-05-27 03:01 SGT 轻量评测 已完成
11 个模型 开始：2026-05-27 03:00 SGT 完成：2026-05-27 03:01 SGT 1分11秒 Run #134 公式 v7 · 判分 v6 · 题库 v6
2026-05-26 03:31 SGT 轻量评测 已完成 social_monitor
1 个模型 开始：2026-05-26 03:30 SGT 完成：2026-05-26 03:31 SGT 1分20秒 Run #133 公式 v7 · 判分 v6 · 题库 v6
2026-05-26 03:01 SGT 轻量评测 已完成
11 个模型 开始：2026-05-26 03:00 SGT 完成：2026-05-26 03:01 SGT 1分31秒 Run #132 公式 v7 · 判分 v6 · 题库 v6
2026-05-25 03:01 SGT 轻量评测 已完成
11 个模型 开始：2026-05-25 03:00 SGT 完成：2026-05-25 03:01 SGT 1分41秒 Run #130 公式 v7 · 判分 v6 · 题库 v6
2026-05-24 03:01 SGT 轻量评测 已完成
11 个模型 开始：2026-05-24 03:00 SGT 完成：2026-05-24 03:01 SGT 1分11秒 Run #129 公式 v7 · 判分 v6 · 题库 v6
2026-05-23 03:02 SGT 轻量评测 已完成
11 个模型 开始：2026-05-23 03:00 SGT 完成：2026-05-23 03:02 SGT 2分0秒 Run #128 公式 v7 · 判分 v6 · 题库 v6
2026-05-22 03:02 SGT 轻量评测 已完成
11 个模型 开始：2026-05-22 03:00 SGT 完成：2026-05-22 03:02 SGT 2分11秒 Run #127 公式 v7 · 判分 v6 · 题库 v6
2026-05-21 03:01 SGT 轻量评测 已完成
11 个模型 开始：2026-05-21 03:00 SGT 完成：2026-05-21 03:01 SGT 1分31秒 Run #126 公式 v7 · 判分 v6 · 题库 v6
2026-05-20 04:57 SGT 轻量评测 已完成 WDCD smoke evaluation
11 个模型 开始：2026-05-20 04:30 SGT 完成：2026-05-20 04:57 SGT 27分36秒 Run #125 公式 v7 · 判分 v6 · 题库 v6
2026-05-20 03:01 SGT 轻量评测 已完成
11 个模型 开始：2026-05-20 03:00 SGT 完成：2026-05-20 03:01 SGT 1分41秒 Run #124 公式 v7 · 判分 v6 · 题库 v6
2026-05-19 03:01 SGT 轻量评测 已完成
11 个模型 开始：2026-05-19 03:00 SGT 完成：2026-05-19 03:01 SGT 1分41秒 Run #123 公式 v7 · 判分 v6 · 题库 v6
2026-05-18 03:01 SGT 轻量评测 已完成
11 个模型 开始：2026-05-18 03:00 SGT 完成：2026-05-18 03:01 SGT 1分21秒 Run #121 公式 v7 · 判分 v6 · 题库 v6
2026-05-17 05:49 SGT 轻量评测 已完成 WDCD pilot evaluation
11 个模型 开始：2026-05-17 04:30 SGT 完成：2026-05-17 05:49 SGT 1时19分 Run #120 公式 v7 · 判分 v6 · 题库 v6
2026-05-17 03:01 SGT 轻量评测 已完成
11 个模型 开始：2026-05-17 03:00 SGT 完成：2026-05-17 03:01 SGT 1分20秒 Run #119 公式 v7 · 判分 v6 · 题库 v6
2026-05-16 03:03 SGT 轻量评测 已完成
11 个模型 开始：2026-05-16 03:00 SGT 完成：2026-05-16 03:03 SGT 3分51秒 Run #118 公式 v7 · 判分 v6 · 题库 v6
