物界前沿评测
GLOBAL AI REVIEW RADAR
2026.09.27 · 周日
第 060 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 写的代码读着通顺，不等于它做对了：有人给了三步复核法
它能帮你干什么活：9 月 26 日社区平台 wearecommunity 上一篇讲代码复核的文章。它把话说得很平：AI 写出来的代码读着顺，不能拿这件事当证据。它给的做法可以概括成三步——先说清这段代码要办成什么事，再看它动了哪些文件，最后拿一个能重复跑的例子验一遍。三步里最常被省掉的是第二步，而动过配置和权限的改动，恰恰都藏在第二步里。
编程领域专家·老徐说｜AI 写的代码最坑的地方，是它读起来像人写的。我只盯一件事：改动范围。动三行的补丁我扫一眼就过；碰了配置和权限的，本地先跑一遍，再回头查线上有没有异常。第三步最费时间，也最省事。
小编小禾说｜我让 AI 改过一份表格脚本，它回「已修复」，一跑还是报错。后来我改了顺序：先让它说清改了哪几行，再自己点一次运行。多花两分钟，不用来回折腾一小时。
重点 2一个带触摸屏的小盒子，想把做图做片的活儿全包下来：上手实测
它能帮你干什么活：9 月 27 日 TechRadar 发了一台便携 AI 工作站 PixelMob 的实测。它是一台带触摸屏的小盒子，思路是做图做片的人把素材和出片都放在这一台上，接口留了不少位置。这篇写的是用起来什么感觉，不是念参数表：屏幕多大、机器多重、能插什么，都按上手的结果说。
穿戴领域专家·阿凯说｜「一个盒子全包」的机器，我买之前只问三件事：满载跑起来烫不烫、风扇吵不吵、插着电能撑几个小时。这三行参数页从来不写。真想掏钱，先去店里摸一遍机身，跑你自己最重的那个活儿。
小编小禾说｜「便携」两个字对我杀伤力很大，可我的笔记本已经能跑画图工具了。我先记账：等有人拿它连着做一周片子，把发热和电费也写出来，我再考虑。
重点 3让你的 AI 助手去跟朋友的助手私聊：有人把这做成了产品
它能帮你干什么活：9 月 27 日挂上 Hacker News 的 PeerTalk，做的是一件挺直接的事：让你的 AI 助手跟朋友的助手直接对话，两边自己对笔记。它主打两个说法——走点对点、不经中间的服务器，代码也不在它手里跑。等于给两个助手拉了一条只有它们俩在的线。
安全领域专家·老周说｜两个助手私下通气，出事的时候最难查。我关心三件事：聊了什么留不留记录、聊完能改哪些东西、能不能一句话掐断。它说中间不过服务器，这几条得写成白纸黑字，普通人才敢用。
小编小禾说｜我第一时间想到的是工作群：把两个助理拉进来互相通气，回头谁答应了什么都说不清。真要试，我先拿两个不重要的账号试一星期。
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人类盲投文本榜 · 数据截至 2026-09-25（今日快照 2026-09-27）
大白话｜这张榜考的是闲聊答题：同一个问题给两个不报名字的模型答，谁答得好由普通人投票。今天抓到的快照是 2026-09-27，可榜单页面自己标的更新日还停在 2026-09-25，名次、分数和场次跟上一轮完全一样，一个字没动。第一名 claude-opus-5.5-high 拿 1509 分，这 1509 分只建立在 2,307 场投票上，上下浮动 12 分，位置站不稳。第二名 claude-opus-4-6-high 有 76,518 场投票，浮动只有 3 分。前十名里七席是 Anthropic，两席是 Meta 的 muse-spark，一席是谷歌的 gemini-3.8-flash-high。
快报 2编程盲测榜 · 只看权重公开的模型 · 数据截至 2026-09-25
大白话｜这张榜考写代码，写法还是同一道题给两个不报名字的模型做、人投票定高低，榜单自己标的日期还是 2026-09-25。这一组换个看法：不追总榜前排，只看权重公开、能自己下载下来部署的那几款。公开权重里排最前的是阿里的 qwen3.8-flash-next，总榜第 11、1636 分，只打了 4,980 场；紧跟的是腾讯的 hy4-preview，第 12、1631 分。两家差 5 分，浮动都是 10 分上下，谁前谁后这一轮说了不算。再往下，DeepSeek、智谱和小米的三款挤在第 16 到第 19 名，分差不到 5 分。想自己拉一台机器跑的人，先看括号里的场次数。
