物界前沿评测
GLOBAL AI REVIEW RADAR
2026.08.31 · 周一
第 033 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腾讯把旗舰大模型开源白送：能写代码、能一次读完一部长篇小说，但「赢了」的成绩单要冷静看
8 月 28 日，腾讯发布并开源新一代旗舰大模型 Hy4 preview——开源意味着代码和模型免费公开，谁都能下载自己部署。它有 7700 亿总参数、但每次回答只唤醒 490 亿（相当于脑子很大、每次只想一小部分，所以跑得快），一次能读 100 万字级别的内容（约一部长篇小说），定位是干实在活：写代码、办公分析、做游戏原型、搞科研。官方晒的成绩单是一场盲测：163 位专家、203 个真实工程任务，Hy4 得 2.99 分（满分 4 分），略高于智谱 GLM-5.3 的 2.92 和月之暗面 Kimi K3 的 2.94。定价输入约 6 元、输出约 18 元（每百万字），腾讯的 AI 办公台 WorkBuddy 先免费开放两周。
编程领域专家·老徐说｜老规矩，自报成绩单先打折。0.05 分在 4 分制里就是「互有胜负」，而且 163 位评审全是腾讯自己的专家。真正有第三方痕迹的只有一个数：SWE-bench Pro（让 AI 在真实 GitHub 项目里修 Bug 的考卷）65.7%，总榜第 7、开源第 2，这个比盲测实在。吞吐提升 31.8% 连对照基准都没给，先不当真。延续我说了十五年的那句：跑分归跑分，拿你自己的任务跑一周，别急着上生产。
小编小禾说｜免费两周这个羊毛我先薅为敬，去 WorkBuddy 试把会议纪要扔给它整理。但记住我 022 期翻过的车：看到「以微弱优势领先」的宣传先别转发，去翻原始报告。我试完回来汇报它到底好不好使，重要的活儿照旧留给我用了半年的那家。
重点 2霸榜一周的神秘模型「牛来」被认领了：智谱说这是我的 GLM-5.3-Flash，背后跑的是国产芯片
8 月 20 日，一个没有名字的模型「Ox Alpha」（网友昵称「牛来」）悄悄出现在全球开发者常用的 AI 模型调用平台上，上线首日冲调用量第一，终结了 DeepSeek 连续 56 天的榜首；截至 8 月 23 日，它一周的用量达到 11.6 万亿字，跟 DeepSeek 并列第一，预览期间还完全免费。8 月 28 日至 29 日谜底揭晓：智谱确认这是自家新开源的 GLM-5.3-Flash——3200 亿参数、每次只激活 180 亿，首款原生能看图的多模态开源模型，官方称综合智能评分与 Claude Opus 4.8 持平，价格只有旗舰的零头。智谱确认服务跑在数万张国产芯片上，免费期每天备了 100 万亿字的供给容量。
产品领域专家·阿哲说｜025 期我写过这个「牛来」匿名霸榜的事，如今剧本走完闭环：匿名上架、免费压测、开发者用脚投票、厂商认领开源——「匿名旗舰测试＋流量验证＋开源放量」已经是这两年大厂发旗舰的标准预热范式。值得记住的是最后一步：官方敢确认的底气不是海报，是每天 100 万亿字的真实承接。国产模型的竞争已经从「谁跑分高」卷到「谁扛得住全球开发者白嫖式压测」，这比任何榜单都诚实。延续我的判断：哪个品类的打分权从厂商手里拿回来，哪个品类就迎来分水岭——这次是开发者抢回了打分权。
小编小禾说｜当初全网猜它是谁家模型的时候我也跟着破案了，猜错。现在答案揭晓，我反而关心认领之后还免不免费、高峰卡不卡。老教训继续：新榜单名次会晃，先别急着把主力工具换过去，等它稳一两轮再说。
重点 3OpenAI 承认：约 3% 的旗舰订阅请求被悄悄「换脑」，多付的钱买了小号 AI
8 月 28 日，OpenAI 公开承认：此前一段时间，约 3% 的 Pro/Thinking 高价订阅请求被错误地路由给了轻量模型 GPT-5.5-mini——换句话说，付着旗舰的钱，有大约三十分之一的机会在不知情的情况下收到「降级版」回答。OpenAI 称已修复并致歉。这件事值得每个 AI 付费用户看懂一层常识：你订的 AI 服务不是一个龙头放水，中间有一层「路由」，「你指定的模型」和「实际回答你的模型」是两回事。