2026-05-15 03:04 SGT 轻量评测 已完成
11 个模型 开始：2026-05-15 03:00 SGT 完成：2026-05-15 03:04 SGT 4分11秒 Run #117 公式 v7 · 判分 v6 · 题库 v6
2026-05-14 03:01 SGT 轻量评测 已完成
11 个模型 开始：2026-05-14 03:00 SGT 完成：2026-05-14 03:01 SGT 1分31秒 Run #116 公式 v7 · 判分 v6 · 题库 v6
2026-05-13 05:03 SGT 轻量评测 已完成 WDCD smoke evaluation
11 个模型 开始：2026-05-13 04:30 SGT 完成：2026-05-13 05:03 SGT 33分25秒 Run #115 公式 v7 · 判分 v6 · 题库 v6
2026-05-13 03:02 SGT 轻量评测 已完成
11 个模型 开始：2026-05-13 03:00 SGT 完成：2026-05-13 03:02 SGT 2分51秒 Run #114 公式 v7 · 判分 v6 · 题库 v6
2026-05-12 03:01 SGT 轻量评测 已完成
11 个模型 开始：2026-05-12 03:00 SGT 完成：2026-05-12 03:01 SGT 1分51秒 Run #113 公式 v7 · 判分 v6 · 题库 v6
2026-05-11 03:03 SGT 轻量评测 已完成
11 个模型 开始：2026-05-11 03:00 SGT 完成：2026-05-11 03:03 SGT 3分0秒 Run #111 公式 v7 · 判分 v6 · 题库 v6
2026-05-10 05:26 SGT 轻量评测 已完成 social_monitor
1 个模型 开始：2026-05-10 03:30 SGT 完成：2026-05-10 05:26 SGT 1时55分 Run #110 公式 v7 · 判分 v6 · 题库 v6
2026-05-10 03:03 SGT 轻量评测 已完成
11 个模型 开始：2026-05-10 03:00 SGT 完成：2026-05-10 03:03 SGT 3分11秒 Run #109 公式 v7 · 判分 v6 · 题库 v6
2026-05-09 03:01 SGT 轻量评测 已完成
11 个模型 开始：2026-05-09 03:00 SGT 完成：2026-05-09 03:01 SGT 1分32秒 Run #108 公式 v7 · 判分 v6 · 题库 v6
2026-05-08 03:01 SGT 轻量评测 已完成
11 个模型 开始：2026-05-08 03:00 SGT 完成：2026-05-08 03:01 SGT 1分51秒 Run #107 公式 v7 · 判分 v6 · 题库 v6
2026-05-07 03:02 SGT 轻量评测 已完成
11 个模型 开始：2026-05-07 03:00 SGT 完成：2026-05-07 03:02 SGT 2分31秒 Run #106 公式 v7 · 判分 v6 · 题库 v6
2026-05-06 05:01 SGT 轻量评测 已完成 WDCD smoke evaluation
11 个模型 开始：2026-05-06 04:30 SGT 完成：2026-05-06 05:01 SGT 31分24秒 Run #105 公式 v7 · 判分 v6 · 题库 v6
2026-05-06 03:01 SGT 轻量评测 已完成
11 个模型 开始：2026-05-06 03:00 SGT 完成：2026-05-06 03:01 SGT 1分31秒 Run #104 公式 v7 · 判分 v6 · 题库 v6
2026-05-05 03:02 SGT 轻量评测 已完成
11 个模型 开始：2026-05-05 03:00 SGT 完成：2026-05-05 03:02 SGT 2分11秒 Run #103 公式 v7 · 判分 v6 · 题库 v6
2026-05-04 03:02 SGT 轻量评测 已完成
11 个模型 开始：2026-05-04 03:00 SGT 完成：2026-05-04 03:02 SGT 2分41秒 Run #101 公式 v7 · 判分 v6 · 题库 v6