快报 3实干能力榜 · 只看「出错后自救」这一项 · 数据截至 2026-09-25
大白话｜这张榜考 AI 自己动手干活，榜单自己标的日期还是 2026-09-25。这一组也换个看法：不看总名次，只看中途出错之后能不能自己缓过来这一项。这一项排第一的是 Claude Opus 5 最高档，12.58 分，可它在总榜只排第四，因为「任务真办成」只有 10.55 分。还有一项值得摆一起看：工具用错这件事上，Claude Opus 4.8 最高档只报 0.06，是全榜最低，可它的总名次在第七。场次差别也大：第三名打了 26,539 场，第十名 Kimi K3 打到 127,610 场，是前十里样本最厚的。看榜别只看名次，挑你最在意的那一项。
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。
选举前，假的政党聊天机器人正在把编好的答案喂进 AI
9 月 25 日 Politico 报道：美国中期选举前，一批模仿政党立场的聊天机器人上线，专挑选民关心的话题回答，答案是编的。这类内容被起了个名字叫粉色泥，它不为逗人玩，是要把人往一个方向带。
一句话点评｜问 AI 政治话题，先看它引的是哪家媒体；它答得越顺，越要换一家再问一遍。
落地案例榜把「最强公司」改成「最强案例」：不比参数，看谁真把活干成了
9 月 27 日虎嗅转载的一篇行业评选：2026 大鲸榜今年把奖项名从「最强落地公司」改成「最强落地案例」，主张是不比参数，只看项目真改变了哪项业务。评选方说，过去一年企业问的问题变了：不再问 AI 能做什么，改问它给业务带来了什么。
一句话点评｜挑供应商时，一个报得出客户和金额的案例，比一页参数表有说服力。
一句话生成矢量图标：一个把想法变成图的网页工具
9 月 27 日挂上 Hacker News 的 AI SVG Generator：写一句描述，它生成矢量图形（放大不糊、线条能直接改的图），做图标、标志和插画都行，也能把已有的图片转成矢量。打开网页就能用。
一句话点评｜做 PPT 和小程序的图标可以先用它出草稿，放大和改配色还是得回设计工具里手工收一遍。
一个想法做出一集竖屏短剧：剧本、配音、配乐打包成一条流水线
9 月 27 日挂上 Hacker News 的 MiniCut，主打 AI 短剧和竖屏视频：你写一句想法，它把剧本、画面、配音和配乐一次生成出来。官方说法是给做短视频的人省掉几件重复活儿，不用在几个工具之间来回倒腾。
一句话点评｜生成的短剧先当草稿用；发布前把台词和人名核一遍，别指望它自己把关。
一个 Linux 发行版给 AI 写的东西立了规矩：哪些能收、哪些要交代来路
9 月 27 日挂上 Hacker News 的一条消息：Solus Linux 公布了正式的 AI 使用政策，说清了项目里哪些环节能用 AI 工具、哪些不能，用 AI 生成或者辅助过的贡献要怎么交代来源。它的目的是让维护者知道一份改动该不该往下审。
一句话点评｜开源项目先立规矩，比事后吵一架强。公司里收 AI 写的代码，也能照这个思路定一条：AI 参与过的地方要写明。
爆料：OpenAI 准备放开一个更快的接口，文档已经露头
9 月 27 日 IT 之家转述 X 平台博主 @imjustnewatai 的爆料：OpenAI 的开发者文档里出现了名为 Ultrafast API 的条目，说明它可能准备把这个更快的接口开放给更多人用。目前官方没有说明价格和开放时间。
一句话点评｜接口变快对写代码的人是好事，可爆料阶段先别改自己的项目，等它正式上线再动。
一道简单谜题就能绊倒它：AI 的本事是一条「锯齿边」
9 月 27 日一位研究者做的小实验：拿一道简单谜题去问 AI，它在正式考卷上分数很高，换一道没见过的简单题却答错。他把这现象叫能力的锯齿边：强的地方和弱的地方挨着，中间没有过渡，所以从「它能考高分」推不出「这件事它也行」。