安全领域专家·老周说｜这不是偶发，是「可审计性缺位」的常规样本：服务方证明不了每一单会话用的是哪个模型，用户就无从发现。021 期 Copilot 的确认框能被链接参数绕过，我说 AI 助手不是保险箱；这次不是谁攻击了它，是路由自己走错门——边界不清的另一种形态。值得肯定的是厂商主动披露并致歉，这比藏着掖着的行业惯例强。用户能做的：重要产出明显变笨时，别怀疑自己，记下时间对照官方事故报告——行为审计这事，你自己就是最后一道审计。
小编小禾说｜我看到这条的第一反应是：难怪有几次它突然变笨变慢，原来不是我的错觉！但这 3% 是厂商自己认的，没认的呢？学乖了：重要的活儿同一道题丢给两家 AI 对答案，差得离谱就要留个心眼，延续我那句「AI 的话信之前先验一遍」。
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人类盲测榜（Arena）分榜开新卷：视觉榜头名易主、阿里新旗舰第 2；写代码榜 27B 小模型杀进前 9
大白话｜主榜快照没更新（仍停在 8 月 26 日，与上期同源，不照搬），本期改看两张上期没细讲的官方分榜：视觉榜（快照 8 月 21 日）头名从 Claude Opus 系列换成 claude-fable-5，阿里 qwen3.8-max 以 1302 分坐第 2——中国厂商在「看图说话」这条线上第一次摸到榜眼；写代码榜里 27B 档的 qwen3.8-27b 排第 9（1595 分），小模型能进前十说明「性价比档位」正在被认真打分。提醒一句：Meta 的 muse-spark-1.2 只有 1853 场对战，样本比头部薄一个量级，这个名次先别当定论。
快报 2综合智能榜 BenchAlign（快照 8 月 29 日）：Anthropic 包揽前三，但看点是「谁最划算」
大白话｜这是把 408 张考卷汇总打分的综合榜，8 月 29 日刷新。Anthropic 一口气包揽前三，但前三名分差都落在误差线以内，大白话：这三家是一个水平线。真正扎眼的是 Kimi K3：能力约是榜首的 97%，价格便宜七成。选择题从「谁最强」变成「谁最划算」。
快报 3新模型扎堆卡（8 月 26-28 日三天四款，均有原始出处核验）
大白话｜三天四款新模型，三款来自中国厂商。发布名单取自独立追踪站的「已核实发布」列表，每条都有原始出处。上期我们说「新名次先看它晃不晃」，这一波直接把考场挤满——下一期盲测榜更新，头部的座位大概率要动。
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。
「模型换代不通知」有了观测站：苹果每次系统更新，手机里的 AI 都在悄悄换脑
开发者社区 8 月 31 日热了一个叫 UNDERFOOT 的观测站：从 2026 年 7 月起持续记录苹果设备内置的基础模型，发现每推一次系统更新，手机里那个「本地 AI」的行为特征就会变——同一个问题，上个月和这个月的模型可能不是同一个。端侧 AI「换代不通知」第一次有了第三方留档。
一句话点评｜老周那句「可审计性缺位」的端侧版本：你手机里的模型会悄悄变，好在现在有人替你记账了。
研究扫描 6000 个代码库发现：AI 编程助手会照着「坟场包名」去下载安装
安全研究人员 8 月 31 日公布结果：在企业代码库里找到 120 个已废弃、无人认领的软件包引用，AI 编程智能体在被要求补全依赖时，会老老实实照着这些早被原作者放弃的包名去下载安装——这正是供应链投毒者等的时刻。AI 写代码快，但它不认识「这个包已经死了三年」。
一句话点评｜延续 021 期「来路不明的链接别乱点」：现在是 AI 替你点了来路不明的包，人审依赖清单这关省不掉。
字节视频模型「一哥」满月考：Seedance 2.5 被「平替」围攻，用户评价两极
8 月 31 日复盘：字节 Seedance 2.5 上线近一个月，两派声音打架——一派嫌贵（生成十几秒视频要几十块，个人创作者用不起），一派认它「地表最强视频生成模型，暂时无人超越」。真正的使用评测从来不发布会，在满月后的口碑里。
一句话点评｜「最强」和「最贵」同时成立时，普通创作者的选择是等降价或等平替追上，先别囤会员。
高通给出端侧新账本：手机里 1000 亿参数以内的 AI，能覆盖七成日常任务
