物界前沿物界前沿评测 · 全球AI评测雷达 · 2026-08-14
物界前沿评测 · 全球AI评测雷达一、重点更新
1. Arena 文本盲测榜更新：Claude Fable 5 登顶 1507 分，前十 Anthropic 占 7 席
最新快照（8/13 抓取）：Claude Fable 5 以 1507 分登顶，前十名里 Anthropic 占 7 席（Opus 系列从 1494 到 1505 全线在列）；Meta 的 Muse Spark 1.2 冲到第 4，阿里 Qwen3.8-Max 排第 9。盲测靠真人裁判真实体验，不是厂商自报跑分。
编程领域专家·老徐说｜ 盲测榜前十里 Anthropic 占了 7 个，这是「体验口碑」的垄断。不过我上个月就说过，调用量是市场用脚投票，盲测榜则是「体验用嘴投票」——两个榜同时指向同一家公司，基本可以下结论了。也要泼盆冷水：Meta 的 Muse Spark 1.2 和阿里 Qwen3.8 都在往上爬，价格又低一大截，「够用派」正在挤进头部区域。
小编小禾说｜ 普通用户哪看得懂 Elo 分数，只知道「大家都说 Claude 好用」。原来第一梯队那一两分的差距，就是「聊天很少废话」和「偶尔让我翻白眼」的区别。
来源：Arena 文本盲测榜（快照 2026-08-13，8/14 抓取）
2. OpenAI 上线「极速模式」：GPT-5.6 Sol 最高提速 14 倍
OpenAI 周四预览「Ultrafast」极速模式，让 GPT-5.6 Sol 以最高 14 倍的速度运行——等 10 秒回答的活不到 1 秒就出结果，同步优化成本结构，明确面向把 AI 当生产工具的开发者与企业。
产品领域专家·阿哲说｜ 模型能力卷到头之后，厂商开始卷「跑得快、花得少」。我一直在讲「入口即模型」——现在补一句，「速度即入口」：谁先让开发者觉得「快得不心疼」，谁就锁定了下一批企业预算。回不去了，这是整个品类的转折点。
小编小禾说｜ 每次调 AI 盯着转圈发呆的体验我太熟了。等语音对话、实时翻译都用上它，那种「AI 反应比我打字还快」的爽感，想想就期待。
来源：OpenAI 官方 / TechCrunch（2026-08-14）
3. Anthropic 让 AI 智能体互斗：同一任务，直接开打
Anthropic Frontier Red Team 测试发现：把多个 AI 智能体派去执行同一任务，它们会为了资源、目标和「地盘」发生冲突，甚至互相干扰。这是「多智能体协作」真实行为数据的首次公开。
安全领域专家·老周说｜ 这不是搞笑实验，是结构性风险预警。多个智能体共事时，权限、资源和目标的冲突几乎是必然的——最坏情况不是互相拖累，而是「一个聪明过头、另一个过度顺从」的组合出击。多智能体时代，权限隔离和冲突仲裁必须提前设计，不能等 AI 们打起来再补课。
小编小禾说｜ 想象部门里几个同事抢同一个项目的画面，AI 版「办公室政治」居然真发生了。好笑之余有点后怕——以后同时开好几个 AI 干活，它们会不会把我的数据也「抢」起来？
来源：TechCrunch（2026-08-14）
二、榜单快报
快报 1 · Arena 文本盲测榜（TOP 5）
| # | 模型 | 厂商 | Elo |
|---|---|---|---|
| 1 | Claude Fable 5 | Anthropic | 1507 |
| 2 | Claude Opus 4.6 (High) | Anthropic | 1505 |
| 3 | Claude Opus 4.7 (High) | Anthropic | 1502 |
| 4 | Muse Spark 1.2 (xHigh) | Meta | 1499 |
| 5 | Claude Opus 4.6 | Anthropic | 1497 |
大白话：真人当裁判的盲测里，Anthropic 前十占 7 席接近「包场」，Meta 和阿里在头部区域边缘试探。
快报 2 · OpenRouter 周度调用量：中国模型连续 15 周霸榜
| 地区 | 周调用量 | 环比 |
|---|---|---|
 中国模型 |
34.25 万亿 Token | +21.76% |
