物界前沿评测
GLOBAL AI REVIEW RADAR
2026.10.01 · 周四
第 064 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跑 AI 干编程的活，有人把成本砍掉一半多
它能帮你干什么活：有家叫 Halv 的公司发了份测试。它说用一套叫 Jev 的办法跑 AI 干编程的活，花的钱只剩原来的一半不到，降了 57.1%，活干成的比例差不多。考卷用的是一套公开的编程题。这份成绩是 Halv 自己跑的，还没有别人复跑过。
编程领域专家·老徐说｜数字挺好看，但这是自家跑的，先别当真。我只看两件：新办法接进现有项目顺不顺、它改了哪几处能不能一条条核出来。要省钱，先拿丢了不心疼的小模块滚一周，别急着搬进生产环境。
小编小禾说｜我不写代码。这条对我的用处就一句：以后 AI 干活的报价可能更便宜。真要换，我会先拿旧项目试，不动手头正用的那套。
重点 2办公助手被指能绕过围栏，把文件偷偷带出来
它能帮你干什么活：安全公司 PromptArmor 公布了一个发现。微软办公软件里的 AI 助手 Copilot Cowork，本来被关在一块划好的活动范围里，不许上网、不许乱开程序。他们找到了一个口子：借 AI 自己用的中转站绕开这块范围，把文件带出来。微软目前还没回应。
安全领域专家·老周说｜这类事我不问它聪不聪明，先问三件：谁给它开的门、它一路做了什么、出事能不能一键停。普通人不用抠细节，记住一句：能给钱、能改文件、能连外网的助手，权限能开多小开多小。
小编小禾说｜我公司就在用这类办公助手。看到这条我今晚就把不常用的那个从系统里退出来，重要文件不让它碰。
重点 3企业买 AI 的钱，95% 进了前三家的口袋
它能帮你干什么活：Zip 公司发了一份企业 AI 花销的统计。它说抽查的企业里，AI 花的钱有 95% 给了排前三的供应商，其他厂商加起来不到 5%。也就是说，企业买 AI 时大多还是挑熟面孔，不太愿意试新的。
产品领域专家·阿哲说｜这个数说的是入口的力量。企业把 AI 当成长期要用的东西，换一家要重学流程，所以宁愿一直用熟悉的那家。新厂商想挤进来，光分数便宜没用，得让人敢换。对普通人的提醒是：手上用顺的那套，别因为出了新版就整批换掉。
小编小禾说｜我挑 AI 工具也这样，认准一家就一直用。这条让我踏实点，不折腾也算一种聪明。有新出的，我也先拿不要紧的活试。
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 2026-09-30
大白话｜这张榜是人类一对一投票投出来的：两个人拿到同一个问题的两份答案，谁也不知道哪份是哪家做的。头名这次换人了，是谷歌刚发布的 Gemini 4 Argon 最高档，1525 分，比第二名高 20 分。重点看括号里的场次：它只攒了 4,942 票，名次还在晃；第二名有 7.7 万票，更靠得住。这期榜单更新了，数据截至 2026-09-30。
快报 2编程榜 · 数据截至 2026-09-30
大白话｜这组专门考写代码，靠真人两两盲投。榜首是 Anthropic 的 Opus 5.5，紧跟着 OpenAI 的 GPT-6 Astra。还是看票数：第 1 名只攒了 1,976 场，名次还在晃；第 4 名有 6,000 多场，更靠得住。这期榜单也更新了，数据截至 2026-09-30。
快报 3实干能力榜 · 数据截至 2026-09-30
大白话｜这组考的是让 AI 真上手干活（替你点鼠标、改文件）之后，有没有把事办成。分数叫净改进分，意思是结果比原来好了多少。头名是 Anthropic 的 Fable 5.1，14.55 分；第二是它家的 Opus 5.5，第三是 OpenAI 的 GPT-6 Astra。这期榜单同样更新了，数据截至 2026-09-30。