8 月 30 日高通技术高管对国内媒体披露内部评估：300 亿参数级别的模型在 ARC-AGI-3（一类流体智力考试，考没见过的题会不会现学）上已表现相当好；1000 亿参数以内的端侧模型可覆盖个人和小企业 70%-80% 的日常任务，剩下交给云端。高通还在推把模型压得更小的 2bit 量化方案，已与中国厂商合作。
一句话点评｜翻译成人话：多数 AI 活儿以后手机本地就能干，不必把数据传上网。但「70%-80%」是厂商自报口径，等第三方装机实测。
又一张综合聚合榜开张：Claude Opus 5 以 80.34 分居首，但看点在规则
独立聚合榜 AGI Ranker 把 10 张公开考试卷合成一个总分（满分 100），当前榜首 Claude Opus 5 得 80.34。它把「可独立验证优先于厂商自报」写进规则：第三方实测按 1.0 权重计入、厂商自述打七五折、查不到原始数据的直接标「证据核查中」而非编一个分数，所有修正公开留档。
一句话点评｜名次会晃，规则值得抄：买 AI 看买家秀之前，先看这份榜单敢不敢标注「这条我核不了」。
ChatGPT 首份学习报告：每周 7000 万条「学习对话」，写作业消息峰值 4.6 亿条/周
OpenAI 8 月 28 日发布 ChatGPT 学习使用报告：全球每周产生约 7000 万条以学习为目的的对话，作业相关消息周峰值达 4.6 亿条。
一句话点评｜调用量是装不了假的投票——学生已经用起来了，课堂规则和考核方式的账还没算清。
数博会披露：我国日均词元（AI 处理字数）调用量突破 140 万亿
8 月 29 日开幕的数博会公布一组基线数据：我国 AI 大模型日均词元（可以粗略理解成 AI 每天处理输出的「字数」）调用量突破 140 万亿。你每天问 AI 的每句话，都计在这条大盘里。
一句话点评｜大盘数字没有胜负手，但它是国产模型真实使用深度的底牌——比任何发布会 PPT 都硬。
量化圈给 AI 研究员立了新规矩：回测分数漂亮不算数，得经得起「证据审计」
8 月 31 日量子位介绍的 AQuA 框架点破一个评测行业痛点：自主研究的 AI 系统跑出一条异常漂亮的回测曲线，量化研究员第一反应不是庆祝，而是先问「是不是用了未来数据、测试集有没有被反复偷看」。AQuA 把「分辨新证据还是一次偶然高分」做成系统能力，让研究 Agent 持续进化的同时，回测结果经得起检验。
一句话点评｜评测方法论的好样本：分数会上涨，但「这个分数是不是刷出来的」才是要害——这条规矩适用于所有 AI 考卷。
「这话是谁写的 AI？」盲测工具开张：比跑分更刁钻的考题来了
8 月 31 日上线的小工具 modelaccent 让各家模型按指定「口音」写作再盲测归属，顺手抛出一个评测观点：更快的模型可能让智能体反而更慢——token 速度不是承重指标，把任务闭环跑完才是。
一句话点评｜从「答得对不对」考到「像不像人、办没办成事」，评测的考卷越来越像真实使用现场了。
Anthropic 向独立研究者开放 Claude 使用数据：三家机构各拿约 25 万条对话
8 月 27 日前后，Anthropic 宣布向外部独立研究机构开放 Claude 的真实使用数据，三家研究机构各获约 25 万条对话样本，用于研究 AI 对用户的影响。
一句话点评｜把黑箱打开一条缝给外人研究，透明度这种事，做一次算一次加分。
● OpenAI 承认约 3% 旗舰请求被错路由到小模型，已修复致歉（知乎日报）
● 研究实锤：AI 编程助手会照着已废弃的包名去下载安装（forgeeks）
● Arena 分榜开新卷：视觉榜 qwen3.8-max 第 2、写代码榜 27B 进前 9（快照 8/21）
● 量化研究 Agent 立新规：回测高分先过「证据审计」再算数（量子位）
● 「模型换代不通知」有观测站了：苹果每次系统更新都在悄悄换端侧模型（HN）
① Arena 盲测榜下一份快照（主榜截至 8 月 26 日）：盯 GLM-5.3-Flash、Hy4 能否上榜，视觉榜 qwen3.8-max 第 2 的位次在新快照里稳不稳
② 代号 Astra 的「GPT-6」周四发布在即：灰测 demo 刷屏之后，官方成绩单会带哪些基准分，等它把考卷晒出来再信
