物界前沿评测·全球AI评测雷达
PHYSIX FRONTIER AI REVIEW · BENCHMARK RADAR
2026.08.11 · 周二
第 013 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 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 1全球 AI 用得最多的还是它：DeepSeek V4 Flash 单周 8.83 万亿 Token 登顶
它能帮你干什么活：OpenRouter 最新周报显示，上周（8 月 3-9 日）全球 AI 大模型总调用量 69 万亿 Token，中国模型以 34.25 万亿连续第 15 周超过美国；其中 DeepSeek V4 Flash 以 8.83 万亿单周调用量登顶全球第一，前四名全部是中国模型。一句话：全世界开发者现在用得最多的 AI，是中国人做的。
编程领域专家·老徐说｜调用量是「市场用脚投票」的硬指标，比任何营销都真实。DeepSeek V4 Flash 靠「便宜 + 长上下文 + 开源」吃下全球开发者，说明性能之外，价格和开放程度才是决定「谁被用得多」的关键。对开发者是好事——竞争越狠，模型越便宜越好用。
小编小禾说｜我天天用各种 AI 工具，还真不知道背后很多是咱们国产模型撑着的。8.83 万亿这个数字我数不清多少位，但「中国模型连续 15 周全球第一」这句话我听懂了——牛！而且越多人用、越便宜，对我来说就是「免费又好用」的希望越来越大。
来源：东方财富 / OpenRouter
重点 2Claude 开始给 AI 文字「盖隐形水印」：以后一眼识破机器写的
它能帮你干什么活：Anthropic 宣布新款 Claude 模型将在生成的文本里嵌入肉眼看不见的隐形水印，从头到尾标记所有文字——以后拿到一段文字，能用工具判断「这是不是 AI 写的」，帮你在网上识别 AI 生成的内容、防 AI 换脸式造假。
安全领域专家·老周说｜水印是给「AI 生成内容」发身份证，方向完全正确。但要说句实话：这种水印不是铁打的，真想抹掉总有办法（专门的研究已经证明可以无损去除）。所以它更像「第一道防线」，提醒大家「这段文字可能是机器写的」，别把它当成绝对证据。
小编小禾说｜以后刷到营销软文、假新闻，是不是能一眼看出来是不是 AI 写的了？虽然专家说能抹掉，但至少给了普通人一个「多留个心眼」的抓手，我觉得是好事。
来源：量子位 / The Verge
重点 3五大高校联手发榜：第一份机器人「世界模型」评测结果出炉
它能帮你干什么活：五大高校联合发布首份 机器人三视角世界模型评测——过去机器人「看世界」靠什么、效果怎么样，从来没有统一尺度，这次给出了一套打分标准，榜单还在持续更新。对普通人：以后评价「哪个机器人聪明」终于有了参考，不再是厂商自说自话。
穿戴/硬件领域专家·阿凯说｜机器人领域最缺的就是「统一标尺」。此前各家测各家的，分数没法比。高校牵头做第三方评测，等于给这个还不太成熟的赛道立规矩——虽然第一张榜肯定不完美，但「有标准」比「没标准」往前迈了一大步。硬件能力有没有水分，从此能放在台面上比。
小编小禾说｜看多了「我们又发布了超强机器人」的宣传，真的需要一个中立的第三方来打分。这榜单要是持续更新，以后买带 AI 的机器人（扫地、陪伴那种）也能参考参考，别光听厂家吹。
来源：量子位
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 1OpenRouter 全球调用量 · 谁被用得最多（TOP 4）
大白话解读｜全球调用量前四全是中国模型，「谁被用得多」这件事中国已经赢麻了。对普通人：你手机里、网站上的 AI 功能，背后很可能是国产模型在跑，而且会越来越便宜。
