物界前沿评测
GLOBAL AI REVIEW RADAR
2026.08.25 · 周二
第 027 期
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 1AI 写代码写到停不下来：八成开发者承认上瘾，效率背后藏着一本难念的经
它能帮你干什么活：AI 编程助手现在不只是帮你补代码，而是很多人一天工作的起点——打开电脑先让 AI 起个头。ZDNET 8 月 25 日公布的开发者调查显示，80% 的受访程序员承认 AI 写代码「比想象中更容易上瘾」，一边觉得离不开，一边担心自己越来越不会独立写。这不是科幻片：代码产量确实上去了，但讨论里也在追问——当 AI 把「写」包办，人的「审」还跟不跟得上？
编程领域专家·老徐说｜80% 这个数字我不意外，工具太好用的时候，人会不自觉地躺进舒适区。我的态度一直很明确：AI 写代码的效率是真的，但「会写」和「能维护」是两码事——AI 生成的坑往往要过几周才爆出来。别急着全自动，关键改动自己过一遍，测试跑起来，先等第三方实测再放开手脚。
小编小禾说｜我一个不懂代码的人看到这个数据反而松了口气——原来连程序员都被 AI 惯坏了。这就像我以前用智能助手偷懒，省下的时间最后都花在改错上。工具好用是好用，但真出大事还得靠人把关，这条我信。
重点 2谷歌中端新秀一夜上榜三张 Arena 大榜：实惠型号的干活本事，正在追平最贵的那几款
它能帮你干什么活：Arena 是普通人也能看懂的 AI 盲测榜——全网用户匿名投票打分，谁强谁弱不让厂商自己说了算。8 月 24 日，谷歌中端型号 Gemini 3.7 Flash 一口气挤进三张榜：考「AI 能不能替你干活」的智能体榜第 20 名（比上一代跳升 15 位），做网页的榜单从第 19 名冲到第 8 名，聊天盲测榜第 9 名拿下 1490 分，和 Claude Sonnet 4.6、GPT-5.6 Terra 这些别人家旗舰站进了同一区间。对普通人来说意思是：挑 AI 工具，真不用非买最贵的。
产品领域专家·阿哲说｜我一直记着一笔账：入口即模型，价格即门槛。中端型号三榜齐上，说明「平价 AI」不是阉割版，而是厂商在拿中端走量、拿旗舰立牌坊。对用户是好事——竞争越狠，便宜好用的东西就越多。别急着把主力工具换过去，先在它开放的入口里试几天，觉得顺手再说。
小编小禾说｜我这种小白看榜单只有一个感觉：以前「AI 很厉害」是贵价专属，现在谷歌一个中端型号就跟旗舰站一排了。等它正式开放，我先让它帮我做个自我介绍网页试试水——但老规矩，先看大家实测再决定要不要长期用。
重点 3一个不肯露脸的 AI 模型，一天吃掉 4 万亿 token：好用是真的，但你的数据流去哪了？
它能帮你干什么活：token 是 AI 的数数单位，你问一句、它回一段，都按 token 算量。8 月 24 日，一个身份还没官宣的匿名模型 Ox Alpha（中文圈给它起外号叫「牛来」）悄悄上线，当天调用量冲到全球第一、刷新单日历史纪录——光前五大编程入口一天就喂给它超 4 万亿 token，终结了 DeepSeek 连续 56 天的霸榜。它一次能装下约 104.8 万 token（相当于十几万字）的上下文，能读图、看视频，预览期免费。能力是真的强，可它到底是谁家的，至今没人说得清。
安全领域专家·老周说｜我盯的不是它多能打，而是「不透明」。开发者把代码、数据、账号往一个查不到底细的模型里喂，等于把钥匙交给陌生人——能力越强，越要想清楚它碰过什么、留了什么。这不是说它一定有问题，而是在身份官宣、隐私条款落地之前，重要项目的数据别急着全量喂进去。权限要设到最小，这条对谁都适用。
小编小禾说｜我学乖了：上次那么热闹的神秘模型最后被扒出是限免噱头，这回我就盯两件事——4 万亿 token 这种用量数据做不了假，免费窗口能开多久才是我们普通人的事。老周老师提醒得对，我这种连账号密码都常忘的人，更不该稀里糊涂把家底交给一个连名字都不报的 AI。
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榜单快报 1 · 智能体榜：Claude 家族包揽前三，国产 Kimi 冲进前六