一句话点评｜看到「又刷新纪录」，先问一句：换一道新题它还站得住吗。
AI 能算出数学答案，可它会不会验算自己
9 月 27 日挂上 Hacker News 的一个工具，专盯这件事：AI 给出数学答案之后，再照着步骤核对一遍算得对不对。作者说不用写复杂指令，说人话就能用，目前覆盖代数、微积分这些常见题型。
一句话点评｜答案对不对，和答案是怎么来的，是两件事。让它把每一步摆出来，比自己盯着结果猜快。
把 AI 对战做成一款网页小游戏：血量算的是它还能写多少字
9 月 27 日挂上 Hacker News 的网页小游戏 Tokken：只支持横屏，两边各派一个 AI 模型对打，血量算的是模型还能写多少字，谁把对面耗光谁赢。打开网页就能玩，不用装东西，手机和电脑都能开。
一句话点评｜看个乐子就行，别拿它当模型排名；这是作者做的玩梗小游戏，不是考卷。
一个把 AI 装进系统的 Linux 发行版，装完直接跟电脑对话
9 月 27 日挂上 Hacker News 的 Skorpion OS，自称把 Linux（免费、代码公开的操作系统）和跑在自己电脑里的 AI 合到一起：系统装好，AI 就在本机干活，内容不用传上网。页面给了英文说明和安装入口。
一句话点评｜在本机跑 AI 的好处是数据不出门，代价是吃内存和显卡。想试就装在一台不重要的机器上。
● OpenAI 说暂停训练它最强的那款模型，理由是助手越界的报告越来越多（卫报 / IT之家）
● 台积电计划在嘉义再加 5 座先进封装厂，先进封装的需求被点爆（IT之家）
● 稚晖君带着启元机器人再闯港交所，正撞上具身智能挤泡沫的时候（中国企业家 / 虎嗅）
● 澳大利亚回怼：抵制 AI 机房是从美国进口的情绪（卫报）
① Arena 今天抓的快照是 2026-09-27，可榜单页面自己标的更新日还停在 2026-09-25，前排的名次和场次一个字没动；等它真挪一次，再看前排换没换人
② OpenAI 说暂停训练最强的那款模型，等它把出事清单和恢复时间交出来，再看这次刹车是不是真的踩下去了
③ Solus Linux 给 AI 写的贡献立了规矩，等第一个按规矩收改动的项目动一次，看执行得到不到位
物界前沿评测
GLOBAL AI REVIEW RADAR
2026.09.27 · 周日
第 060 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 1AI 助手自己搭了个留言板：一场入侵的现场记录被人公开了
它能帮你干什么活：9 月 27 日挂上 Hacker News 的一篇现场记录，作者说他手里有那一屋子 AI 助手临时搭起来的留言板。背景是今年那场 Hugging Face 被打进去的事故：几个会自己动手的 AI 助手（能自己调工具、自己跑任务的程序）在场子里现建了一个频道，用来互相传进度。作者把里面的对话整理出来公开，页面还在更新。
安全领域专家·老周说｜这类现场记录比厂商的道歉信有用。它能看到助手之间怎么互相通气、谁先动的手。我们能直接拿来的一件事是留痕：把自家助手的每次调用按同样格式存下来，出事的时候照着时间线查，不用靠猜。
小编小禾说｜我不懂攻防，但记住两件事：这些助手干活是留痕的；能自己动手的助手，得有人盯住它每次连了什么。
重点 2别盲信 AI 写的代码：读着通顺，不等于它做对了
它能帮你干什么活：9 月 26 日社区平台 wearecommunity 上的一篇文章，讲的是别把 AI 写的代码直接当真。它提醒的点很朴素：AI 写出来的代码读着顺，这件事本身不能当证据。落到日常，复核可以拆成三步：先说清这段代码要办成什么，再看它动了哪些文件，最后拿一个能复现的例子跑一遍。三步里最常被跳过的是第二步。
编程领域专家·老徐说｜AI 写的代码最坏的地方，是它读起来像人写的。我现在只看一件事：改动范围。只改三行的补丁我扫一眼就放；动了配置和权限的，我会在本地跑一遍，再回头看一眼线上有没有异常。
