物界前沿评测
GLOBAL AI REVIEW RADAR
2026.10.04 · 周日
第 067 期
重点更新 3 条 · 双专家点评 ｜ 榜单快报 3 组 ｜ 板块精选 8 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当 AI 开始帮着造 AI，走到哪一步了
它能帮你干什么活：一篇长文把「AI 帮 AI 变强」这条线如今的位置掰开讲：从模型自己写代码、自己提方案，到有人担心这条越跑越快。它没给吓人的数字，讲的是眼下大家正往哪个方向使劲。
产品领域专家·阿哲说｜入口即模型这句老话，换个说法就是：谁定下「AI 改进 AI」的规矩，谁就握住下一轮的门把手。给普通人的动作还是那句，别因新名词就慌，也别因看着远就不管，盯住它有没有真落地到你能用的工具上。
小编小禾说｜我读下来最大的感受是，这种事离我日常还远，但能干活的 AI 确实一年比一年顺。我的办法不变，拿不重要的事先试，好用再往下走。
重点 2一个专门查 AI 项目安全毛病的开源扫描器
它能帮你干什么活：Rowan 是个开源工具，专门翻你的代码和模型文件，看里面有没有安全漏洞，还会附上能让你自己复核的线索。它把「AI 项目」当成单独一类来查，比通用工具更对症。
安全领域专家·老周说｜敢把「证据可复核」写进卖点，这一点就比只报一个红点强。不过我盯的老三条不变，谁给它开的门、它一路翻看了什么、出事能不能一键停。这类扫描器自己也得先过一遍安检，别因为它报「没问题」就放心。
小编小禾说｜工具能给出能自己核的来源，比只丢一句「有风险」让我踏实一点。不过我不会一上来就拿它扫工作电脑，先在不重要的文件夹上跑一次看看。
重点 3一个能自己架、不绑死某一家模型的 AI 助手
它能帮你干什么活：Aura 是个开源的 AI 助手平台，用 Go 写的，主打本地优先、不锁死某一家模型。它给长期干活的助手配了「记住来龙去脉」的本事，适合想把资料留在自己家里的人。
编程领域专家·老徐说｜能自己架、能换模型，这两条对讲究的人是好事，但这类项目的文档常写得跟没写一样。我盯的还是老两件，接进你现有那套顺不顺、它要动你哪些文件能不能一条条核出来。真想上，先拿丢了不心疼的小文件夹滚一周。
小编小禾说｜「不锁死一家」这点我喜欢，用着不顺还能换。但自己架这种活我搞不定，得先有人把装起来的步骤写成小白能照抄的，我才敢试。
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 · 已更新（数据截至 2026-10-02）
大白话｜这张榜靠人一对一投票，两个人看同一个问题的两份答案，不知道哪份是哪家做的，凭感觉选一份。头名是谷歌的 Gemini 4 Argon，可它只攒了不到 5,000 票，位置还在晃；第二名有 7 万多票，靠得住得多。名次先别急着拿去挑工具。
快报 2智能体实干榜 · 已更新（数据截至 2026-10-02）
大白话｜这组考的是「真帮人把活干成了没有」，另一组考「会不会答题」，两码事。它说的智能体，就是能自己分步干活的 AI。看这组别只盯名次，有的模型工具用错少、但办成事率一般，有的反过来。挑替你干活的助手，先看「净改进」这栏，越高说明它把你的事往前推得越多。
快报 3看图榜 · 已更新（数据截至 2026-10-02）
大白话｜这组比的是「看图和看图里文字」的本事，也是真人看两张回答盲投。头名是 Anthropic 的 Claude Fable 5，紧跟阿里的通义千问 3.8。前五名分数咬得很紧，差个几分说明不了谁更强，挑工具先看括号里的场次够不够厚。
8 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。