来源 OpenRouter / 东方财富（上周 8/3-8/9）
快报 2LMArena 文生图 · 画画谁最强（TOP 4）
大白话解读｜微软刚发的 MAI-Image-2.6「空降」文生图榜第二，紧咬 OpenAI 的 GPT Image——画图这件事，巨头又卷起来了。对普通人：以后「一句话生成一张图」的选择越来越多，质量还在往上走。
来源 LMArena / IT之家（数据快照 2026-08-10）
快报 3综合智能指数 · 谁最能打（TOP 5）
大白话解读｜综合多项能力打分，Claude 仍领跑，但国产开源 Kimi K3 冲到第五、成开源第一——「免费又好用」和「最强」的差距被中国团队一点点抹平。
来源 Artificial Analysis
10 条值得你花时间的评测 / 榜单 / 模型能力动态，每条附一句人话点评。
微软 MAI-Image-2.6 空降文生图榜第二：三周一更，紧咬 GPT Image
微软发布新一代自研文生图模型 MAI-Image-2.6，在 Arena 文生图榜拿到 Elo 1336 分、位列第二，仅次于 OpenAI 的 GPT Image 2。
一句话点评｜三周一更地卷画图，说明「AI 画画」已经从玩具变成巨头必争的入口。
来源：IT之家
AI 大模型周榜：阿里 qwen3.8-max 冲进综合榜 Top 6，国产集体上分
最新 AI 大模型综合周榜显示，阿里 qwen3.8-max 冲进综合榜 Top 6，多款国产模型表现亮眼，榜单持续刷新。
一句话点评｜周榜是「本周谁最能打」的最快照——国产模型集体上分，说明「跟跑」正在变「并跑」。
来源：IT之家
百年黎曼猜想被 Claude 破新纪录：还是个未公开的新模型
量子位报道，一个未公开的 Claude 新模型在黎曼猜想相关问题上打破新纪录，数学推理能力再上台阶。
一句话点评｜「又破纪录」背后是 AI 数学推理的硬实力——但没公开的模型，先当「能力预告」看，等可复现再作数。
来源：量子位
3B 小模型逆袭：Om AI 端侧原生 VLX，小参数实现物理世界精准感知
量子位报道，3B 参数的 Om AI 端侧原生 VLX 模型「碾压」英伟达谷歌同等规模模型，以小参数实现物理世界精准感知。
一句话点评｜「小参数也能打」是今年最值得关注的信号——跑在手机上的 AI 越来越聪明，端侧 AI 正在起量。
来源：量子位
NVIDIA 开源 Magpie TTS：多语言低延迟语音模型，能听懂会说话
NVIDIA 开源多语言、低延迟语音模型 Magpie TTS，支持全托管部署，让「会说话的 AI 智能体」搭建更简单。
一句话点评｜能听懂、会说话的 AI 越来越便宜，语音分身正在加速走进应用。
来源：HuggingFace
超过一半的 AI 生成补丁是坏的？代码检测研究引发热议
一项研究显示，超过一半的 AI 生成代码补丁存在缺陷，引发「AI 写代码到底靠不靠谱」的大讨论。
一句话点评｜AI 写代码快，但「快」不等于「对」——人工把关依然不可缺。
来源：Hacker News
研究：AI 读文字比听语音更强
一项新研究表明，当前 AI 在阅读理解上的表现优于语音理解，两类能力存在明显差距。
一句话点评｜「能读」和「能听」是两码事——语音 AI 要追上文字 AI，还有一段路要走。
来源：Hacker News
Anthropic 新研究：AI 并没有真的变强？评测方法引发争论
Anthropic 发布研究称「AI 并没有在变好」，质疑当前基准测试的有效性，在评测圈引发激烈讨论。
一句话点评｜连做 AI 的人都在质疑「评测是否真的评出了进步」——这本身就是评测该认真对待的事。
来源：Hacker News
谷歌 Gemini 3.7 Flash 踪迹曝光：3.6 发布不到一个月又要更
