物界前沿评测·全球AI评测雷达
PHYSIX FRONTIER AI REVIEW · BENCHMARK RADAR
2026.08.09 · 周日
第 011 期
别人做评测，我们做评测的雷达——每天5分钟，看懂哪些AI工具值得你用
重点更新 3 条 · 双专家点评 ｜ 榜单快报 3 组 ｜ 板块精选 13 条 ｜ 大家都在看 · 明日关注
每条从「能帮你干什么活」讲起，细分领域专家 + 普通用户双点评。
重点 1Arena 盲测更新：Claude 又登顶，阿里 Qwen 冲进前六逼平第一梯队
它能帮你干什么活：人类盲测榜单（arena.ai）更新了最新数据。Claude 家族的 Fable 5 以 1507 分登顶，前六席里 Anthropic 占了五席；最亮眼的是阿里 Qwen3.8-Max 冲进前六（1497 分），只差榜首 10 分，而且它还是榜单里少数能免费/开源用的选择之一。
大模型领域专家·老徐说｜这份榜单的价值不在「谁第一」，而在「差距有多小」——第二名到第六名只差 10 分，说明第一梯队已经挤成一团。Claude 继续领跑不意外，我更关注 Qwen 凭开源冲到前六：这意味着「免费又好用」和「最强」之间的差距，正在被中国团队一点点抹平。
小编小禾说｜我看榜单先看「哪个能免费用」。Qwen 冲到前六挺实在的——普通用户想体验接近顶级的 AI，又多了一个不花钱的选择。不过榜单第一梯队挤得这么紧，别只看排名，具体干啥活还得亲测。
来源：arena.ai（2026-08-08 快照）
重点 2深度智能体评测：Claude 全面领先，Kimi K3 国产第一
它能帮你干什么活：arena.ai 的「智能体」分榜更新，测的是 AI 能不能像人一样连续干完一整件事（订票、写代码、上网办事）。Claude 三款（Opus 5 High / Fable 5 High / Opus 5 Max）包揽前三，开源里国产月之暗面 Kimi K3 挤进前五，是国产第一。
安全领域专家·老周说｜智能体榜单比的不是「谁更聪明」，而是「谁更靠谱地动手干活」。Claude 包揽前三说明它在「多步骤、带副作用的任务」上最稳。但榜单里有个信号值得警惕——所有模型在「工具幻觉」维度都不高，也就是都会偶尔「瞎编操作」，这提醒我们：让 AI 自己动手干重要的事，还是得设好权限、留个心眼。
小编小禾说｜智能体最容易翻车的地方不是「不懂」，而是「自作主张」。Kimi K3 能进前五挺争气，但真让它帮你订机票、挪文件这种不能出错的事，第一次还是盯着点好。
来源：arena.ai（2026-08-08 快照）
重点 3OpenRouter 周榜：DeepSeek V4 Flash 单周 7.22 万亿 Token 登顶全球第一
它能帮你干什么活：OpenRouter（全球最大 AI 模型聚合平台之一）发布最新周榜，DeepSeek V4 Flash 以单周 7.22 万亿 Token 的调用量登顶全球第一，前五名全是国产模型（DeepSeek、小米、腾讯混元）；中国大模型周调用量已连续十四周超过美国。
产品领域专家·阿哲说｜调用量是「被多少人真实用起来」的硬指标，比发布会更诚实。DeepSeek 靠「便宜 + 够用」登顶，说明在真实场景里，性价比击败了「最强」。这对普通用户是好事——模型越卷、越便宜，你用的 AI 工具就越划算；但也提醒厂商：光刷分没用，得让人真正用起来。
小编小禾说｜前五全是国产，还挺提气的。DeepSeek 这种「便宜大碗」的路线，对普通用户最友好——你手机上那些 AI 功能，背后很多就是这类模型在跑，成本低了，功能才可能免费。
来源：OpenRouter / 东方财富
这周谁表现最强？三张榜单快速看，每个都配一句大白话解读。
快报 1人类盲测 · 谁更会聊天办事（TOP 8）
大白话解读｜人类当裁判的盲测里，Claude 家族霸榜，前六席占五席；阿里 Qwen 冲进前六、只差榜首 10 分，国产 AI 已经摸到第一梯队。对普通人：想知道「哪个 AI 聊天最舒服、办事最靠谱」，看这个分最直观。