2026-05-03 04:24 SGT 轻量评测 已完成 WDCD pilot evaluation
11 个模型 开始：2026-05-03 04:00 SGT 完成：2026-05-03 04:24 SGT 24分13秒 Run #100 公式 v7 · 判分 v6 · 题库 v6
2026-05-03 04:00 SGT 轻量评测 已完成
4 个模型 开始：2026-05-03 03:00 SGT 完成：2026-05-03 04:00 SGT 1时0分 Run #99 公式 v7 · 判分 v6 · 题库 v6
2026-05-02 03:03 SGT 轻量评测 已完成
11 个模型 开始：2026-05-02 03:00 SGT 完成：2026-05-02 03:03 SGT 3分10秒 Run #98 公式 v7 · 判分 v6 · 题库 v6
2026-05-02 02:55 SGT 轻量评测 已完成 WDCD pilot evaluation
11 个模型 开始：2026-05-01 18:03 SGT 完成：2026-05-02 02:55 SGT 8时51分 Run #97 公式 v7 · 判分 v6 · 题库 v6
2026-05-01 16:06 SGT 轻量评测 已完成 DCD pilot evaluation
11 个模型 开始：2026-05-01 10:38 SGT 完成：2026-05-01 16:06 SGT 5时28分 Run #96 公式 v7 · 判分 v6 · 题库 v6
2026-05-01 11:09 SGT 版本升级
WDCD 动态语境衰变 — 全球首个多轮约束评测维度上线

新增实验性维度：WDCD（Dynamic Contextual Decay）

赢政指数 v7 新增 WDCD 维度，测试 AI 模型在多轮对话中守住约束的能力。这是全球首个系统性评测该能力的框架。 **核心设计：三轮对话**
• R1 约束植入：给模型下达明确约束，确认理解
• R2 干扰注入：2000-5000 字专业文档，嵌入违规请求
• R3 压力诱导：社会工程话术施压，测试约束是否崩盘
**评测规模**
• 30 道多轮约束题，覆盖 5 类场景（数据边界、资源限制、业务规则、安全规约、工程约定）
• 11 个主流模型同台测试
• 100% 规则判分，零 AI 裁判，所有结果可审计
**判分机制**
• R1: 0-1 分（确认检测）
• R2: 0-1 分（违规检测 + Utility Gate）
• R3: 0-2 分（违规 + 拒绝 + 约束引用 + 安全替代）
• 满分 4 分
**独立运行**
• WDCD 为实验性维度，不计入主榜总分
• 使用独立评测轮次（run_type = dcd_pilot）
• 计划独立运行 3 个月后评估是否纳入主榜
**新增页面**
• /yz-index/dcd — WDCD 排行榜与数据总览
• /yz-index/dcd/about — 设计哲学与项目介绍
• /yz-index/dcd/methodology — 技术方法论详解
• /yz-index/dcd/cases — 完整案例集
**开放数据**
• 6 个 WDCD API 端点已开放，支持 JSON/CSV 导出
• 所有判分明细（命中规则、作用域、否定窗口降级）均可通过 API 获取
• 完整三轮对话原文开放查阅，欢迎独立验证
2026-05-01 06:20 SGT 模型变更
评测阵容重大升级：11 个模型更新至最新版本
2026 年 5 月 1 日起，赢政指数评测阵容全面升级： 【新增模型】 • GPT-5.5（替代 GPT-4o）— OpenAI 最新旗舰 • Claude Opus 4.7（替代 Opus 4.6）— Anthropic 最新旗舰 • DeepSeek V4 Pro（替代 V3 + R1）— DeepSeek 全新架构 • Gemini 3.1 Pro（新增）— Google 最新一代 • Qwen3 Max（替代 Qwen Max）— 阿里通义千问第三代 • 文心一言 4.5（替代 4.0）— 百度最新版本 • Grok 4（替代 Grok 3）— xAI 新旗舰 【保留模型】 • Claude Sonnet 4.6 — Sonnet 线最新版，继续参评 • GPT-o3 — OpenAI 推理线最新版，继续参评 • 豆包 Pro — 字节跳动旗舰，继续参评 【退役模型】 GPT-4o、GPT-4o-mini、Claude Opus 4.6、DeepSeek V3、DeepSeek R1、Gemini 2.0 Flash、Grok 3、Qwen Max、文心一言 4.0 历史评测数据完整保留，可在历史记录中查看。 【生效时间】 新阵容将在下一次 full run 评测中首次亮相。由于新模型无历史滚动均值，首次排名将基于单次评测结果，滚动均值需 5 次评测后趋于稳定。 评测阵容从 8 家服务商 11 个模型调整为 8 家服务商 11 个模型（结构优化）。