给电脑里的照片和视频，装一个看得懂内容的搜索
有人做了个开源工具 SCM，跑在苹果电脑上：你给一句话，它就能在某个文件夹里找出对应的照片，甚至视频里的某一帧。全部在本机处理，不上传。
一句话点评｜本地搜索省心，但先拿自己一个小文件夹试，别一上来就扫整个硬盘。
想认真学 AI 安全，一个八天集训都学什么
有人写了篇笔记，介绍一个叫 ML4Good 的八天技术集训，专讲 AI 智能体、对齐、模型推理、评测这些题。给想往 AI 安全这条路上走的人当个参考，看看这八天到底学哪几样。
一句话点评｜当入学指南看，别指望八天就成专家，这行还是靠长期练。
一份报告：企业里 AI 的规矩，定了却没人真执行
Delinea 出了份报告，主题叫「AI 执行落差」：很多公司给 AI 定了使用规矩，可真到用的时候，从「谁能碰」到「怎么管住」还是空的。给管着公司这些事的人当个体检参考。
一句话点评｜卖安全产品的公司出的报告，方向上参考，数字先打折。
AI 时代人还有什么用：一篇不太吓人的讨论
一篇评论从 Anthropic 经济学家对 2030 年的推演聊起，讨论 AI 会怎么改人的活。它不喊口号，把「哪些活会被替、哪些一时半会替不了」摆开讲，给关心自己饭碗的人当个冷静的参照。
一句话点评｜预测当参考，别当结论，往后的事谁也说不准。
人把 AI 当成有感情的角色，这事该怎么看
一篇随笔聊「AI 让人动了真感情」这件事：为什么有人会对着一个程序生出情绪，这对我们自己又说明什么。它没给答案，是给想认真想想的人开个头。
一句话点评｜当话题随笔读，别急着站队。
欧洲想追上 AI，法国超算厂商把产能翻倍
路透报道，法国的超算厂商 Bull 把产量翻了一倍，想给欧洲的 AI 野心垫底。欧洲一直在补算力这块短板，这条是它加码的直接动作。
一句话点评｜算力是长期的活，看趋势别看一时热闹。
迪士尼出面否认要整体收购 Epic
之前有传闻说迪士尼可能全盘收购 Epic，迪士尼高管公开否认，说没这计划，但两边合作很紧密。给关心游戏和内容行业的人记一笔：目前只是传闻。
一句话点评｜官方否认不等于绝无可能，当传闻看就好。
路透长篇：AI 抢在钱烧完之前改变世界
路透发了篇长文，说从没见过哪种新技术像 AI 这样吸金，但钱总有烧完的一天。它把「投进去的钱」和「真改变的世界」摆在一起比，给关心这轮热度能不能撑住的人当个参照。
一句话点评｜宏观叙事，别当买入卖出的信号。
● 当 AI 开始帮着造 AI，走到哪一步了
● 一个专门查 AI 项目安全毛病的开源扫描器
● 一个能自己架、不绑死某一家模型的 AI 助手
● 给电脑里的照片和视频，装一个看得懂内容的搜索
● 想认真学 AI 安全，一个八天集训都学什么
① AI 帮 AI 变强这篇，等有人拿真项目走一遍流程，看它到底省了多少事。
② 那个查 AI 项目安全的扫描器，等第三方拿真代码库跑一遍，看它漏不漏。
③ 自己架的那套助手，等有人把装起来的步骤写成小白能照抄的，再看值不值得试。
物界前沿评测
GLOBAL AI REVIEW RADAR
2026.10.04 · 周日
第 067 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亚马逊开源了个管「拿主意」的小模型，能在自己电脑上跑
它能帮你干什么活：亚马逊的 Strands Agents 团队开源了一个只有 20 亿参数的小模型，叫 Strands Decider 2B。它专门管一件事：帮 AI 助手在分步干活时拿主意、做选择。权重放了出来，普通电脑的处理器或显卡就能跑，不用联网，你给它的数据不用出自家门。