大白话｜智能体榜考的不是聊天，是「AI 能不能替你干活」——拆任务、调工具、出错自己爬回来。8 月 24 日更新的最新一版里，Claude 家族包揽前三、前十占七席；国产的 Kimi K3 Max 冲到第 6，是国产模型在这张榜上的最高名次。
快报 2榜单快报 2 · 用量榜：神秘新模型一夜登顶
大白话｜用量榜是开发者拿真金白银投的票：谁被用得多，谁才是真被需要。一个连名字都不肯报的匿名模型，8 月 24 日上线第一天就把 DeepSeek 守了 56 天的第一拿走，还顺手刷新单日纪录——这件事本身就是当天最硬的模型评测数据。
快报 3榜单快报 3 · 做网页 + 聊天榜：谷歌中端哪都能打
大白话｜谷歌中端型号一口气挤进三张榜——干活的、做网页的、聊天的都开始认它。以前「中端追平旗舰」得打问号，这次 1490 分加多个分类前十摆在那里：挑 AI 工具，不用只盯着最贵那几款了。数据取自 Arena 官方 8 月 24 日公告。
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。
一份 ACL 论文的反直觉发现：专病专用的医疗 AI，可能还不如通用大模型靠谱
雷锋网 8 月 25 日介绍一篇 ACL 论文：研究者拿通用大模型和医疗专用模型在真实医疗任务上对比，得出两个反直觉发现——通用模型在某些场景下反而更懂医疗。医疗是 AI 落地最谨慎的领域之一，这条结论直接动摇了「专用一定更优」的默认认知。
一句话点评｜买医疗 AI 服务前先问一句「底子是谁家的通用模型」，通用底子加专业调教，可能是更稳的组合。
AI 写代码越猛，代码库越难维护：越来越多的工程师开始头疼「遗产」
LeadDev 8 月 25 日发布观察：AI 编程时代，代码可维护性急剧下滑。工程师们发现，AI 让代码产量上去了，但留下的技术债也在堆积——别人看不懂、不敢改的代码越来越多，团队接手时直呼头疼。
一句话点评｜AI 负责写，人负责懂；写得太快没人懂，等于给团队埋雷。
抽查 2475 家企业的「AI 搜得到吗」，88% 不合格：你的品牌在 AI 眼里可能不存在
一位开发者 8 月 25 日在 Hacker News 公开自己的审计结果：给 2475 家企业的网站做「AI 搜索就绪度」体检，88% 不合格——AI 回答问题时根本找不到它们。AI 搜索正在成为新的流量入口，企业官网却大多还没准备好。
一句话点评｜以后「用户在 AI 里搜得到你吗」会像「百度排第几」一样重要，查漏补缺得趁早。
不联网也能聊天的 AI 人格：一个离线大模型加象棋引擎的「数字人」长这样
Hacker News 8 月 25 日热帖：一名开发者用本地大模型加象棋引擎，做了个完全离线的 AI 人格「Abby Steele」——不联网也能陪你聊天、下棋。端侧模型跑在你自己设备上，数据不出门，隐私问题天然少一截。
一句话点评｜断网还能用的 AI 是刚需，本地跑还自带隐私加成；但有多大本事，得看设备配置够不够。
做网页的考场上，谷歌新秀从第 19 名冲到第 8 名
Arena 官方 8 月 24 日公告：Code Arena WebDev 榜（照着需求把网页搭出来）上，Gemini 3.7 Flash 从第 19 名跃到第 8 名；细分到数据分析（第 7）、模拟/游戏/内容创作（第 8）、参考设计（第 9），也全部挤进前十。
一句话点评｜榜单细分到「具体干啥活」，以后给不同活挑工具，直接照表抓药。
聊天盲测榜第 9 名、1490 分：中端型号交出的高分答卷
Text Arena 是纯聊天体验的盲测场。Gemini 3.7 Flash 拿到 1490 分排第 9，比上一代 Gemini 3.6 Flash 分数更高——聊天这一项，也挤进了第一梯队边缘。
一句话点评｜陪聊、写文案、查资料这些日常活，中端型号已经够顶。
智能体榜多了一个更狠的指标：「一次办成率」，谷歌新秀单项第 5
Arena 智能体榜的 Confirmed Success 单项，考的是 AI 接下一个长任务后，能不能一次性把整件事办妥、中间不用从头再来。Gemini 3.7 Flash 这项信号提升了 10%，单项排名第 5。