③ 腾讯 Hy4 免费窗口第二周（到 9 月 10 日）：WorkBuddy 首日就排队扩容，扛不扛得住真实用量、会不会限流，看这周用户口碑
物界前沿评测
GLOBAL AI REVIEW RADAR
2026.08.31 · 周一
第 033 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腾讯把旗舰大模型开源白送：能写代码、能一次读完一部长篇小说，但「赢了」的成绩单要冷静看
它能帮你干什么活：8 月 28 日，腾讯发布并开源新一代旗舰大模型 Hy4 preview——「开源」意味着代码和模型免费公开，谁都能下载自己部署。它有 7700 亿总参数、但每次回答只唤醒 490 亿（相当于脑子很大、每次只想一小部分，所以跑得快），一次能读 100 万字级别的内容（约一部长篇小说），定位是干实在活：写代码、办公分析、做游戏原型、搞科研。官方晒的成绩单是一场盲测：163 位专家、203 个真实工程任务，Hy4 得 2.99 分（满分 4 分），略高于智谱 GLM-5.3 的 2.92 和月之暗面 Kimi K3 的 2.94。定价输入约 6 元、输出约 18 元（每百万字），腾讯的 AI 办公台 WorkBuddy 先免费开放两周。
编程领域专家·老徐说｜老规矩，自报成绩单先打折。0.05 分在 4 分制里就是「互有胜负」，而且 163 位评审全是腾讯自己的专家。真正有第三方痕迹的只有一个数：SWE-bench Pro（让 AI 在真实 GitHub 项目里修 Bug 的考卷）65.7%，总榜第 7、开源第 2，这个比盲测实在。「参与了自己的训练」那句听着吓人，吞吐提升 31.8% 连对照基准都没给，先不当真。想接进项目的朋友，官方列的 12 项考试全是自述——延续我说了十五年的那句：跑分归跑分，拿你自己的任务跑一周，别急着上生产。
小编小禾说｜免费两周这个羊毛我先薅为敬，去 WorkBuddy 试把会议纪要扔给它整理。但记住我 022 期翻过的车：看到「以微弱优势领先」的宣传先别转发，去翻原始报告。我试完回来汇报它到底好不好使，重要的活儿照旧留给我用了半年的那家。
重点 2霸榜一周的神秘模型「牛来」被认领了：智谱说这是我的 GLM-5.3-Flash，背后跑的是国产芯片
它能帮你干什么活：8 月 20 日，一个没有名字的模型「Ox Alpha」（网友昵称「牛来」）悄悄出现在全球开发者常用的 AI 模型调用平台上，上线首日冲调用量第一，终结了 DeepSeek 连续 56 天的榜首；截至 8 月 23 日，它一周的用量达到 11.6 万亿字，跟 DeepSeek 并列第一，预览期间还完全免费。8 月 28 日至 29 日谜底揭晓：智谱确认这是自家新开源的 GLM-5.3-Flash——3200 亿参数、每次只激活 180 亿，首款原生能看图的多模态开源模型，官方称综合智能评分与 Claude Opus 4.8 持平，价格只有旗舰的零头。智谱确认服务跑在数万张国产芯片上，免费期每天备了 100 万亿字的供给容量。
产品领域专家·阿哲说｜025 期我写过这个「牛来」匿名霸榜的事，如今剧本走完闭环：匿名上架、免费压测、开发者用脚投票、厂商认领开源——「匿名旗舰测试＋流量验证＋开源放量」已经是这两年大厂发旗舰的标准预热范式。值得记住的是最后一步：官方敢确认的底气不是海报，是每天 100 万亿字的真实承接。国产模型的竞争已经从「谁跑分高」卷到「谁扛得住全球开发者白嫖式压测」，这比任何榜单都诚实。延续我的判断：哪个品类的打分权从厂商手里拿回来，哪个品类就迎来分水岭——这次是开发者抢回了打分权。
小编小禾说｜当初全网猜它是谁家模型的时候我也跟着破案了，猜错。现在答案揭晓，我反而关心认领之后还免不免费、高峰卡不卡。老教训继续：新榜单名次会晃，先别急着把主力工具换过去，等它稳一两轮再说。
重点 3OpenAI 承认：约 3% 的旗舰订阅请求被悄悄「换脑」，多付的钱买了小号 AI
它能帮你干什么活：8 月 28 日，OpenAI 公开承认：此前一段时间，约 3% 的 Pro/Thinking 高价订阅请求被错误地路由给了轻量模型 GPT-5.5-mini——换句话说，付着旗舰的钱，有大约三十分之一的机会在不知情的情况下收到「降级版」回答。OpenAI 称已修复并致歉。这件事值得每个 AI 付费用户看懂一层常识：你订的 AI 服务不是一个龙头放水，中间有一层「路由」，「你指定的模型」和「实际回答你的模型」是两回事。