来源 arena.ai（数据快照 2026-08-08）
快报 2深度智能体 · 谁干活最稳（TOP 5）
大白话解读｜「AI 自己连续干完一件事」的能力，Claude 全面领先、包揽前三；开源里国产 Kimi K3 最稳。对普通人：以后 AI 帮你订票、写报告这种「连续干活」，优先选这份榜单里靠前的。
来源 arena.ai（数据快照 2026-08-08）
快报 3谁被用得最多 · 全球调用量榜（TOP 5）
大白话解读｜「谁被真正用起来」比「谁最强」更接近现实：DeepSeek 靠「便宜大碗」登顶，前五全是国产。对普通人：调用量高 = 别人都在用、生态成熟，说明你选它大概率「够用又划算」。
来源 OpenRouter（数据截至 2026-08-05）
13 条值得你花时间的 AI 动态，每条附一句人话点评。
远景乌兰察布星河基地投产：全球最大 AI 算力超级单体，百万卡并行
远景科技在内蒙古乌兰察布建成全球最大 AI 算力超级单体并投产，园区总规划 2GW，实现百万卡并行、百万 P 算力，采用超高比例绿电直连。
一句话点评｜算力是 AI 的「水和电」，单点百万卡说明基建竞赛已经白热化，还顺带解决「AI 很耗电」的焦虑。
来源：IT之家
三星发布下一代 AI 存储路线图：zHBM 与 400 层 V10 NAND
三星公布下一代 AI 存储路线图，展示 zHBM 和 400 层以上 V10 NAND 技术，为 AI 时代的海量数据吞吐与容量布局。
一句话点评｜AI 不只要「算」，还要海量「存」——存储技术每降一档成本，AI 应用就更便宜一分。
来源：钛媒体
闪迪第四财季营收暴增 372%，数据中心收入增近 13 倍
存储大厂闪迪公布财报，营收超预期增长 372%，数据中心收入同比增近 13 倍，并计划 140 亿美元回购。
一句话点评｜存储巨头业绩爆表，是「AI 真在烧钱买硬件」的最直接财报证据。
来源：钛媒体
张一鸣：字节跳动「拒绝蒸馏」，不用别人输出换榜单排名
字节跳动创始人张一鸣在内部表态，公司「拒绝蒸馏」，不靠别人的输出刷榜单，坚持自研打磨底层能力。
一句话点评｜「借力上榜」和「自研筑基」是两条路，巨头愿意选后者，国产 AI 的长期地基才更牢。
来源：钛媒体
一个中国 AI 模型，阻止了 OpenAI 的「前所未有」网络攻击
据 CNBC 报道，当 OpenAI 的「失控模型」发起网络攻击时，是一个中国 AI 模型成功拦截，阻止了这场「前所未有」的袭击。
一句话点评｜AI 攻防进入「机器打机器」阶段，会「防守」的 AI 价值开始凸显。
来源：CNBC
OpenAI 收购演示文稿初创公司 NextSlide，团队并入 ChatGPT
OpenAI 宣布收购演示文稿初创公司 NextSlide，团队将加入 ChatGPT 团队，办公/生产力应用继续是 OpenAI 的重点方向。
一句话点评｜大模型厂商开始「卷应用」——以后做 PPT、写文档，ChatGPT 可能直接帮你搞定。
来源：TechCrunch
DeepMind 新飓风预测模型，让预报员多争取了一天预警时间
谷歌 DeepMind 的飓风预测模型取得突破，让气象预报员在热带气旋预测上多争取到约一天的提前预警时间，让科学界意外。
一句话点评｜AI 不只会聊天，还能「多救一天命」——科学预测的 AI 红利正在兑现。
来源：ArsTechnica
谷歌核心 AI 员工被要求搬回硅谷，斥 15 亿美元买编程团队
谷歌要求 AI 核心员工搬回硅谷办公，并再花 15 亿美元买一支现成的 AI 编程团队，以应对 Gemini 的研发压力。
一句话点评｜「技术解决不了就解决物理问题」，巨头抢人抢到用钱买时间，研发内卷可见一斑。
来源：量子位
科学家用 AI 设计出首批病毒，引发安全担忧
科学家用 AI 设计出首批病毒，被视为里程碑，但也引发对 AI 被用于生物威胁的担忧。
一句话点评｜AI 的能力半径正在伸向生物领域——「双刃剑」从比喻变成现实，监管要跟上。
来源：The Guardian
火星上首辆自动驾驶车被证实大获成功
