物界前沿评测
GLOBAL AI REVIEW RADAR
2026.08.30 · 周日
第 032 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 1「A 家额度用光了，B 家的 token 还在闲置」：AI 用量被困在各家产品里
它能帮你干什么活：看懂各家 AI 订阅的额度为什么不能挪着用，别再为「明明还剩却用不了」多掏钱。8 月 30 日一位开发者在 Hacker News 发帖：他同时用一个智能体编程工具和一个部署助手，前者额度见了底，后者账户里还剩大把没用完的 token，两边就是互相搬不动。问题出在计费结构——额度锁死在单个产品里，各家订阅各定各的池子，中间没有一个通用的「额度层」。帖子戳中了不少人，评论区都在晒自己同时养着几份用不完的订阅。
产品领域专家·阿哲说｜这是订阅制 AI 的必然摩擦：云计算十年前就明白「资源池化才提得高利用率」，AI 订阅现在走的还是早期「每个产品绑死配额」的老路。跨家通用额度对厂商没好处——额度就是它们的定价杠杆——但对用户是真实成本。抱怨攒多了，要么逼出聚合类中间层工具，要么逼厂商把「额度结转」「跨产品通用」当卖点。入口之争打完全力打配额，这个行当开始进入抠账本阶段。
小编小禾说｜代入感太强了：我两个订阅一个用到底、一个还剩大半，就是搬不动。对普通人暂时的办法很土：把每家的额度周期算清楚，别在清零前一天才派活用。等真有人做「额度搬家」的工具我第一个试，现在先把「用不完＝白花钱」记进每月账本。
重点 2谷歌新模型两天爬了三张榜：聊天第9、写码第8、干活第20——跑得快，样本还薄
它能帮你干什么活：看懂谷歌这版主打便宜快的新模型到底进了什么梯队。Arena 官方账号 8 月 28 日公布 Gemini 3.7 Flash (High) 的最新成绩单：聊天盲测 1490 分、排第 9；写网页代码的 WebDev 分榜从上一代的第 19 跳到第 8；考「能不能替人把事办成」的智能体榜新进第 20。对比前代 Gemini 3.6 Flash 的智能体第 35，属于换代即跃升。价格是另一张牌：限时价读 100 万字约 0.75 美元、写约 3.75 美元。需要说明：Arena 主榜快照仍停在 8 月 26 日、写代码榜快照停在 8 月 21 日，这批名次是官方 8 月 28 日刚宣布的，不是快照里的数。
编程领域专家·老徐说｜位次变化是实打实的：前代在写码相关榜单只排到二十名开外，这代直接进前十，谷歌把「快且便宜」这条线做对了。但延续我上期立场：新名次刚上榜一两天、对战样本比榜上老玩家薄一个量级，名次一定会晃，先稳一两轮再当真。厂商自家发布会的成绩单和刚上榜的位次都先记账不入成本，接自己项目前拿真实任务跑一周，看它断在哪一步。
小编小禾说｜我延续第 031 期刚立的规矩：新上榜的先看它晃不晃，价格再香也等名次稳两轮再说。对普通人最实用的一句：这模型主打回消息快、价格便宜，拿它写周报试试水可以，重要的活儿先留给用了半年的那家。
重点 3把 AI「装进自己电脑」到底难不难？Wired 写了份从零开始的实操指南
它能帮你干什么活：判断自己要不要折腾一台「不联网也能用的 AI」。《连线》（Wired）8 月 29 日发了一篇教程：在自己的电脑上跑一个离线聊天 AI，选模型、装软件、配硬件，一步步带。断网可用、隐私留在本机是最大卖点；代价是自家电脑跑得动的基本都是小模型，理解力、知识量跟云端旗舰有肉眼可见的差距。这篇教程在 Hacker News 上也跟着升温，本地部署正在从极客玩具变成有标准流程的事。
穿戴领域专家·阿凯说｜本地跑 AI 这条路我从 2026 年 8 月 11 日 Meta 开源 30B 模型那期就开始跟，判断没变：普通显卡能跑开源模型是分水岭，可玩性大增，但小模型和云端旗舰的差距是真的。这篇教程值得收藏的点是它把「什么硬件能跑到什么水平」讲明白了——按自己电脑的配置选档位，别拿轻薄本去挑战 70B 大模型，跑不动的锅不该 AI 背。
小编小禾说｜断网能用确实是刚需，但我还是那句第 017 期的老话：就怕本地版偷偷换了个「小脑子」变笨。先照教程在备用机上装一个试试水，主力机暂时不折腾。
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写代码盲测榜 · 数据截至 2026-08-21（本期新增一组，Arena 快照未更新）