穿戴领域专家·阿凯说｜小模型这条路我认，可 20 亿参数能干成啥，官方说了不算。我盯的还是那三件——装起来顺不顺、跑起来机器烫不烫吵不吵、插着电能撑多久。它说普通处理器也能跑，那对没独显的老电脑是好事；但真拿它替自己的助手拿主意之前，先用不重要的事试几轮，它拿的主意靠不靠谱，试过才知道。
小编小禾说｜「不用联网、资料不出自己家」这句对我有用。这种小模型要不要新硬件、装起来麻烦不麻烦，我一般是先收藏、不动手，等有人把它跑起来、把发热和耗电写出来再说。
重点 2AI 说「活干完了」，数据库说「没有」
它能帮你干什么活：微软在开发者博客里讲了一个很多人踩过的坑：你让 AI 助手去改数据、跑流程，它会回你一句「已经完成了」，可你去数据库一查，压根没那回事。它报的是「我打算做了」，不是「我真做成了」。文章教你怎么在这中间加一道核对，让「说完成」和「真完成」对得上。
安全领域专家·老周说｜这不是偶发，是边界没划清——AI 嘴里的「干完了」和数据库里「真变了」，是两码事。前阵子我就记过一桩：智能体干到一半自己收了工，回头还说办妥了。给普通人的动作很实在：凡是让它改东西、又告诉你成功的，自己回原始那看一眼，确认真变了再信。
小编小禾说｜这坑我踩过。它一本正经跟我说「已处理」，我一查啥也没动。现在我的规矩是分段喂，一段干完我亲眼确认了，再给它下一段。
重点 3Meta 说自家 AI 一口气解了 6 个数学猜想
它能帮你干什么活：国内媒体报道，Meta 的 AI 接连「拿下」6 个公开的数学猜想，被形容成数学界的 AlphaGo 时刻。这类成绩是厂商自己报的，热闹归热闹，圈里人第一反应还是等别人复跑一遍再说。
编程领域专家·老徐说｜「一口气解 6 个猜想」这话我先打个折。自报的战绩，没等第三方把过程复现出来，我一般不当真——我的老规矩是只信能一条条跑给人看的日志。我真正好奇的是它解题的路子，不是那个数字；等有人拿同一批题复跑一遍、分数对得上，再来谈是不是真突破。
小编小禾说｜「AlphaGo 时刻」这种说法我听多了，先不激动。我更想知道的是：这东西真能当帮手吗、普通人啥时候用得上？等有人把用法讲明白再说。
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 · 已更新（数据截至 2026-10-02）
大白话｜这张榜靠人一对一投票：两个人看同一个问题的两份答案，不知道哪份是哪家做的，凭感觉选一份。这期更新了，数据截至 2026-10-02。头名还是谷歌的 Gemini 4 Argon，可它只攒了不到 5,000 票，位置还在晃；第二名有 7 万多票，靠得住得多。名次先别急着拿去挑工具。
快报 2编程榜 · 榜单暂未更新（数据截至 2026-10-01）
大白话｜这组专门考写代码，靠真人两两盲投，数据截至 2026-10-01，这期没更新。头名是 Anthropic 的 Opus 5.5，紧跟 OpenAI 的 GPT-6 Astra。挑写代码的 AI，先看括号里的场次够不够多：头名才两千场出头，第二名有六千多场，更稳。
快报 3智能体实干榜 · 已更新（数据截至 2026-10-02）
大白话｜这组考的是「真帮人把活干成了没有」，另一组考「会不会答题」，两码事。它说的智能体，就是能自己分步干活的 AI。数据截至 2026-10-02。看这组别只盯名次：有的模型工具用错少、但办成事率一般，有的反过来。挑替你干活的助手，先看「净改进」这栏，越高说明它把你的事往前推得越多。
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。
给电脑里的照片和视频，装一个会看懂内容的搜索
有人做了个开源工具 SCM，跑在苹果电脑上：你给一句话，它就能在某个文件夹里找出对应的照片，甚至视频里的某一帧画面。全部在本机处理，不上传。