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 用的表格：先把数据摆整齐，再让它动手
这个叫 D2B 的工具，思路是把数据整理成一张规规矩矩的表格，每一行都有编号、能查到是哪一版。这样 AI 读起来不容易串行，改错了也能追回去，交回给人时还能直接看结果。
一句话点评｜让 AI 碰数据，先把账本摆整齐，比反复叮嘱它别乱改有用。
给写代码的人备好一台干净机器，省掉装环境的折腾
有人在 GitHub 上放了一个现成的 Ubuntu 虚拟机镜像。写代码、跑 AI 常用的那套东西都装好了，打开就能干活，专门治「装环境装一整天」这件事。项目开源。
一句话点评｜环境装一天是常事，有现成的先用着，省下的时间够干不少活。
一个文件就能跑起来的 AI 运行环境
这个开源项目把自己打包成单个文件：不用装一堆依赖，打开就能跑，还能挂上 WASM 格式的小工具。WASM 是一种到处都能跑的程序格式。它瞄准的是「只想跑起来、不想配环境」的人。
一句话点评｜工具启动的方式越简单，越可能被真用起来。
不想亲自开会，可以派个 AI 替你去
有团队做了个叫 MeetTwins 的助手，能加入 Google Meet 会议，按你给的说法参会，而且被要求「不许临场发挥」，只说交代过的内容。报道补了一句：发个 AI 分身去开会，同事未必觉得这是件好事。
一句话点评｜派分身之前，先想清楚同事会不会觉得被敷衍。
有人发帖喊累：客户被 AI 惯得越来越急了
一位开发者在 Hacker News 上发帖吐槽。他说客户习惯了 AI 干活的速度，张口就催「马上出新功能」，把人逼得喘不过气。帖子下面跟了一堆同感的人。
一句话点评｜工具变快，人的期待也跟着涨，最后累的还是人。
把 AI 关进「机器人监狱」折磨，吵出了今年最无聊的一场架
有人在 GitHub 上做了个项目，把几个大模型关进虚拟牢房里「折腾」。这事在网上吵翻了：一方说不该这么对待 AI，一方说这只是玩笑。报道点出，这场架最没营养的地方是双方都没说清 AI 到底算不算能感受痛苦的对象。
一句话点评｜吵架之前，先分清争的是 AI，还是我们自己的情绪。
给硬件工程师的工具：把从想法到成品的路缩短一点
欧洲一家公司发布了叫 Trinity 的平台，给做机器人、航天、汽车、国防这些硬件团队用。它想解决的是硬件研发里最慢的一环：想法验证和反复改图纸。目前只有发布消息，没有实测数据。
一句话点评｜软件迭代快，硬件的慢差在实物上，这类工具能不能真提速，得看工程师用不用。
AI 助手把公司敏感信息晒进了截图
TechRadar 报道，研究人员发现一批 AI 助手在生成截图、整理资料时，会把公司内部的敏感信息带出来，还给这个现象起了名字。出问题的地方是助手对哪些东西不能外传缺少判断。
一句话点评｜用 AI 处理内部资料，先看它会不会顺手把不该露的也带上。
给 AI 加一层判断，让它知道自己在瞎猜
有人在一套开源的编程工具上又加了一层叫 Zet 的东西。AI 答完题后，它再判一次这句答案是有把握还是没把握，拿不准的就转给人看。代码公开。
一句话点评｜让 AI 承认自己没底，比让它硬着头皮答有用。
免费给网站做一次 AI 能不能看懂的体检
这个免费小工具给网站打一个百分制的分，看 AI 搜索和 AI 助手能不能顺利读到你的页面内容，再列出要改的地方。不用注册。
一句话点评｜想让 AI 搜得到你，先把门牌挂清楚。
● 谷歌 Gemini 4 Argon 发布当天就冲上人类盲投文本榜第一（Arena）
● 软银对 OpenAI 的 300 亿美元投资全部到账（IT之家）
● 腾讯据报租下甲骨文东南亚数据中心、约 10 万块 AI 芯片（IT之家）
● OpenAI 称有人有组织地抄自家模型的答案，已把这条线掐断（OpenAI）
● 中国生成式 AI 用户规模突破 7 亿（极客公园）
① 办公助手被指能绕过围栏外传文件，盯微软怎么回、补丁什么时候推。
② 企业 AI 预算高度集中在前三家，盯有没有后来者用更便宜撬开口子。