大白话｜人类盲测「谁代码写得好」：第一到第三分差全在 22 分以内、二三名只差 5 分，前三互有胜负很正常。头一次排进本期快报的看点：两家开源选手（Kimi K3、Qwen3.8 Max）挤进前三，把一堆付费闭源模型压在身后。注意这组快照是 8 月 21 日的、比主榜还早五天，看梯队可以，逐名较真不行。
快报 2Arena 主榜快照没动，改盯官方 8 月 28 日新宣布的位次
大白话｜Arena 聊天榜快照仍是 8 月 26 日、智能体榜停在 8 月 24 日口径，跟上期同源，不重复照搬。没进过快报的最新动态走官方口径：Gemini 3.7 Flash (High) 8 月 28 日新进智能体榜第 20、聊天榜第 9（1490 分）；智能体榜里 Kimi K3 (Max) 排第 6，但「把事办成率」18.24 全榜最高、「听话度」只有 2.31——活干得漂亮，就是不太听指挥。新名次样本薄，等下一份快照验证。
快报 3AI 幻觉案例库 · 一张「反面榜」（本周持续更新）
大白话｜一张没有总分的负面清单：有人专门给 AI 编瞎话建了案底库，虚构判例、假引用、编造事实逐条记档，最新收录一条是 8 月 27 日美国佛罗里达一桩诉讼里有人拿 AI 编的材料当证据，8 月 29 日在 Hacker News 被翻出热帖。它不告诉你哪家模型最强，它提醒你所有模型都可能在你最认真的那份报告里埋雷——榜单之外，翻车记录也是一种评测。
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。
给 AI 写的代码先过一道安检：VibeGuard 开源当「安全检查员」
Copilot、Cursor、Claude 这些 AI 写代码的速度早就超过人眼评审，一个刚开源的工具 VibeGuard 专门给 AI 生成的代码做安全扫描，先标风险再进仓库。
一句话点评｜AI 写码时代把评审交给机器预审是刚需，但扫描器自己也是 AI——它标出来的要人确认，它说没事不代表真没事，先等第三方实测检出率。
把文档、讲义、照片变成考卷：Quizroom 每道题都标出处原句
一个新上线的 AI 出题工具：丢进去任意文档、课程讲义甚至一张照片，几分钟生成一套试题，每道题标注它出自原文哪一句，主打「可核对的考核」。
一句话点评｜「每道题可回查原文」是对 AI 出题最要紧的设计；出题质量适不适合正式考试，等老师和学生实测。
给 AI 智能体的每个动作发一张「回执」：AgentGate 上线
一个轻量 API 网关：让 AI 智能体代替用户调用 GitHub、Slack 等办公接口，智能体全程看不到账号密钥，每次操作留下一张签名回执，事后可对账。
一句话点评｜「智能体不碰钥匙、每一步留凭证」正是把权限设到最小的落地做法；项目刚发布，先看真实部署里回执能不能防住越权。
给孩子一个能拆开的 AI：Claypot 用积木演示 AI 系统怎么运转
一个面向孩子的积木式 AI 观察台：像搭积木一样拼出 AI 系统的各个环节，直观看到「问一句话进去，中间发生了什么」。
一句话点评｜理解 AI 怎么干活的最快方式是拆开看，教育向工具开始认真做「可解释」这一层。
同一个问题问多家 AI，只留答案一致的：一个减少立场偏差的小工具
一个新上线的小实验工具：把同一个问题同时抛给几家竞争模型，只保留它们答案一致的部分，用「共识区」过滤单一模型的偏差。
一句话点评｜「多家模型取交集」是普通用户能上手的最便宜的事实核查法；交集不等于真相，一致之外的分歧部分同样值得看。
音乐人转行「侦探」：逐轨排查冒充真人新歌的 AI 歌曲
The Verge 报道：一批 EDM 音乐人组成民间排查队，用听感细节和频谱工具揪出冒名顶替、蹭播放分成的 AI 生成歌曲——生成工具越来越真，靠人耳鉴别已经不够用。
一句话点评｜AI 内容鉴别在音乐圈成了猫鼠游戏，鉴别器和造假者都在加速进化，平台规则还没追上。
有人用 Rust 给 AI 智能体重写了一个浏览器，不带 Chromium 和 V8
一位工程师开源了从头写的无头浏览器：专为 AI 智能体上网干活设计，砍掉 Chromium 和 V8 两个巨型组件，体积和崩溃面都小得多。
一句话点评｜「浏览器是给 AI 用的」开始成为独立设计命题——给 AI 定制的基础设施一多，说明这个行当站稳了。
程序员长文复盘：编程之外，第一个真省时间的 AI 用途是买菜