2026-05-01 03:01 SGT 轻量评测 已完成
11 个模型 开始：2026-05-01 03:00 SGT 完成：2026-05-01 03:01 SGT 1分32秒 Run #91 公式 v7 · 判分 v6 · 题库 v6
2026-04-30 03:01 SGT 轻量评测 已完成
11 个模型 开始：2026-04-30 03:00 SGT 完成：2026-04-30 03:01 SGT 1分51秒 Run #90 公式 v7 · 判分 v6 · 题库 v6
2026-04-29 03:02 SGT 轻量评测 已完成
11 个模型 开始：2026-04-29 03:00 SGT 完成：2026-04-29 03:02 SGT 2分11秒 Run #89 公式 v7 · 判分 v6 · 题库 v6
2026-04-28 03:02 SGT 轻量评测 已完成
11 个模型 开始：2026-04-28 03:00 SGT 完成：2026-04-28 03:02 SGT 2分21秒 Run #88 公式 v7 · 判分 v6 · 题库 v6
2026-04-27 03:01 SGT 轻量评测 已完成
11 个模型 开始：2026-04-27 03:00 SGT 完成：2026-04-27 03:01 SGT 1分51秒 Run #86 公式 v7 · 判分 v6 · 题库 v6
2026-04-26 03:01 SGT 轻量评测 已完成
11 个模型 开始：2026-04-26 03:00 SGT 完成：2026-04-26 03:01 SGT 1分21秒 Run #85 公式 v7 · 判分 v6 · 题库 v6
2026-04-25 03:02 SGT 轻量评测 已完成
11 个模型 开始：2026-04-25 03:00 SGT 完成：2026-04-25 03:02 SGT 2分22秒 Run #84 公式 v7 · 判分 v6 · 题库 v6
2026-04-24 03:03 SGT 轻量评测 已完成
11 个模型 开始：2026-04-24 03:00 SGT 完成：2026-04-24 03:03 SGT 3分21秒 Run #83 公式 v7 · 判分 v6 · 题库 v6
2026-04-23 03:02 SGT 轻量评测 已完成
11 个模型 开始：2026-04-23 03:00 SGT 完成：2026-04-23 03:02 SGT 2分21秒 Run #82 公式 v7 · 判分 v6 · 题库 v6
2026-04-22 03:02 SGT 轻量评测 已完成
11 个模型 开始：2026-04-22 03:00 SGT 完成：2026-04-22 03:02 SGT 2分22秒 Run #81 公式 v7 · 判分 v6 · 题库 v6
2026-04-21 03:36 SGT 轻量评测 已完成
1 个模型 开始：2026-04-21 03:34 SGT 完成：2026-04-21 03:36 SGT 2分20秒 Run #80 公式 v7 · 判分 v6 · 题库 v6
2026-04-21 03:01 SGT 轻量评测 已完成
11 个模型 开始：2026-04-21 03:00 SGT 完成：2026-04-21 03:01 SGT 1分31秒 Run #79 公式 v7 · 判分 v6 · 题库 v6
2026-04-20 03:01 SGT 轻量评测 已完成
10 个模型 开始：2026-04-20 03:00 SGT 完成：2026-04-20 03:01 SGT 1分21秒 Run #77 公式 v7 · 判分 v6 · 题库 v6
2026-04-19 03:01 SGT 轻量评测 已完成