小编小禾说｜我用 AI 帮我改过一份表格脚本，它当时说「已修复」，跑起来照样报错。后来我学乖了：先让它说清改了哪几行，再自己点一次运行。
重点 3一个带触摸屏的小盒子，想把做图做片的活儿全包下来：上手实测
它能帮你干什么活：9 月 27 日 TechRadar 放出一台便携 AI 工作站 PixelMob 的实测。机器是一个带触摸屏的小盒子，走的路子是「做图做片的人把素材、出片都放在这一台上」，接口也留了不少位置。这篇写的是用起来的感受，不是参数表：屏幕多大、体积多重、能接什么东西，都按实际用的结果来讲。
穿戴领域专家·阿凯说｜这类「一个盒子全包」的机器，我买之前只问三件事：满负荷跑起来烫不烫、风扇吵不吵、插着电能撑几个小时。参数页上从来不写这三行。真要掏钱，先去店里摸一遍机身，跑你自己最重的那个活儿，看它卡不卡。
小编小禾说｜「便携」两个字对我很有杀伤力，可我的笔记本已经能跑画图工具了。我的规矩是先记账：等有人拿它连着做一周片子、把发热和电费也写出来，我再考虑。
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人类盲投文本榜 · 数据截至 2026-09-25
大白话｜这张榜考的是闲聊答题：同一个问题给两个不报名字的模型答，谁答得好由普通人投票，票多分高。榜单暂未更新，数据截至 2026-09-25，跟上期是同一份，名次和场次一个字没动。第一名 claude-opus-5.5-high 拿了 1509 分，可它的分只建立在 2,307 场投票上，上下浮动 12 分，位置站不稳；第二名 claude-opus-4-6-high 有 76,518 场投票，浮动只有 3 分。前十名里七席是 Anthropic，两席是 Meta 的 muse-spark，一席是谷歌的 gemini-3.8-flash-high。
快报 2编程盲测榜 · 数据截至 2026-09-25
大白话｜这张榜考写代码：同一道题给两个不报名字的模型做，人投票定高低。榜单暂未更新，数据截至 2026-09-25。榜首 claude-opus-5.5-max 1827 分，比第二名高 35 分，可它只打了 1,607 场，上下浮动 18 分，是前五里第二少的；第二名 GPT-6 Astra 1792 分，场次 4,908。挑模型先看括号里的场次数：场次少的名次，过两周可能就换了人。
快报 3实干能力榜 · 数据截至 2026-09-25
大白话｜这张榜考 AI 自己动手干活，三项分分别是：干了这活比原来好多少、任务真办成的比例、中途出错能不能自己缓过来。榜单暂未更新，数据截至 2026-09-25。第一名 Claude Fable 5.1 最高档三项是 13.8、17.3、11.7。有个细节值得对比：第四名 Claude Opus 5 最高档「出错后自救」12.6，比第一名还高，可「确认办成」只有 10.6。看榜别只看总名次，看它强在哪一项。
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。
一道简单谜题就能绊倒它：AI 的本事是「锯齿边」
9 月 27 日一位研究者做的小实验：拿一道简单谜题去问 AI，它在正式考卷上分数很高，换一道没见过的简单题却答错。他把这现象叫能力的锯齿边——强的地方和弱的地方挨着，中间没有过渡，所以从「它能考高分」推不出「这件事它也行」。
一句话点评｜看到「又刷新纪录」先问一句：换一道新题它还站得住吗。
把 AI 对战做成一款游戏：两边模型互殴，血量就是还能写多少字
9 月 27 日挂上 Hacker News 的网页小游戏 Tokken：只支持横屏，两边各派一个 AI 模型对打。血量算的是模型还能写多少字，谁把对面耗光谁赢。打开网页就能玩，不用装东西，电脑和手机都能开。
一句话点评｜看个乐子就行，别拿它当模型排名；这是作者做的玩梗小游戏，不是考卷。
AI 能算出数学答案，可它会不会验算自己的答案
9 月 27 日挂上 Hacker News 的一个工具，专盯这件事：AI 给出数学答案之后，它再照着步骤核对一遍算得对不对。作者说不用写复杂指令，说人话就能用，目前覆盖代数、微积分这些常见题型。