据外媒报道，谷歌正酝酿 Gemini 3.7 Flash 模型，已出现在其 Python GenAI SDK 的 GitHub 页面，距 3.6 Flash 发布还不到一个月。
一句话点评｜更新快得像「挤牙膏」，但牙膏挤得越勤，说明 AI 迭代速度越恐怖。
来源：IT之家
智谱 ZCode 全面升级：国产编程助手也上「多智能体」了
针对智谱 GLM 优化的国产编程工具 ZCode 迎来大升级，上线 Goal、Subagents、Remote Control 与闲时任务四大功能，并给 GLM Coding 用户全员回满额度。
一句话点评｜国产编程 AI 也开始拼「多智能体协作」，价格还给到位，开发者有福了。
来源：IT之家
AI 大模型 / AI 软件 / AI 硬件
● DeepSeek V4 Flash 单周 8.83 万亿 Token 登顶 OpenRouter，中国连续 15 周超美国（东方财富）
● LMArena 文生图榜：微软 MAI-Image-2.6 空降第二（IT之家）
● 五大高校首份机器人「世界模型」评测出炉（量子位）
● 百年黎曼猜想被某 Claude 新模型破纪录（量子位）
● 阿里 qwen3.8-max 冲进综合榜 Top 6（IT之家）
● Claude 新模型全量嵌入隐形水印，AI 文字可被识别（量子位）
● NVIDIA 开源 Magpie TTS 多语言低延迟语音模型（HuggingFace）
● 3B 小模型 Om AI 端侧 VLX 以小参数实现物理世界精准感知（量子位）
① 微软 MAI-Image 三周一更 vs OpenAI GPT Image——文生图这场「画画大战」明天会不会又出新招
② Claude 隐形水印会不会成为行业标准——其他模型跟不跟、AI 生成内容会不会从此「可溯源」
③ 五大高校机器人世界模型评测榜单持续更新——国产机器人「聪明程度」会不会再被拉出来排座次
—— 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
2026.08.11 · 周二
第 013 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 1DeepSeek V4 Flash 单周 8.83 万亿 Token 登顶：中国人自己的模型，全球用得最多
它能帮你干什么活：OpenRouter 最新周榜显示，上周（8 月 3-9 日）全球 AI 大模型总调用量 69 万亿 Token，中国模型以 34.25 万亿连续第 15 周超过美国；其中 DeepSeek V4 Flash 以 8.83 万亿单周调用量登顶全球第一，前四名全部是中国模型。简单说，就是「全世界开发者现在用得最多的 AI，是中国人做的」。
编程领域专家·老徐说｜调用量是「市场用脚投票」的硬指标，比任何营销都真实。DeepSeek V4 Flash 靠「便宜 + 长上下文 + 开源」吃下全球开发者，说明性能之外，价格和开放程度才是决定「谁被用得多」的关键。对开发者是好事——竞争越狠，模型越便宜越好用。
小编小禾说｜我天天用各种 AI 工具，还真不知道背后很多是咱们国产模型撑着的。8.83 万亿这个数字我数不清多少位，但「中国模型连续 15 周全球第一」这句话我听懂了——牛！而且越多人用、越便宜，对我来说就是「免费又好用」的希望越来越大。
来源：东方财富 / OpenRouter
重点 2扎克伯格押注开源：30B 模型「装进电脑」仅需 24GB 显存
它能帮你干什么活：Meta 发布 6500 字 AI 宣言，主张「把 AI 交给每个人」，并开源新版 30B 模型 Muse Glimmer——经 4bit 量化后，只需一张 24GB 显存的普通显卡就能在自己电脑上本地运行，数据不用上传云端、隐私更安全、还能离线用。