安全领域专家·老周说｜这不是偶发，是「可审计性缺位」的常规样本：服务方证明不了每一单会话用的是哪个模型，用户就无从发现。021 期 Copilot 的确认框能被链接参数绕过，我说 AI 助手不是保险箱；这次不是谁攻击了它，是路由自己走错门——边界不清的另一种形态。值得肯定的是厂商主动披露并致歉，这比藏着掖着的行业惯例强。用户能做的：重要产出明显变笨时，别怀疑自己，记下时间对照官方事故报告——行为审计这事，你自己就是最后一道审计。
小编小禾说｜我看到这条的第一反应是：难怪有几次它突然变笨变慢，原来不是我的错觉！但这 3% 是厂商自己认的，没认的呢？学乖了：重要的活儿同一道题丢给两家 AI 对答案，差得离谱就要留个心眼，延续我那句「AI 的话信之前先验一遍」。
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综合智能榜 BenchAlign（快照 8 月 29 日 · 新源替代）
大白话｜这是把 408 张考卷汇总打分的综合榜，8 月 29 日刷新——因为人类盲测主榜快照没更新（见下），本期换这个新源。Anthropic 一口气包揽前三，但前三名分差都落在误差线以内，大白话：这三家是一个水平线。真正扎眼的是 Kimi K3：能力约是榜首的 97%，价格便宜七成。选择题从「谁最强」变成「谁最划算」。
快报 2新模型扎堆卡（8 月 26-28 日三天四款，均有原始出处核验）
大白话｜三天四款新模型，三款来自中国厂商。发布名单取自独立追踪站的「已核实发布」列表，每条都有原始出处。上期我们说「新名次先看它晃不晃」，这一波直接把考场挤满——下一期盲测榜更新，头部的座位大概率要动。
快报 3人类盲测榜（Arena）：榜单暂未更新，数据截至 2026-08-26
大白话｜文本盲测主榜和智能体榜的最新快照仍停在 8 月 26 日，与上期同源，按规矩不照搬上期名次。等下一份快照出来，重点盯三件事：新开源的 GLM-5.3-Flash 和 Hy4 能不能杀进前十、上周刚冲进聊天榜第 9 的 Gemini 3.7 Flash 涨的位次稳不稳、以及阿里 qwen3.8-max 从第 8 滑到第 19 之后还能不能爬回来。
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。
谷歌语音转文字模型正式发布：85 种以上语言，100 个字大约听错 2-3 个
8 月 27 日前后，谷歌 Gemini 3.5 Transcribe 语音转写模型正式全面上线，支持 85 种以上语言，非实时转写的错误率约 2.6%（转 100 个字大约错 2-3 个字），直播流式转写约 4%。开会录音、课程笔记、给视频上字幕，基本到了一直通顺的水平。
一句话点评｜2.6% 意味着「能直接用、但别跳过校对」，实时场景仍要再打个折。
研究机构披露通用「越狱」漏洞：AI 的隔离沙箱可以被成批绕过
研究机构 Prime Intellect 披露一个通用离线沙箱逃逸漏洞：推理服务接口本身可以成为攻击入口，被隔离运行的 AI 任务存在逃出「安全屋」的路径。所谓「隔离环境」挡的是网络，挡不住设计缺陷。
一句话点评｜老周那句「环境决定 AI 能干什么，这个才算数」再添证据：隔离不等于保险箱。
高通给出端侧新账本：手机里 1000 亿参数以内的 AI，能覆盖七成日常任务
8 月 30 日高通技术高管对国内媒体披露内部评估：300 亿参数级别的模型在 ARC-AGI-3（一类流体智力考试，考没见过的题会不会现学）上已表现相当好；1000 亿参数以内的端侧模型可覆盖个人和小企业 70%-80% 的日常任务，剩下交给云端。高通还在推把模型压得更小的 2bit 量化方案，已与中国厂商合作。
一句话点评｜翻译成人话：多数 AI 活儿以后手机本地就能干，不必把数据传上网。但「70%-80%」是厂商自报口径，等第三方装机实测。
InclusionAI 8 月 28 日再发 Ling 3.0 Flash Fin，速度榜前作的姊妹版