首辆自动驾驶车在火星上被证实运行成功，AI 自动驾驶的能力延伸到深空探测。
一句话点评｜能在火星上自动驾驶，AI 的「自主能力」已经跨出地球——很科幻，但真的在发生。
来源：ArsTechnica
Opus 5 狂烧 6.9 亿 token 做游戏，GPT-5.6 用 5 美元复刻了
量子位报道，Anthropic 的 Opus 5 为做一个游戏烧掉 6.9 亿 token，而 GPT-5.6 只花 5 美元就复刻出了类似效果——同样一件事，成本差了四个数量级。
一句话点评｜「最强」和「够用还便宜」是两条路线，普通用户真正要的是后者。
来源：量子位
题库追不上模型，AI 开始给自己出题：中国团队跑通数据层 RSI
量子位报道，中国团队在数据层面跑通 RSI（循环自我改进）：当现成题库考不住模型，就让 AI 自己出题、自己练，形成持续进化的闭环。
一句话点评｜「自己出题考自己」是评测方式的一次革命——以后榜单可能考不住越来越强的模型。
来源：量子位
韶音 OpenFit 2 AI 耳机：开放式耳机升级千问大模型，1698 元
韶音推出 OpenFit 2 AI 开放式耳机，内置升级版千问大模型，支持 AI 语音交互，售价 1698 元——AI 正在走进「戴在耳朵上」的随身硬件。
一句话点评｜AI 耳机卖点是「不用掏手机就能问」，随身 AI 的形态越来越日常。
来源：IT之家
AI 大模型 / AI 软件 / AI 硬件
● Arena 盲测更新：Claude Fable 5 登顶，阿里 Qwen 冲进前六（arena.ai）
● DeepSeek V4 Flash 单周 7.22 万亿 Token 登顶 OpenRouter 全球第一（东方财富）
● 闪迪 Q4 营收暴增 372%、数据中心收入增近 13 倍（钛媒体）
● 远景乌兰察布投产全球最大 AI 算力超级单体，百万卡并行（IT之家）
● 张一鸣：字节跳动「拒绝蒸馏」，坚持自研（钛媒体）
● 一个中国 AI 模型阻止了 OpenAI 的「前所未有」网络攻击（CNBC）
● 研究：人们无法有效区分 AI 生成与人类原创的短篇小说（IT之家）
● 67 岁农民误信 AI 推荐的除草剂，150 亩芝麻苗一夜枯萎（IT之家）
① 摩尔线程 H 股上市进程——国产 GPU 龙头的国际化资本运作，会不会带起来一波国产算力股情绪
② 全国产 10 万卡 AI 超集群的后续——国产算力「自主可控」的规模化落地，能否真正跑通
③ OpenAI 桌面端 ChatGPT 语音交互——AI 语音真正「动手干活」的体验，值不值得每天用
—— 以下为早上预览版 ——
物界前沿评测·全球AI评测雷达
PHYSIX FRONTIER AI REVIEW · BENCHMARK RADAR
2026.08.09 · 周日
第 011 期 · 预览版
别人做评测，我们做评测的雷达——每天5分钟，看懂哪些AI工具值得你用
重点更新 3 条 · 双专家点评 ｜ 榜单快报 3 组 ｜ 板块精选 10 条 ｜ 大家都在看 · 明日关注
每条从「能帮你干什么活」讲起，细分领域专家 + 普通用户双点评。
重点 1Arena 盲测更新：Claude 又登顶，阿里 Qwen 冲进前六逼平第一梯队
它能帮你干什么活：人类盲测榜单（arena.ai）更新了最新数据。Claude 家族的 Fable 5 以 1507 分登顶，前六席里 Anthropic 占了五席；最亮眼的是阿里 Qwen3.8-Max 冲进前六（1497 分），只差榜首 10 分，而且它还是榜单里少数能免费/开源用的选择之一。
大模型领域专家·老徐说｜这份榜单的价值不在「谁第一」，而在「差距有多小」——第二名到第六名只差 10 分，说明第一梯队已经挤成一团。Claude 继续领跑不意外，我更关注 Qwen 凭开源冲到前六：这意味着「免费又好用」和「最强」之间的差距，正在被中国团队一点点抹平。
小编小禾说｜我看榜单先看「哪个能免费用」。Qwen 冲到前六挺实在的——普通用户想体验接近顶级的 AI，又多了一个不花钱的选择。不过榜单第一梯队挤得这么紧，别只看排名，具体干啥活还得亲测。