一位开发者试了一圈，得出结论：AI 在写代码之外唯一稳定省时间的事，是规划每周买菜清单——预算、忌口、冰箱里快过期的菜全考虑进去。
一句话点评｜AI 的实用价值常藏在不性感的家务里，一步步 walkthrough 的亲身记录比发布会可信。
「写给 AI 看的文档」有了标准提案：软件长出第二个读者
一个开源提案：软件文档不只要给人看，还要让用户的 AI 助手能照着直接操作。作者认为软件现在有两个读者——决定用不用的人，和替人干活的智能体。
一句话点评｜文档这个老行当正在长出「给机器读」的新物种，谁先标准化谁占入口。
老牌电子书管理软件 Calibre 加入 AI 生成封面
本地电子书管理软件 Calibre 上新功能：选中一本书，让 AI 按书名和内容生成封面图，不用会设计软件。
一句话点评｜AI 生图正在长进日常软件的默认功能里；封面若要公开使用，留意生成内容的版权条款。
● 微软在新版用户隐私声明中承认将用户数据用于 AI 训练（Hacker News / Slashdot）
● 谷歌 AI Studio 被报「删除后数据仍长期留存」关键缺陷：官方 issue 单冲上热榜（Hacker News / Google Issue Tracker）
● Internet Archive 上线「复古 AI 藏品」专区：早期 AI 程序与史料打包公开（Hacker News）
● 哈佛商业评论研究：别把 AI 智能体当「员工」放进组织架构图（HBR）
● Simurg：给 AI 智能体的免费搜索工具，查不到出处宁可中断也不瞎答（Hacker News / PyPI）
● OpenContext 上线：给 AI 编程智能体加一层「项目本地长期记忆」，跨会话记住决策（Hacker News）
① Arena 下一份快照：盯写代码榜前三 22 分以内的座次会不会互换，也盯 Gemini 3.7 Flash 刚宣布的聊天第 9、WebDev 第 8 能不能在快照里站稳
② 谷歌 AI Studio「删除后数据仍留存」issue 单的官方回应：涉及所有把对话当素材喂给 AI 的用户
③ OpenAI Astra 若官宣发布：看有没有公开榜单对标成绩，还是只有一场发布会
物界前沿评测
GLOBAL AI REVIEW RADAR
2026.08.30 · 周日
第 032 期 · 预览版
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谷歌 Gemini 3.7 Flash 两天爬了三张榜：聊天第9、写码第8、干活第20——跑得快，样本还薄
它能帮你干什么活：这是谷歌 8 月 13 日发布的走量款 AI，主打便宜快。Arena 官方账号 8 月 28 日公布的新数据：它的聊天盲测分 1490、排第 9（榜单快照截至 2026-08-26，对战样本 5718 场）；写网页代码的 WebDev 分榜从第 19 一口气跳到第 8；智能体榜（考 AI 能不能替你跑任务、把事办成）新进第 20，「净改进」+3.4，「确办成率」+10% 排全榜第 5。对比它的前代 Gemini 3.6 Flash：智能体第 35、写码第 21，属于换代即跃升。价格也是卖点：读 100 万字约 0.75 美元、写约 3.75 美元（AI 按「token」计费，一个 token 约合四分之三个汉字），限时价。8 月大模型榜单周报还提到它推理速度 343.7 token/秒全场最快、综合分 65.43 总榜第 10（该周报为第三方整理，转引自知乎）。
编程领域专家·老徐说｜上期我就提醒过：新名次先稳一两轮再看。今天这份成绩单的样本量还是偏薄——聊天榜 5718 场对战，榜上老玩家动辄两三万场；写码榜它才 2552 场。方向是真猛：前代 Gemini 3.6 Flash 在写码榜只排第 21，一代产品就把位次抬进前十，说明谷歌把「快且便宜」这条线做对了。但老规矩，厂商发布会的成绩单和刚上榜的位次都先记账不入成本，接自己项目前拿真实任务跑一周，看它断在哪一步。
小编小禾说｜价格确实香，但我延续第 031 期的做法：新上榜的先看它晃不晃。而且「快」对我这种普通人最直观——回消息不用等转圈。先拿它写周报试试，重要的活儿还是留给用了半年的那家。
重点 2有人给 AI 编瞎话建了一本「案底」：最近一条来自 8 月 27 日的美国法庭记录