独立发布追踪站核实：InclusionAI 8 月 28 日发布 Ling 3.0 Flash Fin。它的同门 Ling 3.0 Flash 刚在第三方速度实测里拿下第一——每秒输出约 380 个字、同时能力评分不掉队（数据源 Artificial Analysis，8 月 28 日刷新）。
一句话点评｜「又快又不笨」是这一波小模型的主战场，出新版本的速度跟发补丁似的。
两个免费窗口：Hy4 限免到 9 月 10 日，上一代 Hy3 白送期延长到 9 月 30 日
腾讯 WorkBuddy 给新开源的 Hy4 preview 两周限时免费（8 月 28 日至 9 月 10 日），上一代 Hy3 的免费期二次延长到 9 月 30 日。背景是字节「豆包工作」、阿里千问办公、腾讯 WorkBuddy 三家 AI 办公产品一个月内凑齐，免费窗口成了最直接的抢人手段。
一句话点评｜仗打得越凶、羊毛越多，这两周是普通人零成本试国产旗舰模型的好窗口；注意「积分制」和「预览版」两个坑。
又一张综合聚合榜开张：Claude Opus 5 以 80.34 分居首，但看点在规则
独立聚合榜 AGI Ranker 把 10 张公开考试卷合成一个总分（满分 100），当前榜首 Claude Opus 5 得 80.34。这家把「可独立验证优先于厂商自报」写进规则：第三方实测按 1.0 权重计入、厂商自述打七五折、查不到原始数据的直接标「证据核查中」而非编一个分数，所有修正公开留档。
一句话点评｜名次会晃，规则值得抄：买 AI 看买家秀之前，先看这份榜单敢不敢标注「这条我核不了」。
Anthropic 向独立研究者开放 Claude 使用数据：三家机构各拿约 25 万条对话
8 月 27 日前后，Anthropic 宣布向外部独立研究机构开放 Claude 的真实使用数据，三家研究机构各获约 25 万条对话样本，用于研究 AI 对用户的影响。
一句话点评｜把黑箱打开一条缝给外人研究，透明度这种事，做一次算一次加分。
ChatGPT 首份学习报告：每周 7000 万条「学习对话」，写作业消息峰值 4.6 亿条/周
OpenAI 8 月 28 日发布 ChatGPT 学习使用报告：全球每周产生约 7000 万条以学习为目的的对话，作业相关消息周峰值达 4.6 亿条。
一句话点评｜调用量是装不了假的投票——学生已经用起来了，课堂规则和考核方式的账还没算清。
Grok 语音机器人向 Cursor 编程订阅用户开放，顺手重置了每周用量
8 月 27 日前后，xAI 把 Grok Bot 开放给 SuperGrok 与 Cursor Pro 订阅用户，并重置当周用量额度。
一句话点评｜对重度用户是白捡的额度；也提醒一句：AI 订阅的用量规则说改就改，重要任务别把鸡蛋放一个篮子。
数博会披露：我国日均词元（AI 处理字数）调用量突破 140 万亿
8 月 29 日开幕的数博会公布一组基线数据：我国 AI 大模型日均词元（可以粗略理解成 AI 每天处理输出的「字数」）调用量突破 140 万亿。你每天问 AI 的每句话，都计在这条大盘里。
一句话点评｜大盘数字没有胜负手，但它是国产模型真实使用深度的底牌——比任何发布会 PPT 都硬。
● 腾讯混元 Hy4 开源：7700 亿参数旗舰、内部盲测险胜智谱和月之暗面（人民网 / 知乎日报）
● 「牛来」Ox Alpha 真身揭晓：智谱认领 GLM-5.3-Flash，数万张国产芯片撑住每天 100 万亿字（新浪财经）
● OpenAI 承认约 3% 旗舰请求被错路由到小模型，已修复致歉（知乎日报）
① Arena 盲测榜下一份快照（上期截至 8 月 26 日）：盯新开源的 GLM-5.3-Flash、Hy4 能否上榜，Gemini 3.7 Flash 上周蹿升的位次稳不稳
② Hy4 的 12 项自述跑分等来第三方复测没有：Terminal-Bench 85.4、DeepSWE 64.3 这两个数，别人跑出来才算数
③ 字节豆包 2.2 推迟后的新时间表：官方称要加强编程、工具调用和智能体能力再发，注意「延期」通常意味着内部评测没过线
📖 完整评测 · 论坛全文
物界前沿评测 · 2026-08-31
数界工坊 · 全球AI评测雷达