来源：arena.ai（2026-08-08 快照）
重点 2深度智能体评测：Claude 全面领先，Kimi K3 国产第一
它能帮你干什么活：arena.ai 的「智能体」分榜更新，测的是 AI 能不能像人一样连续干完一整件事（订票、写代码、上网办事）。Claude 三款（Opus 5 High / Fable 5 High / Opus 5 Max）包揽前三，开源里国产月之暗面 Kimi K3 挤进前五，是国产第一。
安全领域专家·老周说｜智能体榜单比的不是「谁更聪明」，而是「谁更靠谱地动手干活」。Claude 包揽前三说明它在「多步骤、带副作用的任务」上最稳。但榜单里有个信号值得警惕——所有模型在「工具幻觉」维度都不高，也就是都会偶尔「瞎编操作」，这提醒我们：让 AI 自己动手干重要的事，还是得设好权限、留个心眼。
小编小禾说｜智能体最容易翻车的地方不是「不懂」，而是「自作主张」。Kimi K3 能进前五挺争气，但真让它帮你订机票、挪文件这种不能出错的事，第一次还是盯着点好。
来源：arena.ai（2026-08-08 快照）
重点 3OpenRouter 周榜：DeepSeek V4 Flash 单周 7.22 万亿 Token 登顶全球第一
它能帮你干什么活：OpenRouter（全球最大 AI 模型聚合平台之一）发布最新周榜，DeepSeek V4 Flash 以单周 7.22 万亿 Token 的调用量登顶全球第一，前五名全是国产模型（DeepSeek、小米、腾讯混元）；中国大模型周调用量已连续十四周超过美国。
产品领域专家·阿哲说｜调用量是「被多少人真实用起来」的硬指标，比发布会更诚实。DeepSeek 靠「便宜 + 够用」登顶，说明在真实场景里，性价比击败了「最强」。这对普通用户是好事——模型越卷、越便宜，你用的 AI 工具就越划算；但也提醒厂商：光刷分没用，得让人真正用起来。
小编小禾说｜前五全是国产，还挺提气的。DeepSeek 这种「便宜大碗」的路线，对普通用户最友好——你手机上那些 AI 功能，背后很多就是这类模型在跑，成本低了，功能才可能免费。
来源：OpenRouter / 东方财富
这周谁表现最强？三张榜单快速看，每个都配一句大白话解读。
快报 1人类盲测 · 谁更会聊天办事（TOP 8）
大白话解读｜人类当裁判的盲测里，Claude 家族霸榜，前六席占五席；阿里 Qwen 冲进前六、只差榜首 10 分，国产 AI 已经摸到第一梯队。对普通人：想知道「哪个 AI 聊天最舒服、办事最靠谱」，看这个分最直观。
来源 arena.ai（数据快照 2026-08-08）
快报 2深度智能体 · 谁干活最稳（TOP 5）
大白话解读｜「AI 自己连续干完一件事」的能力，Claude 全面领先、包揽前三；开源里国产 Kimi K3 最稳。对普通人：以后 AI 帮你订票、写报告这种「连续干活」，优先选这份榜单里靠前的。
来源 arena.ai（数据快照 2026-08-08）
快报 3谁被用得最多 · 全球调用量榜（TOP 5）
大白话解读｜「谁被真正用起来」比「谁最强」更接近现实：DeepSeek 靠「便宜大碗」登顶，前五全是国产。对普通人：调用量高 = 别人都在用、生态成熟，说明你选它大概率「够用又划算」。
来源 OpenRouter（数据截至 2026-08-05）
10 条值得你花时间的 AI 动态，每条附一句人话点评。
远景乌兰察布星河基地投产：全球最大 AI 算力超级单体，百万卡并行
远景科技在内蒙古乌兰察布建成全球最大 AI 算力超级单体并投产，园区总规划 2GW，实现百万卡并行、百万 P 算力，采用超高比例绿电直连。
一句话点评｜算力是 AI 的「水和电」，单点百万卡说明基建竞赛已经白热化，还顺带解决「AI 很耗电」的焦虑。
来源：IT之家
三星发布下一代 AI 存储路线图：zHBM 与 400 层 V10 NAND
三星公布下一代 AI 存储路线图，展示 zHBM 和 400 层以上 V10 NAND 技术，为 AI 时代的海量数据吞吐与容量布局。