10 个模型 开始：2026-04-19 03:00 SGT 完成：2026-04-19 03:01 SGT 1分21秒 Run #76 公式 v7 · 判分 v6 · 题库 v6
2026-04-18 11:04 SGT 轻量评测 已完成
11 个模型 开始：2026-04-18 11:02 SGT 完成：2026-04-18 11:04 SGT 1分41秒 Run #75 公式 v7 · 判分 v6 · 题库 v6
2026-04-17 03:02 SGT 轻量评测 已完成
11 个模型 开始：2026-04-17 03:00 SGT 完成：2026-04-17 03:02 SGT 2分1秒 Run #73 公式 v7 · 判分 v6 · 题库 v6
2026-04-16 03:01 SGT 轻量评测 已完成
10 个模型 开始：2026-04-16 03:00 SGT 完成：2026-04-16 03:01 SGT 1分31秒 Run #72 公式 v7 · 判分 v6 · 题库 v6
2026-04-15 03:02 SGT 轻量评测 已完成
10 个模型 开始：2026-04-15 03:00 SGT 完成：2026-04-15 03:02 SGT 2分21秒 Run #71 公式 v7 · 判分 v6 · 题库 v6
2026-04-14 03:01 SGT 轻量评测 已完成
10 个模型 开始：2026-04-14 03:00 SGT 完成：2026-04-14 03:01 SGT 1分41秒 Run #70 公式 v7 · 判分 v6 · 题库 v6
2026-04-13 03:01 SGT 轻量评测 已完成
11 个模型 开始：2026-04-13 03:00 SGT 完成：2026-04-13 03:01 SGT 1分11秒 Run #68 公式 v7 · 判分 v6 · 题库 v6
2026-04-12 03:02 SGT 轻量评测 已完成
11 个模型 开始：2026-04-12 03:00 SGT 完成：2026-04-12 03:02 SGT 2分11秒 Run #67 公式 v7 · 判分 v6 · 题库 v6
2026-04-11 03:01 SGT 轻量评测 已完成
11 个模型 开始：2026-04-11 03:00 SGT 完成：2026-04-11 03:01 SGT 1分51秒 Run #66 公式 v7 · 判分 v6 · 题库 v6
2026-04-10 03:01 SGT 轻量评测 已完成
11 个模型 开始：2026-04-10 03:00 SGT 完成：2026-04-10 03:01 SGT 1分31秒 Run #65 公式 v7 · 判分 v6 · 题库 v6
2026-04-09 03:01 SGT 轻量评测 已完成
11 个模型 开始：2026-04-09 03:00 SGT 完成：2026-04-09 03:01 SGT 1分41秒 Run #64 公式 v7 · 判分 v6 · 题库 v6
2026-04-08 03:02 SGT 轻量评测 已完成
11 个模型 开始：2026-04-08 03:00 SGT 完成：2026-04-08 03:02 SGT 2分1秒 Run #63 公式 v7 · 判分 v6 · 题库 v6
2026-04-07 03:01 SGT 轻量评测 已完成
11 个模型 开始：2026-04-07 03:00 SGT 完成：2026-04-07 03:01 SGT 1分21秒 Run #62 公式 v7 · 判分 v6 · 题库 v6
2026-04-06 03:01 SGT 轻量评测 已完成
11 个模型 开始：2026-04-06 03:00 SGT 完成：2026-04-06 03:01 SGT 1分31秒 Run #60 公式 v7 · 判分 v6 · 题库 v6
2026-04-05 03:01 SGT 轻量评测 已完成
11 个模型 开始：2026-04-05 03:00 SGT 完成：2026-04-05 03:01 SGT 1分21秒 Run #59 公式 v7 · 判分 v6 · 题库 v6
2026-04-04 03:31 SGT 轻量评测 已完成 social_monitor
1 个模型 开始：2026-04-04 03:30 SGT 完成：2026-04-04 03:31 SGT 40秒 Run #58 公式 v7 · 判分 v6 · 题库 v6