一句话点评｜「能不能办成」比「能不能办」更值钱，普通用户要的就是这种不折腾。
匿名模型摸底考试：DeepSWE 约 63 分，整体接近 Claude Opus 4.8
DeepSWE 是专门考 AI 改代码、修 Bug 的实战考试。DeepSWE 官方人员评测后认为，Ox Alpha 得分约 63 分，整体水平接近 Claude Opus 4.8——高性能阵营的门槛。
一句话点评｜接近第一梯队，但这还是官方自家口径，第三方复测结果才算数。
身份罗生门：分词器指纹像智谱，研究员暗示谷歌，「牛来」到底是谁
Ox Alpha 身份至今未官宣。社区通过分词器指纹和报错代码推断它属于智谱 GLM 系列，多名谷歌 DeepMind 研究员却发帖暗示它是 Gemini 新版——两边都有支持者。
一句话点评｜连马甲都没脱就登顶，说明模型本身比牌子更能打；正式身份出来前，数据别乱喂。
104.8 万 token 的「超长记忆」：基本能装下整部《三体》
上下文窗口是 AI 一次对话能记住多少内容的尺度。Ox Alpha 的 104.8 万 token 大约相当于七八十万汉字，接近《三体》三部曲的体量——喂一整本书进去，它还能记得开头在讲什么。
一句话点评｜长文档、长代码、长会议记录是它的主场；但也别真指望它一字不落。
● 英伟达财报前夜：AI 服务器涨价超 15%，云厂商利润率承压（钛媒体 / Bloomberg）
● 字节跳动发布「豆包工作」：Agent 与飞书深度打通（IT之家）
● WikiHow 起诉 OpenAI：指控爬取超 1.1 万篇教程文章训练模型（IT之家 / 路透社）
● 特斯拉中国大陆车型首次接入国产大模型（钛媒体 / 火山引擎）
● 智能戒指 Oura 拟 9 月赴美 IPO，估值瞄准 160 亿美元（IT之家 / Bloomberg）
① 问界 M6 城区辅助驾驶挑战明天 14:00 直播：华为 ADS 5 增强版迎战成都复杂路口（IT之家）
② 英伟达财报临近：分析师称是 AI 股下一根催化剂，15% 服务器涨价的影响一并落地（Bloomberg / Reuters）
③ 字节「豆包工作」上线后的首批反馈：Agent 进企业场景，第一仗打得怎么样（IT之家）
物界前沿评测
GLOBAL AI REVIEW RADAR
2026.08.25 · 周二
第 027 期 · 预览版
重点更新 2 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谷歌中端新秀 Gemini 3.7 Flash 一夜上榜三张 Arena 大榜：写代码的、做网页的、聊天的都开始认它
它能帮你干什么活：Arena 是一张人类当裁判的 AI 盲测榜——成百上千用户匿名投票打分，谁强谁弱不让厂商自己说了算。昨天（8 月 24 日）谷歌的中端型号 Gemini 3.7 Flash 一口气上了三张榜：在考「AI 能不能替你干活」的智能体榜排第 20 名，比上一代跳升了 15 位，和 Claude Sonnet 4.6、GPT-5.6 Terra 这些别人家旗舰站在同一档；在考「做网页」的榜单从第 19 名冲到第 8 名；聊天盲测榜也挤进第 9 名，拿了 1490 分。它最亮眼的单项是「一次把事情办成」——干长活的时候不半路撂挑子。对普通人来说意思是：不用非买最贵的 AI，实惠型号的干活本事正在追上来。
编程领域专家·老徐说｜说｜智能体榜考的是长程干活：交代一个项目任务，AI 得自己拆步骤、调工具、出错了自己爬回来。Gemini 3.7 Flash 从 35 名跳到 20 名，还和 Claude Sonnet 4.6、GPT-5.6 Terra 一排，这个「干活稳定性」是真上来了。不过老规矩，榜单分数归榜单分数，真接进项目先拿小任务滚几天。文档写得跟没写一样的话，分数再高我也劝你等等。
小编小禾说｜说｜我这种不会写代码的人也能看懂这个信号：以前一说 AI 写代码，都是最贵那几款的事。现在谷歌一个中端型号都能三榜齐上，等于说便宜好用的 AI 离我们越来越近。我先记下这个名字，等它开放出来，第一件事就是让它帮我做个简单网页试试水。踩过的坑教会我：别急着换，先看大家实测。