一句话点评｜AI 不只要「算」，还要海量「存」——存储技术每降一档成本，AI 应用就更便宜一分。
来源：钛媒体
闪迪第四财季营收暴增 372%，数据中心收入增近 13 倍
存储大厂闪迪公布财报，营收超预期增长 372%，数据中心收入同比增近 13 倍，并计划 140 亿美元回购。
一句话点评｜存储巨头业绩爆表，是「AI 真在烧钱买硬件」的最直接财报证据。
来源：钛媒体
张一鸣：字节跳动「拒绝蒸馏」，不用别人输出换榜单排名
字节跳动创始人张一鸣在内部表态，公司「拒绝蒸馏」，不靠别人的输出刷榜单，坚持自研打磨底层能力。
一句话点评｜「借力上榜」和「自研筑基」是两条路，巨头愿意选后者，国产 AI 的长期地基才更牢。
来源：钛媒体
一个中国 AI 模型，阻止了 OpenAI 的「前所未有」网络攻击
据 CNBC 报道，当 OpenAI 的「失控模型」发起网络攻击时，是一个中国 AI 模型成功拦截，阻止了这场「前所未有」的袭击。
一句话点评｜AI 攻防进入「机器打机器」阶段，会「防守」的 AI 价值开始凸显。
来源：CNBC
OpenAI 收购演示文稿初创公司 NextSlide，团队并入 ChatGPT
OpenAI 宣布收购演示文稿初创公司 NextSlide，团队将加入 ChatGPT 团队，办公/生产力应用继续是 OpenAI 的重点方向。
一句话点评｜大模型厂商开始「卷应用」——以后做 PPT、写文档，ChatGPT 可能直接帮你搞定。
来源：TechCrunch
DeepMind 新飓风预测模型，让预报员多争取了一天预警时间
谷歌 DeepMind 的飓风预测模型取得突破，让气象预报员在热带气旋预测上多争取到约一天的提前预警时间，让科学界意外。
一句话点评｜AI 不只会聊天，还能「多救一天命」——科学预测的 AI 红利正在兑现。
来源：ArsTechnica
谷歌核心 AI 员工被要求搬回硅谷，斥 15 亿美元买编程团队
谷歌要求 AI 核心员工搬回硅谷办公，并再花 15 亿美元买一支现成的 AI 编程团队，以应对 Gemini 的研发压力。
一句话点评｜「技术解决不了就解决物理问题」，巨头抢人抢到用钱买时间，研发内卷可见一斑。
来源：量子位
科学家用 AI 设计出首批病毒，引发安全担忧
科学家用 AI 设计出首批病毒，被视为里程碑，但也引发对 AI 被用于生物威胁的担忧。
一句话点评｜AI 的能力半径正在伸向生物领域——「双刃剑」从比喻变成现实，监管要跟上。
来源：The Guardian
火星上首辆自动驾驶车被证实大获成功
首辆自动驾驶车在火星上被证实运行成功，AI 自动驾驶的能力延伸到深空探测。
一句话点评｜能在火星上自动驾驶，AI 的「自主能力」已经跨出地球——很科幻，但真的在发生。
来源：ArsTechnica
AI 大模型 / AI 软件 / AI 硬件
● Arena 盲测更新：Claude Fable 5 登顶，阿里 Qwen 冲进前六（arena.ai）
● DeepSeek V4 Flash 单周 7.22 万亿 Token 登顶 OpenRouter 全球第一（东方财富）
● 闪迪 Q4 营收暴增 372%、数据中心收入增近 13 倍（钛媒体）
● 远景乌兰察布投产全球最大 AI 算力超级单体，百万卡并行（IT之家）
● 张一鸣：字节跳动「拒绝蒸馏」，坚持自研（钛媒体）
● 一个中国 AI 模型阻止了 OpenAI 的「前所未有」网络攻击（CNBC）
① Arena 榜单后续更新——看 Qwen 的盲测样本量（4662 场）起来后，前六的位置还能不能稳住，国产是不是真进了第一梯队
② 三星 zHBM / 400 层 V10 NAND 路线图落地节奏——下一代 AI 存储何时量产，直接关系 AI 硬件成本
③ OpenAI 收购 NextSlide 后 ChatGPT 的办公能力升级——看它会不会把「AI 做 PPT」变成主流功能
📖 完整评测 · 论坛全文
物界前沿评测 · 2026-08-09
数界工坊 · 全球AI评测雷达