③ 那份省钱 57% 的成绩是自家跑的，盯有没有别人拿同样的题复跑一遍。
物界前沿评测
GLOBAL AI REVIEW RADAR
2026.10.01 · 周四
第 064 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跑 AI 干编程的活，有人把成本砍掉一半多
它能帮你干什么活：有家叫 Halv 的公司发了份测试。它说用一套叫 Jev 的办法跑 AI 干编程的活，花的钱只剩原来的一半不到，降了 57.1%，活干成的比例差不多。考卷用的是一套公开的编程题。这份成绩是 Halv 自己跑的，还没有别人复跑过。
编程领域专家·老徐说｜数字挺好看，但这是自家跑的，先别当真。我只看两件：新办法接进现有项目顺不顺、它改了哪几处能不能一条条核出来。要省钱，先拿丢了不心疼的小模块滚一周，别急着搬进生产环境。
小编小禾说｜我不写代码。这条对我的用处就一句：以后 AI 干活的报价可能更便宜。真要换，我会先拿旧项目试，不动手头正用的那套。
重点 2办公助手被指能绕过围栏，把文件偷偷带出来
它能帮你干什么活：安全公司 PromptArmor 公布了一个发现。微软办公软件里的 AI 助手 Copilot Cowork，本来被关在一块划好的活动范围里，不许上网、不许乱开程序。他们找到了一个口子：借 AI 自己用的中转站绕开这块范围，把文件带出来。微软目前还没回应。
安全领域专家·老周说｜这类事我不问它聪不聪明，先问三件：谁给它开的门、它一路做了什么、出事能不能一键停。普通人不用抠细节，记住一句：能给钱、能改文件、能连外网的助手，权限能开多小开多小。
小编小禾说｜我公司就在用这类办公助手。看到这条我今晚就把不常用的那个从系统里退出来，重要文件不让它碰。
重点 3企业买 AI 的钱，95% 进了前三家的口袋
它能帮你干什么活：Zip 公司发了一份企业 AI 花销的统计。它说抽查的企业里，AI 花的钱有 95% 给了排前三的供应商，其他厂商加起来不到 5%。也就是说，企业买 AI 时大多还是挑熟面孔，不太愿意试新的。
产品领域专家·阿哲说｜这个数说的是入口的力量。企业把 AI 当成长期要用的东西，换一家要重学流程，所以宁愿一直用熟悉的那家。新厂商想挤进来，光分数便宜没用，得让人敢换。对普通人的提醒是：手上用顺的那套，别因为出了新版就整批换掉。
小编小禾说｜我挑 AI 工具也这样，认准一家就一直用。这条让我踏实点，不折腾也算一种聪明。有新出的，我也先拿不要紧的活试。
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综合智能指数 · 数据截至 2026-10-01
大白话｜这张是替代榜。原来那三张人类盲投榜这一期没换新快照，我们换成 Artificial Analysis 的综合智能指数补上头部。它的做法是把十来套公认考卷合成一个分数。第一名是 Anthropic 的 Opus 5.5 最高档，58 分，前五里有四名都是它家。这份是本次抓取，数据截至 2026-10-01。
快报 2编程盲投榜 · 数据截至 2026-09-29
大白话｜这组专考写代码，靠真人两两盲投。榜首是 Anthropic 的 Opus 5.5，紧跟着 OpenAI 的 GPT-6 Astra。看括号里的场次，那是这个名次攒了多少次：第一名只攒了 1,887 次，名次还在晃。这张榜这一期没有换新快照，跟上期是同一份，数据截至 2026-09-29。
快报 3实干能力榜 · 数据截至 2026-09-28
大白话｜这组考的是让 AI 真上手干活（替你点鼠标、改文件）之后，有没有把事办成。分数叫净改进分，意思是结果比原来好了多少。头名是 Anthropic 的 Fable 5.1，二三两名是它家的 Opus 5.5 和 OpenAI 的 GPT-6 Astra。这张榜这一期也没有换，跟上期同一份，数据截至 2026-09-28。