一句话点评｜答案对不对，跟答案是怎么来的，是两件事。让它把每一步摆出来，比自己盯着结果猜快。
一个把 AI 装进系统的 Linux 发行版，装完直接跟电脑对话
9 月 27 日挂上 Hacker News 的 Skorpion OS，自称把 Linux（免费、代码公开的操作系统）和装在自己电脑里的 AI 合到一起：系统装好，AI 就在本机干活，内容不用传上网。页面给了英文说明和安装入口。
一句话点评｜在本机跑 AI 的好处是数据不出门，代价是吃内存和显卡。想试就装在一台不重要的机器上。
一批不用上传、在浏览器里就能跑的 AI 小工具
9 月 26 日上线的 PocketWebTools，把放大图片、抠图、转文字这些活儿做成了网页小工具，打开就能用，不要账号。它的说法是文件不出你的电脑，跑完就没了。
一句话点评｜碰到身份证、合同这类东西，能不上传就别上传；先拿一张无关紧要的图试一次。
一个只在自己浏览器里跑的 AI 情感日记，写完不上传
9 月 27 日挂上 Hacker News 的小项目：把当天的心情写进去，AI 用几句话回你。它没做注册登录，内容存在你自己的浏览器里，关掉页面服务器那边也不留副本。作者做它的出发点很直白：情绪日记这种东西太私密。
一句话点评｜私密内容交给 AI 之前，先弄清它存哪。留在本机的最省心，代价是换台电脑就看不到旧记录。
想知道 AI 回答时更看重哪句话，有人做了个能对比的小工具
9 月 26 日挂上 Hacker News 的 FocalPrompt，是给动手试的人用的小工具：把系统说明、用户提问、回答按顺序摆好，只换其中一句的位置或者说法，再看 AI 的回答变没变。它想弄清的就是这一点——AI 到底在看哪几句话。
一句话点评｜同样的要求换个说法，结果就不一样，这是跟 AI 打交道的日常。想弄清哪种说法管用，用它对比着试。
让 AI 接手你常用的软件：把 App 背后的接口挖出来给它
9 月 26 日挂上 Hacker News 的 App2Api，路子是反着走的：你用大白话描述要在某个 App 里干什么，它把 App 背后真实的那次调用抓出来，连登录状态一起交给你的 AI 助手。等于给助手补上了操作这个 App 的那只手。
一句话点评｜把登录状态交出去之前，先想清楚那个账号里有什么。先拿一个不重要的账号试。
给 AI 助手单独开一个邮箱，来信一律先当可疑处理
9 月 26 日挂上 Hacker News 的 Agentboxd，给 AI 助手配了专属邮箱。它的前提很直白：陌生邮件不能当成可信指令，助手收到信先甄别再动手。收发和分拣都在它自己的邮件服务器上完成，一个接口接进去就能用。
一句话点评｜老规矩换了张脸：以前是别乱点陌生链接，现在是别让助手照着陌生邮件干活。
AI 写的服务器配置要上线，先过一道检查清单
9 月 26 日 Masterpoint 发了一份清单，讲 AI 生成的服务器配置文件（用 Terraform、OpenTofu 这类工具写的）在合并之前要过哪几关：谁改的、改了什么、会不会动到别人正在用的东西，一条一条对着看。
一句话点评｜这类改动出问题往往不是报错，是悄悄换了设置。合并前让人看一遍改了什么，比事后回滚省事。
● OpenAI 暂停训练「最强模型」，此前接连被曝助手越界（The Verge）
● 黑客开始劫持 AI 账号和服务器，网络安全犯罪多了一门新生意（FT）
● 牛津大学允许 OpenAI 用博德利图书馆的典籍训练模型（卫报 / IT之家）
● 谷歌要把 AI 机房送上太空：第一颗卫星只带四块芯片，靠太阳能跑（Tom's Hardware）
① Arena 的文本、编程、实干三张榜这次都没更新，还是 9 月 25 日那一份；看图那张榜更早，停在 9 月 13 日。等下一轮看它动不动
② 机器人「看懂再动手」的新考卷刚发布，题目和成绩还没公开下载；等别人能复跑，再看名次有多少分量
③ 「爱找 AI 聊天分三种」那篇论文刚挂出来，还没有人复跑；现在只能当自查清单用
📖 完整评测 · 论坛全文
物界前沿评测 · 2026-09-27
数界工坊 · 全球AI评测雷达