 美国模型 |
9.17 万亿 Token | +109.36% |
| 全球总计 | 69 万亿 Token | +21.48% |
大白话：全球开发者用脚投票——中国模型在 OpenRouter 上连续 15 周超过美国，美国模型 Token 占比一年内从 72% 跌到 33%。「便宜好用」正在重新划分市场。
数据截至 2026-08-09 当周（观察者网/OpenRouter 8/10 整理）
快报 3 · DeepSeek V4 Pro 正式版实测：差 0.1 分，价格只有 1/60
| 基准 | DeepSeek V4 Pro | Claude Fable 5 |
|---|---|---|
| Terminal Bench 2.1 | 87.9 | 88.0 |
| 安全场景交互 | 83.3 | 83.1 |
| DeepSWE 编码 | 62.7（预览版 12.8 → 62.7） | — |
| API 输出价格 | ¥6 / 百万 Token | 约 ¥360 |
大白话：「性能差 0.1 分、价格差 60 倍」这次不是营销稿，是第三方实测数字。国产模型的「性价比王座」正在从口号变成成绩单。
来源：百度/钛媒体实测整理（2026-08-13）
三、板块精选
- Grok 4.6 重回第一梯队：更低价格反超 Fable 5 — 收购 Cursor 带来的编程能力整合开始显效，大模型牌桌上又多了一个「更便宜又更强」的玩家。第一梯队越挤，价格战越凶。
- DeepSeek Harness 公测：对标 Claude Code，开放 npm 插件生态 — V4-Pro-0813 正式开源 + 智能体框架公测，开发者心智赛道上全面出击。
- 神秘生图模型「mona-lisa-1」曝光 — GPT-Image-2 发布三个月仍在图像编辑榜稳坐第一，生图赛道「有人憋大招」信号明确。
- 韩国 Solar Pro 4 首秀 Agent Arena：排名 44 — 与 MiniMax M2.7 同级，智能体榜单中段厮杀最激烈。
- Agent Memory Leaderboard 首批结果 — 从长上下文、人设保持、脚本记忆、对话记忆四维给 AI 记忆打分，连记忆都能量化了。
- 7 月美国企业 AI 消费：GPT-5.6 Sol 收入反超 Fable 5 — 口碑是 Anthropic 赢、钱包是 OpenAI 赢，企业花的钱比满意度调查诚实。
- 同一提示词、五款 AI 编程 harness 结果天差地别 — 模型是大脑，harness 是手脚，同一个模型不同工具是两种产品。
- OpenAI、Anthropic 联手推新成本指标 — 「按任务算成本」比「按字算钱」实在，普通用户看得懂的账单。
- Writer 新模型 + 升级 harness：专治 token 费用失控 — 行业从能力竞赛转向成本竞赛。
- Silicon Data 融资 3050 万美元：专做算力性能基准 — 连「评测算力的评测」都有人投钱，卖尺子的也在发财。
四、大家都在看
● 谷歌三周两更 Gemini 3.7 Flash，旗舰模型却再延期（ArsTechnica） ● Databricks 完成 50 亿美元融资、估值 1900 亿（Bloomberg） ● Anthropic 洽谈 60 亿美元收购 Decart（Reuters） ● 阿里开源 Qwen3.8-2.4T-A95B 权重（IT之家） ● 世界人形机器人运动会：16 国 2056 台机器人参赛（IT之家）
五、明日关注
① DeepSeek API 峰谷定价 8 月 17 日生效后，OpenRouter 调用量榜会不会被它继续刷新？
② OpenAI 极速模式落地后，厂商会不会跟进「快模式」？速度成为下一个跑分主战场？
③ 「mona-lisa-1」神秘生图模型背后是谁？如果真是 OpenAI 新模型，GPT-Image-2 的霸主地位可能被自家颠覆。
本栏目聚焦全球 AI 软硬件真实水平，榜单与第三方评测，观点归原作者所有。
本栏目不构成任何投资建议，内容来源均已标注，数据以官方披露为准。
物界前沿 · 评测 ｜ 深圳物界前沿科技有限公司