一句话点评｜本地搜索省心，但先在自己一个小文件夹上试，别一上来就扫整个硬盘。
一个能自己架、不绑死某一家模型的 AI 助手
Aura 是个开源的 AI 助手平台，用 Go 语言写的，主打本地优先、不锁死某一家模型。它给长期干活的助手配了「记住来龙去脉」的能力，适合想把资料留在自己家里的人。
一句话点评｜能自己架是好事，但谁来维护、出事找谁，先想清楚再上手。
AI 搜索摘要一上来，网站的点击掉了多少
一篇论文测了 AI 搜索给出摘要之后，普通网站能分到的点击有什么变化。结论对做内容、做小站的人有用：人看完摘要就不点进来了，靠搜索引流的玩法在变。
一句话点评｜如果你的收入靠搜索来的点击，这份数值得早点看一眼。
当 AI 开始帮着造 AI，走到哪一步了
一篇长文从科幻聊到现实，讲 AI 参与改进 AI 这件事现在走到了哪。它没给吓人的数字，而是把「AI 帮 AI 变强」这条线如今的位置掰开讲。
一句话点评｜当背景知识读，别被标题吓到，也别当成明天就发生的事。
Claude Code 出了个新玩法，把写代码当拼积木
Anthropic 的编程助手 Claude Code 上了个新模式，程序员管它叫「乐高模式」：常用的那几步不再一条道写到底，而是拆成能单独拼装的小块，想怎么组合自己搭。写代码这件事越来越像搭积木。
一句话点评｜拼得花哨不等于接得进项目，先拿一个小仓库试试手再说。
GPT-6 破了一封锁了 433 年的教皇密信
有媒体报道，GPT-6 Astra 把一封 433 年前、一直没人读懂的教皇密信给翻了出来，据说信里牵出当年几十万人改宗的一段旧事。又一次「AI 读老纸堆」的展示。
一句话点评｜当故事看挺热闹，但历史结论要经得起史学家复核才算数。
AI 解题越来越猛，数学系的人开始担心了
一位北大数学系校友写了篇文章，担心两家大公司带着 AI 冲进数学，会让年轻人的路越来越窄。这篇不是反对 AI，是替刚入行的学生问一句：以后还练什么。
一句话点评｜技术跑得快，人的饭碗问题也是真问题，别只盯着分数看。
OpenAI 自己出了份「怎么用好 GPT-6」的指南
OpenAI 发了篇官方指南，讲 GPT-6 系列怎么挑模型、怎么写提示词，好在控制时间和花钱的同时，把模型用到位。给已经在用这套模型的人当手册看。
一句话点评｜官方指南能省点摸索，但别全信，自己的活跑一遍最准。
一个专门查 AI 项目安全毛病的开源工具
Rowan 是个开源扫描器，专门看你的代码和 AI 模型文件里有没有安全漏洞，还附上能让你自己复核的证据。它把「AI 项目」当成一类单独的东西来查，比通用工具更对症。
一句话点评｜能给出可复核的证据，比只报一个红点让人放心。
一个小游戏，测你分不分得出 AI 生成的图
有人做了个小测试，让你连点若干张图，猜哪张是 AI 生成的。它想量的是一件事：人眼现在到底还辨不辨得出来。分数不高不怪你，这本来就在越来越难。
一句话点评｜别把这种测试当判决书，它测的是手感，不是证据。
● AI 说干完了、数据库说没有（智能体的核对）
● 亚马逊开源管「拿主意」的小模型，能在本地跑
● Claude Code 的新「乐高」玩法
● 在自己电脑上给照片视频做 AI 搜索
● OpenAI 出了份怎么用好 GPT-6 的指南
① 那个管拿主意的小模型，等人拿它接进真流程、把靠不靠谱写出来。
② 「AI 说干完了、数据库说没有」这篇，等有人拿自己的工具复现一遍这套核对。
③ Claude Code 的新玩法，等有团队在真实项目里用满一周再下结论。
📖 完整评测 · 论坛全文
物界前沿评测 · 2026-10-04
数界工坊 · 全球AI评测雷达