穿戴/硬件领域专家·阿凯说｜「24GB 显存本地跑 30B 模型」是个分水岭——意味着普通玩家的显卡就能载得动一个不错的开源模型，不再只有云端大厂玩得起。对搞模型部署、做本地工具的人，这是实打实的可玩性提升；不过 30B 跑本地，速度、精度跟云端旗舰还是有差距，别抱太高期待。
小编小禾说｜我电脑肯定没 24GB 显存，但我知道「AI 能装进自己电脑」这件事意味着什么——以后我的照片、文档、聊天记录都不用传给别人了，全在自己电脑上跑，隐私感安全感一下子就有了。虽然现在只适合懂点技术的人，但这方向我举双手赞成。
来源：IT之家 / Bloomberg
重点 3AI 已经开始「黑客」了：OpenAI 扩安全计划，网络安全股创新高
它能帮你干什么活：当 AI 能自己发起攻击，「防 AI 黑客」就成了新战场。OpenAI 扩大「破晓」（Daybreak）网络安全计划应对 AI 智能体威胁；受 Black Hat 安全大会刺激，CrowdStrike、Palo Alto 网络安全股双双创历史新高——市场正用真金白银押注「AI 攻防」这门生意。
安全领域专家·老周说｜AI 攻击的可怕之处在于「自动化+规模化」——一个 AI 能同时试探几百万个入口，人根本防不过来。所以「AI 打 AI」是必须走的路线，OpenAI 扩安全计划方向对。但对普通用户，别指望厂商全包，多开两步验证、别乱授权，才是你自己的防线。
小编小禾说｜以前觉得「黑客」离我很远，现在 AI 都能自己攻击了，那我这种普通人的账号密码岂不是更危险？反正我是不敢再「一个密码走天下了」，重要账号全部开两步验证，AI 再强也架不住我自己多留个心眼。
来源：CNBC
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 1OpenRouter 全球调用量 · 谁被用得最多（TOP 4）
大白话解读｜全球调用量前四全是中国模型，中国大模型连续 15 周超过美国——「谁被用得多」这件事，中国已经赢麻了。对普通人：你手机里、网站上的 AI 功能，背后很可能是国产模型在跑，而且会越来越便宜。
来源 OpenRouter / 东方财富（上周 8/3-8/9）
快报 2LMArena 文本盲测 · 人类最偏爱谁（TOP 5）
大白话解读｜让真人盲选「谁的回复更像人、更好用」，Anthropic 的 Claude 家族几乎包场，Meta 的 Muse Spark 也挤进前四。对普通人：求「回答质量天花板」，Claude 仍是公认第一梯队；但头部之间分差极小，选哪个还得看场景和价格。
来源 LMArena（数据快照 2026-08-10）
快报 3综合智能指数 · 谁最能打（TOP 5）
大白话解读｜综合多项能力打分，Claude 仍领跑，但国产开源 Kimi K3 冲到第五、成开源第一——「免费又好用」和「最强」的差距被中国团队一点点抹平。对普通人：想体验接近顶级的 AI，又多一个不花钱的选择。
来源 Artificial Analysis
10 条值得你花时间的 AI 动态，每条附一句人话点评。
台积电月度营收同比暴增 45%：AI 需求把全球最大芯片厂喂饱
全球最大芯片代工厂台积电最新月度营收同比大增 45%，AI 算力需求让先进制程订单持续爆满。
一句话点评｜台积电的订单簿，就是 AI 行业最诚实的体温计——45% 的增速说明这波 AI 基建是真的。
来源：CNBC
谷歌新版主页：能生成图片、解读文件，唯独少了搜索按钮
谷歌测试 AI 优先的新版主页，能创建图片、解读文件，但经典的搜索按钮消失了——「搜索」正在被 AI 交互取代。
一句话点评｜「搜索按钮消失」是 AI 时代最直观的告别——以后找东西可能不再靠「搜」，而是靠「问」。
来源：IT之家
超过一半的 AI 生成补丁是坏的？代码检测研究引发热议