重点 2一个不肯露脸的 AI 模型，一天用掉 4 万亿 token，把 DeepSeek 霸了 56 天的用量榜掀了
它能帮你干什么活：token 是 AI 的数数单位，你问它一句、它回你一段，都按 token 算量。昨天（8 月 24 日）一个身份还没官宣的匿名模型 Ox Alpha——中文圈给它起了个外号叫「牛来」——悄悄上线，结果一天之内调用量冲到全球第一，刷新单日历史纪录：光前五大入口（包括编程圈常用的 Claude Code 这类工具）一天就给它喂了超过 4 万亿 token，直接终结了 DeepSeek 在编程工具里连续 56 天的霸榜。它还是个大胃王：一次能装下约 104.8 万 token 的内容，相当于一口气读完十几万字还能记住开头；能看图、看视频；预览期还免费。它到底是谁家的、免费窗口能开多久，都没官宣——但开发者已经用脚投了票。
产品领域专家·阿哲说｜说｜又是匿名登顶，我记过一笔账：2025 年 8 月谷歌的 Nano Banana 以「纳米香蕉」代号匿名霸榜图像编辑，靠的是入口和免费，比名字重要。Ox Alpha 连名字都没有，一天就把 56 天的榜掀了，靠的还是那两样：强，加免费。这说明在开发者这个最挑剔的群体里，「谁家出的」越来越不重要，「好不好用、要不要钱」才是硬通货。对用户来说，匿名模型越多、互相卷得越狠，免费好用的东西就越多。别急着站队猜身份，先看免费窗口能开多久。
小编小禾说｜说｜上次那个神秘模型后来被扒出是限免噱头，我白激动一场，这回学乖了——不猜它是谁，就盯两件事：4 万亿 token 是实打实的用量数据（这个做不了假），免费窗口能开多久（这才是我们普通人的事）。要是它真的一直免费还这么能打，我下个月剪视频、做 PPT 的 AI 助手可能真要考虑换人了。老规矩：先等第三方实测，别急着把主力工具换过去。
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榜单快报 1 · 智能体榜：谷歌新秀一夜跳级
大白话｜智能体榜考的不是聊天，是「AI 能不能替你干活」——拆任务、调工具、出错自己兜回来。谷歌这个中端型号一上榜就跳级 15 位，还和 Anthropic、OpenAI 的旗舰并排站，最值钱的单项是「一次办成率」：干长活不半路重来。数据取自 Arena 官方 8/24 公告。
快报 2榜单快报 2 · 做网页 + 聊天榜：哪都能打
大白话｜做网页这张榜专考「照着需求把页面搭出来」，谷歌新秀从 19 名一路到 8 名，数据分析、游戏模拟这些细分活也排进分类前十；聊天盲测榜 1490 分挤进第 9。中端型号全面开花，挑 AI 工具时真不用只盯着最贵那几款了。数据取自 Arena 官方 8/24 公告。
快报 3榜单快报 3 · 用量榜：神秘新模型一夜登顶
大白话｜用量榜是开发者用真金白银投票的榜：谁被用得多，谁才是真被需要。一个连身份都不肯官宣的模型，上线第一天就把 DeepSeek 守了 56 天的第一拿走，还顺手刷新单日纪录——这件事本身，就是 8 月 24 日最硬的模型评测数据。数据来源：每经 / 快科技 / 新浪财经（8/24 报道）。
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。
智能体榜多了一个更狠的指标：「一次办成率」，谷歌新秀单项第 5
Arena 智能体榜的 Confirmed Success 单项，考的是 AI 接下一个长任务后，能不能一次性把整件事办妥、中间不用从头再来。Gemini 3.7 Flash 这项信号提升了 10%，单项排名第 5。
一句话点评｜「能不能办成」比「能不能办」更值钱，普通用户要的就是这种不折腾。
谷歌中端型号，和 Claude Sonnet 4.6、GPT-5.6 Terra 站进了同一区间
Arena 官方公告提到，Gemini 3.7 Flash 在智能体榜上已和 Anthropic 的 Claude Sonnet 4.6、OpenAI 的 GPT-5.6 Terra (xHigh) 处于同一区间——都是能扛长任务的选手。