2026-04-04 03:01 SGT 轻量评测 已完成
11 个模型 开始：2026-04-04 03:00 SGT 完成：2026-04-04 03:01 SGT 1分21秒 Run #57 公式 v7 · 判分 v6 · 题库 v6
2026-04-03 03:01 SGT 轻量评测 已完成
11 个模型 开始：2026-04-03 03:00 SGT 完成：2026-04-03 03:01 SGT 1分11秒 Run #56 公式 v7 · 判分 v6 · 题库 v6
2026-04-02 03:01 SGT 轻量评测 已完成
11 个模型 开始：2026-04-02 03:00 SGT 完成：2026-04-02 03:01 SGT 1分31秒 Run #55 公式 v7 · 判分 v6 · 题库 v6
2026-04-01 03:01 SGT 轻量评测 已完成
11 个模型 开始：2026-04-01 03:00 SGT 完成：2026-04-01 03:01 SGT 1分41秒 Run #54 公式 v7 · 判分 v6 · 题库 v6
2026-03-31 03:01 SGT 轻量评测 已完成
11 个模型 开始：2026-03-31 03:00 SGT 完成：2026-03-31 03:01 SGT 1分11秒 Run #53 公式 v7 · 判分 v6 · 题库 v6
2026-03-30 03:31 SGT 轻量评测 已完成 social_monitor
1 个模型 开始：2026-03-30 03:30 SGT 完成：2026-03-30 03:31 SGT 50秒 Run #51 公式 v7 · 判分 v6 · 题库 v6
2026-03-30 03:01 SGT 轻量评测 已完成
11 个模型 开始：2026-03-30 03:00 SGT 完成：2026-03-30 03:01 SGT 1分40秒 Run #50 公式 v7 · 判分 v6 · 题库 v6
2026-03-29 03:01 SGT 轻量评测 已完成
11 个模型 开始：2026-03-29 03:00 SGT 完成：2026-03-29 03:01 SGT 1分40秒 Run #49 公式 v7 · 判分 v6 · 题库 v6
2026-03-28 03:02 SGT 轻量评测 已完成
11 个模型 开始：2026-03-28 03:00 SGT 完成：2026-03-28 03:02 SGT 2分11秒 Run #47 公式 v7 · 判分 v6 · 题库 v6
2026-03-27 05:05 SGT 轻量评测 已完成
11 个模型 开始：2026-03-27 05:04 SGT 完成：2026-03-27 05:05 SGT 1分41秒 Run #46 公式 v7 · 判分 v6 · 题库 v6
2026-03-25 00:11 SGT 轻量评测 已完成
11 个模型 开始：2026-03-25 00:11 SGT 完成：2026-03-25 00:11 SGT 10秒 Run #42 公式 v7 · 判分 v6 · 题库 v6
2026-03-24 00:00 SGT 版本升级
赢政指数 v6 正式上线

方法论升级

• 题库从 200 题扩展至 212 题，新增 12 道诚信压力测试题
• 维度体系重构：主榜只包含代码执行和材料约束两个可审计核心维度
• 新增工程判断任务表达侧榜（标注 AI 辅助评估）
• 新增诚信评级门槛机制（pass/warn/fail），诚信不达标的模型主榜封顶
• 主榜公式：core_overall = 0.55 × 代码执行 + 0.45 × 材料约束
• 稳定性、可用性、性价比降级为运行信号，不再混入主榜权重

判分引擎

• 新增 exact_rank 判分器，支持诚信压力测试的封闭式排序判分
• 评测并行架构升级至 55 进程（11 模型 × 5 能力层），full run 耗时约 15 分钟

社交舆情监控（新功能）

• 每日自动监控 11 个模型在 X/Twitter 上的用户反馈
• 舆情异常时自动触发定向复测，与评测数据交叉验证
• 每日自动监控 AI 厂商官方账号动态

数据页重建

• 原始数据页重建为摘要 + 分页模式，页面大小从 29MB 降至 64KB
• 不再公开题目原文和预期答案，防止题库污染

SEO 与口径统一