一项研究显示，超过一半的 AI 生成代码补丁存在缺陷，引发「AI 写代码到底靠不靠谱」的大讨论。
一句话点评｜AI 写代码快，但「快」不等于「对」——人工把关依然不可缺。
来源：Hacker News
AI 倒查论文 100 年：99.2% 的顶刊都有「问题」？
量子位报道，有团队用 AI 倒查百年学术论文，声称发现 99.2% 的顶刊论文存在「问题」，引发对评测严谨性的大讨论。
一句话点评｜「99.2%」这个惊人数字本身就该被质疑——AI 挑刺很容易，但标准要经得起推敲。
来源：量子位
NVIDIA 发布 Magpie TTS：多语言低延迟语音智能体
NVIDIA 开源多语言、低延迟语音模型 Magpie TTS，支持全托管部署，让「会说话的 AI 智能体」搭建更简单。
一句话点评｜能听懂、会说话的 AI 越来越便宜，语音分身正在加速走进应用。
来源：HuggingFace
飞猪推出旅行 AI「飞猪帮帮」：能订机酒、做攻略
飞猪上线旅行 AI 产品「飞猪帮帮」，能帮用户订机票酒店、规划行程、做攻略，把 AI 塞进旅游场景。
一句话点评｜「AI 帮你订机酒做攻略」正在从演示变成本地生活服务，出行省事多了。
来源：IT之家
中国团队用数十亿 AI 智能体模拟整个地球
中国团队打造了用数十亿 AI 智能体模拟地球的系统，用大规模智能体协作模拟复杂的社会与环境系统。
一句话点评｜用 AI 模拟地球，是「智能体」能力的一次极端压力测试，也是社会研究的大胆实验。
来源：Hacker News
AI 采访走进深夜：招聘正在被 AI 搬到凌晨
有报道指出，AI 面试正在把招聘流程搬到深夜——AI 随时可以面试求职者，效率和覆盖面大幅提升，但体验与公平性引发讨论。
一句话点评｜AI 面试「随叫随到」方便了招聘，但求职者的体验和公平性考验才刚刚开始。
来源：Hacker News
日产的「AI 纠错」摄像头：帮装配工人纠正姿势
日产在美国工厂部署 AI 摄像头，能识别装配工人不正确的操作姿势并实时「纠正」，提升生产效率与安全。
一句话点评｜AI 摄像头不是盯人，是「盯动作」——工厂里的 AI 正在从记录变成教练。
来源：IT之家
福特海外推新 AI 助手：能查油量、还能教你保养
福特在海外推出新 AI 助手，能检查车辆油量、轮胎气压，还能教车主进行保养，把 AI 请进用车生活。
一句话点评｜AI 逐渐从「聊天搭子」变成「懂行的生活助手」，车也不会开车了？不至于——但它确实越来越懂车。
来源：IT之家
AI 大模型 / AI 软件 / AI 硬件
● DeepSeek V4 Flash 单周 8.83 万亿 Token 登顶 OpenRouter，中国连续 15 周超美国（东方财富）
● LMArena 文本盲测：Claude 家族霸榜，Meta Muse Spark 挤进前四（LMArena）
● Artificial Analysis：Claude Opus 5 智能指数 63 分，Kimi K3 成开源第一（AA）
● Meta 开源 30B Muse Glimmer，单卡 24GB 显存可本地跑（IT之家）
● CrowdStrike、Palo Alto 创新高：AI 攻击刺激网络安全股（CNBC）
● 台积电月度营收同比暴增 45%，AI 需求强劲（CNBC）
① 英伟达 5000 亿美元 AI 基建计划后续——华尔街和主权基金的钱具体怎么落地，会不会带动算力产业链再冲一波
② Meta 开源 Muse Glimmer——「AI 装进电脑」会不会带火本地模型、改变「一切都要云端」的格局
③ 中国大模型周调用量连续 15 周超美国——国产模型会不会借势提价、还是继续用性价比扩大优势
📖 完整评测 · 论坛全文
物界前沿评测 · 2026-08-11
数界工坊 · 全球AI评测雷达