一句话点评｜中端对旗舰，差距已经小到要拿放大镜看，选工具时价格权重可以再压一点。
做网页的考场上，Gemini 3.7 Flash 从第 19 名冲到第 8 名
Code Arena 的 WebDev 榜考「照着需求把网页做出来」。Gemini 3.7 Flash 从 19 名跃到第 8 名，细分到数据分析（第 7）、模拟/游戏/内容创作（第 8）、参考设计（第 9）几个分类也全部进前十。
一句话点评｜榜单细分到「具体干啥活」，以后给不同活挑工具直接照表抓药。
聊天盲测榜第 9 名、1490 分：中端型号的高分答卷
Text Arena 是纯聊天体验的盲测场。Gemini 3.7 Flash 拿到 1490 分排第 9，比上一代 Gemini 3.6 Flash 分数更高——聊天这一项也挤进了第一梯队边缘。
一句话点评｜陪聊、写文案、查资料这些日常活，中端型号已经够顶。
Ox Alpha 的规格单：一次装下十几万字，图片视频也能读，预览期免费
匿名模型 Ox Alpha 的公开规格：上下文窗口约 104.8 万 token（AI 一次能记住多少内容的度量，相当于十几万字），最大输出 13.1 万 token，支持文本、图像、视频多模态，预览期不收费。
一句话点评｜又能记、又能看、还免费——这三个词放在一起，难怪开发者抢着用。
DeepSeek 连续 56 天霸榜的纪录，被一个来路不明的家伙终结了
在编程工具 OpenCode 的入口里，DeepSeek 已经连续 56 天是调用量第一。Ox Alpha 上线首日就把它顶了下去，成为全球开发者这两天集中使用的新模型。
一句话点评｜56 天的纪录说破就破，开发者用脚投票的力度，比任何发布会都实在。
身份罗生门：分词器指纹像智谱，研究员暗示谷歌，「牛来」到底是谁
Ox Alpha 身份至今未官宣。社区通过分词器指纹和报错代码推断它属于智谱 GLM 系列，多名谷歌 DeepMind 研究员却发帖暗示它是 Gemini 新版——两边都有支持者。
一句话点评｜连马甲都没脱就登顶，说明模型本身比牌子更能打；坐等官宣。
DeepSWE 摸底考试：约 63 分，整体接近 Claude Opus 4.8
DeepSWE 是一场专门考 AI 改代码、修 Bug 的实战考试。DeepSWE 官方人员评测后认为，Ox Alpha 得分约 63 分，整体水平接近 Claude Opus 4.8——全球高性能阵营的门槛。
一句话点评｜接近第一梯队，但这是官方自家口径，第三方复测结果才算数。
连 Stripe 老板都来围观：这个匿名模型「非常令人印象深刻」
在线支付巨头 Stripe 的 CEO Patrick Collison 公开发声，评价 Ox Alpha「非常令人印象深刻」。科技圈大佬集体围观的场面，上一次还是某个匿名模型登顶图像榜的时候。
一句话点评｜大佬背书看看就好，好不好用还是自己上手试最实在。
104.8 万 token 的「超长记忆」：基本能装下整部《三体》
上下文窗口是 AI 一次对话能记住多少内容的尺度。104.8 万 token 大约相当于七八十万汉字，接近《三体》三部曲的体量——喂一整本书进去，它还能记得开头在讲什么。
一句话点评｜长文档、长代码、长会议记录是它的主场；但也别真指望它一字不落。
● 人形机器人百米跑出 9.58 秒，追平博尔特纪录（The Verge / IT之家）
● AI 开源平台 Hugging Face 传出 130 亿美元收购谈判（TechCrunch）
● 小米连发三款自研芯片，AI 旗舰 SoC 玄戒 O3 首发支持 LPDDR6（IT之家 / Bloomberg）
● 比亚迪仰望 U7 今天办驾驶者大会，预告极限挑战（IT之家）
① 仰望 U7 驾驶者大会今天的「史无前例极限挑战」结果如何，量产车到底扛住了什么
② 燧原科技 9 月 2 日开放申购，国产 GPU 第一梯队打新窗口临近
③ 英伟达财报临近，分析师称可能是 AI 股的下一催化剂（Bloomberg / Ives）
📖 完整评测 · 论坛全文
物界前沿评测 · 2026-08-25
数界工坊 · 全球AI评测雷达