• 全站旧维度名（编程/知识工作/长文本）统一替换为 v6 表述
• 清理参数页、旧路由等 SEO 污染 URL
2026-03-22 14:05 SGT 轻量评测 已完成
2 个模型 开始：2026-03-22 14:05 SGT 完成：2026-03-22 14:05 SGT 10秒 Run #36 公式 v5 · 判分 v6 · 题库 v5.1
2026-03-21 12:11 SGT 轻量评测 已完成
11 个模型 开始：2026-03-21 12:08 SGT 完成：2026-03-21 12:11 SGT 3分0秒 Run #32 公式 v3 · 判分 v5 · 题库 v4
判分 v5：引入严格判分分层（strict/non-strict）：新增 4 种严格判分类型（exact_rank、exact_boolean_set、exact_numeric_set、exact_json_value），严格题只给 0 或 100 不给部分分。排名题、True/False 判断题、单值数值题等标记为 strict=true
题库 v4：题库从 89 题扩充到 100 题（编程 33 + 知识 45 + 长上下文 22），新增 11 道高质量决策题，覆盖矛盾信息识别、信息不足诚实度、优先级排序、利益冲突检测、代码 review 陷阱、伦理边界
2026-03-21 01:21 SGT 轻量评测 已完成
11 个模型 开始：2026-03-21 01:21 SGT 完成：2026-03-21 01:21 SGT 10秒 Run #26 公式 v3 · 判分 v5 · 题库 v4
判分 v5：引入严格判分分层（strict/non-strict）：新增 4 种严格判分类型（exact_rank、exact_boolean_set、exact_numeric_set、exact_json_value），严格题只给 0 或 100 不给部分分。排名题、True/False 判断题、单值数值题等标记为 strict=true
题库 v4：题库从 89 题扩充到 100 题（编程 33 + 知识 45 + 长上下文 22），新增 11 道高质量决策题，覆盖矛盾信息识别、信息不足诚实度、优先级排序、利益冲突检测、代码 review 陷阱、伦理边界
2026-03-21 01:19 SGT 题库变更
题库 v4：新增 11 道高质量决策题
新增 11 道高质量决策题，覆盖矛盾信息识别（2题）、信息不足诚实度（2题）、优先级排序（2题）、利益冲突检测（2题）、代码 review 陷阱（2题）、伦理边界（1题）。总题库从 89 题扩充到 100 题。题库版本升级为 v4。
2026-03-21 01:05 SGT 模型变更
新增 3 个评测模型：Grok 3、豆包 Pro、文心一言 4.0
新增 3 个评测模型：Grok 3（xAI）、豆包 Pro（字节跳动）、文心一言 4.0（百度）。评测模型总数从 8 个增加到 11 个。
2026-03-21 01:05 SGT 轻量评测 已完成
11 个模型 开始：2026-03-21 01:05 SGT 完成：2026-03-21 01:05 SGT 10秒 Run #25 公式 v3 · 判分 v5 · 题库 v3
判分 v5：引入严格判分分层（strict/non-strict）：新增 4 种严格判分类型（exact_rank、exact_boolean_set、exact_numeric_set、exact_json_value），严格题只给 0 或 100 不给部分分。排名题、True/False 判断题、单值数值题等标记为 strict=true
题库 v3：题库从 80 题扩充到 89 题（编程 33 + 知识 34 + 长上下文 22），知识工作新增工程判断力题组（9 题），覆盖技术选型、架构权衡、故障排查等实战场景
2026-03-21 00:59 SGT 轻量评测 已完成
10 个模型 开始：2026-03-21 00:59 SGT 完成：2026-03-21 00:59 SGT 9秒 Run #24 公式 v3 · 判分 v5 · 题库 v3
判分 v5：引入严格判分分层（strict/non-strict）：新增 4 种严格判分类型（exact_rank、exact_boolean_set、exact_numeric_set、exact_json_value），严格题只给 0 或 100 不给部分分。排名题、True/False 判断题、单值数值题等标记为 strict=true