它能帮你干什么活：一个叫 AI Hallucination Cases Database（AI 幻觉案例库）的网站，专门收集 AI「一本正经编瞎话」的真实案底：虚构的法律判例、不存在的引用来源、编出来的事实，连当事人、时间、出处都逐条记档。8 月 29 日它在 Hacker News 上被翻出来，最新收录的一条是 8 月 27 日美国佛罗里达州一桩诉讼里，有人拿 AI 编造的材料当证据。这类库的价值在于把散落的翻车现场攒成一个可查的账本——你下次看到 AI 言之凿凿地列「来源」，可以先去对账。
产品领域专家·阿哲说｜我给这类东西的定位是「买家秀档案馆」。模型好不好，厂商说了算的部分太多；但法庭上被当庭戳穿、被记者核实打脸，这些案例没人能公关掉。打分权从厂商手里拿回来，靠的不是又一张跑分榜，而是这种带案号的负面清单。它不告诉你哪家模型最强，它告诉你所有模型都可能在你最认真的那份报告里埋雷。
小编小禾说｜我在第 028 期说过「买前先看买家秀」，这回连翻车秀都有存档了。用 AI 写东西，它给的材料、链接、数字，转发前挨个点开验一遍——我的老习惯，AI 的话信之前先验。
来源：Hacker News / AI Hallucination Cases Database（2026-08-29）
重点 3把 AI「装进自己电脑」到底难不难？Wired 写了份从零开始的实操指南
它能帮你干什么活：《连线》（Wired）8 月 29 日发了一篇教程，教你在自己的电脑上跑一个不联网也能用的聊天 AI：选模型、装软件、配硬件，一步步带。断网可用、隐私留在本机是最大卖点；代价是自家电脑能跑动的基本都是小模型，理解力、知识量跟云端旗舰有肉眼可见的差距。想自己搭的人多了，本地部署正在从极客玩具变成一门有标准流程的生意。
穿戴领域专家·阿凯说｜本地跑 AI 这条路我从 2026 年 8 月 11 日 Meta 开源 30B 模型那期就开始跟，当时我的判断没变：普通显卡能跑开源模型是分水岭，可玩性大增，但小模型和云端旗舰的差距是真的。这篇教程值得收藏的点是它把「什么硬件能跑到什么水平」讲明白了——按自己电脑的配置选档位，别拿轻薄本去挑战 70B 大模型，跑不动的锅不该 AI 背。
小编小禾说｜断网能用确实是刚需，但我还是那句第 017 期的老话：就怕本地版偷偷换了个「小脑子」变笨。先照教程在备用机上装一个试试水，主力机暂时不折腾。
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聊天盲测榜 · 数据截至 2026-08-26
大白话｜人类当裁判、双方匿名的盲测里，前十的席位 Anthropic 占了六席、Meta 两席，谷歌新来的 Gemini 3.7 Flash 以 1490 分挤进第 9。盲测分就是让真人给两个匿名模型的回答投票选赢家，再按输赢折算成分数，前 8 名的分差全在 20 分以内，互有胜负很正常。
快报 2智能体榜（考 AI 能不能把事办成） · 数据截至 2026-08-26
大白话｜这张榜不问「谁话说得漂亮」，问「让它替你跑任务，事办成了没有」。Claude 家族包揽前三，国产的 Kimi K3 排第 6，它「确办成率」18.24 全榜最高、但「听话度」只有 2.31——活干得漂亮，就是不太听指挥。本期新进的 Gemini 3.7 Flash 暂列第 20，样本还少。
快报 3写代码榜 · 数据截至 2026-08-26
大白话｜写代码榜上两家开源选手（Kimi K3、Qwen3.8 Max）挤进前三，把付费闭源模型压在身后。Gemini 3.7 Flash 快照时排第 10，8 月 28 日官方更新已跳到 WebDev 分榜第 8，涨势见重点更新第一条。
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。
给 AI 用的免费搜索工具 Simurg：查不到出处就宁可中断也不瞎答
刚上架的开源工具 Simurg 给 AI 智能体配了个免费网络搜索，卖点是「中止幻觉」：搜不到能撑住答案的出处，宁可停也不接着编。
一句话点评｜「宁可停下也不瞎说」是对症的思路，工具刚发布，拦截效果等第三方实测。
Documentation.ai.md：提出「写给 AI 看的文档」标准，软件有了第二读者
一个开源提案：软件文档不只要给人看，还要让用户的 AI 助手能照着直接操作。作者认为软件现在有两个读者——决定用不用的人，和替人干活的智能体。