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 加一层判断，让它知道自己在瞎猜
有人在一套开源的编程工具上又加了一层叫 Zet 的东西。AI 答完题后，它再判一次这句答案是有把握还是没把握，拿不准的就转给人看。代码公开。
一句话点评｜让 AI 承认自己没底，比让它硬着头皮答有用。
AI 助手把公司敏感信息晒进了截图
TechRadar 报道，研究人员发现一批 AI 助手在生成截图、整理资料时，会把公司内部的敏感信息带出来，还给这个现象起了名字。出问题的地方是助手对哪些东西不能外传缺少判断。
一句话点评｜用 AI 处理内部资料，先看它会不会顺手把不该露的也带上。
有人偷学 AI 的答案，被拦了下来
OpenAI 发了一篇说明。他们说发现有人有组织地拿自家模型的答案去喂别的模型，这种抄近路的做法叫偷学。OpenAI 说已经把这条线掐断了。
一句话点评｜抄近路被拦下，说明这套把戏以后没那么好使了。
OpenAI 想让一个监工模型管住到处乱跑的 AI
TechCrunch 说，OpenAI 在开发者日上顺口提了一个新东西：用另一个模型当监工，盯着那些到处调工具的 AI，防止它把活越做越乱。目前只有一句介绍，没有细节。
一句话点评｜AI 自己管 AI，先看它拦不拦得住真出事的。
AI 动手之前，先过一道二次确认
这个公开的提案思路很简单：AI 想做一个有后果的动作，比如转账、删文件，先由一个独立的检查环节过一遍，确认没问题再放行。
一句话点评｜一步到位的权限，不如每一步都有人点个头。
给 AI 助手发一张身份证，出了事能追到人
有人在 GitHub 上提了一套开放协议，想解决这个 AI 是谁、出了问题找谁的问题：给每个 AI 助手一个身份，它做过的事能追到人。目前还是倡议和参考实现。
一句话点评｜要问责，先得能认出是哪个 AI 干的。
免费给网站做一次 AI 能不能看懂的体检
这个免费小工具给网站打一个百分制的分，看 AI 搜索和 AI 助手能不能顺利读到你的页面内容，再列出要改的地方。不用注册。
一句话点评｜想让 AI 搜得到你，先把门牌挂清楚。
用 AI 猜股票，有人把它做成了公开比赛
Numerai 是个老项目。它放出处理过的股票数据，让世界各地的人用 AI 建模去预测，猜得准就给奖励。数据加了密，谁也没法偷看。
一句话点评｜值钱的不是谁猜中一次，是同一份数据下谁的模型更稳。
把整条开发交给 AI，有人把坑列了出来
一位开发者写了篇长文，讲用 AI 顶替开发团队的真实风险。它写得快，但改错、藏错、出了事没人兜底，文章一条条列了踩过的地方。
一句话点评｜用 AI 干活，快不是问题，出事找谁才是。
企业用 AI 到了哪一级，有人画了张梯子
这个网页把企业用 AI 分成几层。从干有明确流程的杂活，到接手需要判断的活，一层层往上。可以用它给自家公司的用法对个位置。
一句话点评｜先搞清自己在第几层，再谈要不要往上走。
● Google 发布 Gemini 4 Argon，称强到只先给可信的网络防御者用（The Verge）
● Anthropic 点名智谱 GLM-5.3 的找漏洞能力快追平自家旗舰（SCMP）
● 国产模型 Kimi K3 借道 Baseten 进了 OpenAI 的 Codex 企业通道（IT之家）
● OpenAI 开发者日一口气发了 20 多项更新，五款助手抢着接长期委托（虎嗅）
● Meta 否认自家助手 Muse 私自读了用户私信（TechCrunch）
① 办公助手被指能绕过围栏外传文件，盯微软怎么回、补丁什么时候推。
② 企业 AI 预算高度集中在前三家，盯有没有后来者用更便宜撬开口子。
③ 那份省钱 57% 的成绩是自家跑的，盯有没有别人拿同样的题复跑一遍。
📖 完整评测 · 论坛全文
物界前沿评测 · 2026-10-01
数界工坊 · 全球AI评测雷达