题库 v3：题库从 80 题扩充到 89 题（编程 33 + 知识 34 + 长上下文 22），知识工作新增工程判断力题组（9 题），覆盖技术选型、架构权衡、故障排查等实战场景
2026-03-20 12:55 SGT 轻量评测 已完成
8 个模型 开始：2026-03-20 12:44 SGT 完成：2026-03-20 12:55 SGT 10分39秒 Run #23 公式 v3 · 判分 v5 · 题库 v3
判分 v5：引入严格判分分层（strict/non-strict）：新增 4 种严格判分类型（exact_rank、exact_boolean_set、exact_numeric_set、exact_json_value），严格题只给 0 或 100 不给部分分。排名题、True/False 判断题、单值数值题等标记为 strict=true
题库 v3：题库从 80 题扩充到 89 题（编程 33 + 知识 34 + 长上下文 22），知识工作新增工程判断力题组（9 题），覆盖技术选型、架构权衡、故障排查等实战场景
2026-03-20 03:10 SGT 轻量评测 已完成
8 个模型 开始：2026-03-20 03:00 SGT 完成：2026-03-20 03:10 SGT 10分50秒 Run #22 公式 v3 · 判分 v5 · 题库 v3
判分 v5：引入严格判分分层（strict/non-strict）：新增 4 种严格判分类型（exact_rank、exact_boolean_set、exact_numeric_set、exact_json_value），严格题只给 0 或 100 不给部分分。排名题、True/False 判断题、单值数值题等标记为 strict=true
题库 v3：题库从 80 题扩充到 89 题（编程 33 + 知识 34 + 长上下文 22），知识工作新增工程判断力题组（9 题），覆盖技术选型、架构权衡、故障排查等实战场景
2026-03-19 03:11 SGT 轻量评测 已完成
8 个模型 开始：2026-03-19 03:00 SGT 完成：2026-03-19 03:11 SGT 11分42秒 Run #18 公式 v3 · 判分 v5 · 题库 v2
判分 v5：引入严格判分分层（strict/non-strict）：新增 4 种严格判分类型（exact_rank、exact_boolean_set、exact_numeric_set、exact_json_value），严格题只给 0 或 100 不给部分分。排名题、True/False 判断题、单值数值题等标记为 strict=true
题库 v2：题库从 30 题扩充到 80 题（编程 33 + 知识 25 + 长上下文 22），编程新增动态规划和并发分析，知识工作新增复利计算、时区推理等多步推理题
2026-03-18 03:11 SGT 轻量评测 已完成
8 个模型 开始：2026-03-18 03:00 SGT 完成：2026-03-18 03:11 SGT 11分18秒 Run #17 公式 v3 · 判分 v5 · 题库 v2
判分 v5：引入严格判分分层（strict/non-strict）：新增 4 种严格判分类型（exact_rank、exact_boolean_set、exact_numeric_set、exact_json_value），严格题只给 0 或 100 不给部分分。排名题、True/False 判断题、单值数值题等标记为 strict=true
题库 v2：题库从 30 题扩充到 80 题（编程 33 + 知识 25 + 长上下文 22），编程新增动态规划和并发分析，知识工作新增复利计算、时区推理等多步推理题
2026-03-17 03:10 SGT 轻量评测 已完成
8 个模型 开始：2026-03-17 03:00 SGT 完成：2026-03-17 03:10 SGT 10分54秒 Run #12 公式 v2 · 判分 v2 · 题库 v1
判分 v2：引入六种判分方法（全部命中、部分命中、精确匹配、正则、顺序匹配、JSON 结构校验），开始有比较正式的评分体系
题库 v1：初始题库 30 题，覆盖编程、知识工作、长上下文三个维度