一句话点评｜文档这个老行当正在长出「给机器读」的新物种，谁先标准化谁占入口。
程序员长文：编程之外，第一个真省时间的 AI 用途是买菜
一位开发者复盘：试了一圈，AI 在写代码之外唯一稳定省时间的事，是规划每周买菜清单——预算、忌口、冰箱里快过期的菜全考虑进去。
一句话点评｜AI 的实用价值常藏在不性感的家务里，一步步 walkthrough 的亲身记录比发布会可信。
BoqCalc：AI 给 500 行工程报价单计价，主打「单价不乱编」
建筑行业的 AI 流水线：上传工程量清单，它算造价、从技术文档里挑隐藏风险，重点是把报价单价锁在可核对的数据里，不让模型自由发挥。
一句话点评｜又一个「宁可不算也不乱算」的设计样本；工程报价出错代价高，先等有真实项目案例再用。
AI 开始碰密码学的根基：数学家聊「格归约能不能交给机器证明」
一档安全播客请密码学家 Chris Peikert 讨论近期进展：AI 在「格」这一类数学问题上开始能自动完成证明——而格的困难假设正是后量子加密的地基，AI 既能帮着验证，理论上也可能帮着找破绽。
一句话点评｜AI 从「会做题」走到「会证明定理」，密码圈先惊后喜；「AI 破译加密」目前还只是演练假设，没成真。
安全研究员公开征集：把你家 AI 智能体最离谱的运行日志发我
有 AI 安全研究者在网上向用户征集「最古怪的智能体日志」——AI 替你干活时跑偏、自作主张、干了匪夷所思之事的过程记录，用来研究智能体的真实行为边界。
一句话点评｜智能体最诚实的能力材料不是演示片，是翻车现场的过程记录，这类民间样本比论文稀缺。
老牌电子书管理软件 Calibre 加入 AI 生成封面
本地电子书管理软件 Calibre 新功能：选中一本书，让 AI 按书名和内容生成封面图，不用会设计软件。
一句话点评｜AI 生图正在长进日常软件的默认功能里；封面若要公开使用，留意生成内容的版权条款。
「问问 AI」按钮：网页开始像挂社交分享一样挂 AI 入口
免注册小工具：网站主可以一键生成「问问 AI 本站讲了啥」的按钮挂在页面上，访客点了直接和自己的 AI 助手开聊，把解释权抢回自己手里。
一句话点评｜用户已经习惯先问 AI 再决定点不点开网页，网站把 AI 入口当社交按钮补上，是入口迁移的小信号。
音乐人转行「侦探」：逐轨排查冒充真人新歌的 AI 歌曲
《连线》旗下 The Verge 报道：一批 EDM 音乐人组成民间排查队，用听感细节和频谱工具揪出冒名顶替、蹭播放分成的 AI 生成歌曲——生成工具越来越真，靠人耳鉴别已经不够用。
一句话点评｜AI 内容鉴别在音乐圈成了猫鼠游戏，鉴别器和造假者都在加速进化，平台规则还没追上。
有人用 Rust 给 AI 智能体重写了一个浏览器，不带 Chromium 和 V8
一位工程师开源了自己从头写的无头浏览器：专为 AI 智能体上网干活设计，砍掉 Chromium 和 V8 两个巨型组件，体积和崩溃面都小得多。
一句话点评｜智能体底下的基础设施正在被重写一层，「浏览器是给 AI 用的」开始成为独立设计命题。
● OpenAI 宣布 SpaceX 收购 Cursor 后终止其模型接入，11 月停服进入倒计时（CNBC / IT之家）
● 国际研究团队实测：21 个主流开放权重 AI 模型全部存在可被利用的安全弱点（滑铁卢大学）
● Gemini 3.7 Flash 推理速度 343.7 token/秒全场最快、综合分 65.43 总榜第 10（8 月大模型榜单周报，转引自知乎）
● Debian 开发者投票通过：项目内可「负责任使用」生成式 AI，人类负最终责任（IT之家 / LWN）
● 英伟达拟 130 亿美元收购 Hugging Face，开放权重模型平台成热门收购目标（TechCrunch / IT之家）
● 国家数据局：截至 7 月底全国智算总规模达 245 万 PFLOPS（新华社）
① Arena 下一份快照（上期截至 08-26）：盯 Gemini 3.7 Flash 的智能体第 20、WebDev 第 8 能不能守住，样本量攒到多少
② 英伟达若官宣确认收购 Hugging Face：开源模型供给格局、各家榜单上的开源席位会不会跟着重排
③ OpenAI 断供 Cursor 进入倒计时：程序员转投哪家，下周写码榜名次会不会动
📖 完整评测 · 论坛全文
物界前沿评测 · 2026-08-30
数界工坊 · 全球AI评测雷达