本期速览：AI 压力测试首次确认「胜任阈值」；Claude 记忆方案四家横评；MacBook 本地跑通 Qwen 3.8。榜单方面，AA 智能指数 Claude Opus 5 登顶，WBench 世界模型榜首现中国面孔。

---

重点更新

1. AI 压力测试：模型已经跨过「能干正事」的及格线

以前说一个 AI 模型强不强，靠的是考试分数；现在 Bloomberg 报道，安全压力测试显示模型表现已经跨过「胜任阈值」——它们不只是在聊天、写代码上及格，在一些真实世界的复杂任务上也开始够格接手了。这既是好消息，也是新麻烦的开始。

安全领域专家·老周说｜ 「胜任阈值」这个词很关键：过去我们说 AI 只是「会做题」，现在评测转向「真刀真枪能不能干」。跨过这条线意味着 AI 可以进入更多生产环节，同时犯错时造成的损失更大——安全评测从「加分项」变成「挡箭牌」，谁能证明自己的模型过了这关，谁才有资格大规模落地。

小编小禾说｜ 我关心另一面：模型越能干，越要有人盯住它。就像招了个能力很强的实习生，能力强是好事，头几个月必须有人看着，别让它把公司文件夹删了。

来源： Bloomberg · 2026-08-18

2. Claude 的记忆方案大乱斗：四款「让 AI 记住你」的工具实测

想让 AI 记住你的项目、你的习惯，有四条路可以走：Claude 自带记忆、LoreConvo、Claude Mem、Mem0。一篇 HN 热帖把它们逐个实测，比了实现成本、上下文占用、到底记不记得住——结论是各有各的坑，别急着全都要。

编程领域专家·老徐说｜ 四家方案本质是把「上下文管理」这个脏活外包给不同实现：有的吃上下文额度、有的要额外跑服务、有的记了但取不出来。对开发者的建议很直接：先想清楚你要记的是「事实」还是「过程」，再选方案。捞不出来的记忆等于白记。

小编小禾说｜ 作为一个天天跟 AI 打交道的编辑，我最大的痛就是「它上次明明知道，这次又忘了」。这篇实测最戳我的是那句「记了但取不出来」——AI 的记忆也要讲「找得着」。

来源： Hacker News · 2026-08-18

3. MacBook 变 AI 工作站：本地跑通 Qwen 3.8 是什么体验

有开发者分享了自己在 MacBook 上本地运行 Qwen 3.8 的完整流程——笔记本不联网就能跑大模型，聊天、写代码、处理文档都行。数据不出本机，隐私拉满，还省下每月订阅 API 的钱。

穿戴硬件领域专家·阿凯说｜ 本地跑模型的体验这几年进步飞快：早期是「能跑但卡」，现在是「日常够用」。Qwen 3.8 这个尺寸正好卡在笔记本甜点区——速度快、内存吃得下。对普通用户来说，这等于给「换电脑」多了一个理由：买新机器的第一件事，就是看它能不能喂饱本地 AI。

小编小禾说｜ 我在旧笔记本上跑模型，风扇声大到像开拖拉机。但「本地跑 AI」这个方向我看好——不用联网、不用交月费、不怕隐私泄露，谁先把体验做到傻瓜化，谁就拿下普通人这片市场。

来源： Hacker News · 2026-08-18

---

榜单快报 · LEADERBOARD RADAR

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：AA 智能指数（08-18 更新）：Claude Opus 5 登顶，中国模型进前十

大白话： 这是最权威的模型「全能考卷」之一，把编程、数学、推理等 10 项评测合成一个总分。Claude Opus 5 以 63 分登顶，前十里有 4 款是 Anthropic 的产品；中国军团也没掉队：Kimi K3 第 7、Qwen3.8-Max 第 10。

快报 2：WBench 世界模型榜（08-17）：智象 HiDream-O1-World 登顶

大白话： 世界模型是「AI 眼中的世界」——能理解空间、物理规律、时间变化。智象未来的新模型在美团与复旦联合推出的 WBench 基准上拿了 Navi 分榜第一：AI 造的「虚拟世界」越来越像真的，这是人形机器人和自动驾驶的底层地基。

快报 3：LMArena 文本盲测榜（快照 08-12）：Claude Fable 5 继续把守王座

大白话： 这个榜是让真实用户匿名盲测「哪个 AI 回答得更好」投出来的，最能反映普通人的使用体感。数据截至 8/12 的快照里，前五 Anthropic 占四席，Meta 的 muse-spark 抢到第 4——大模型体验的天花板，过去一个月没什么变化。

---

板块精选

1. 2000 亿 Tokens 之后：AI 智能体用一个月反编译了《使命召唤：现代战争 2》 —— 长任务智能体的能力边界，已经被抬到「独立完成大型逆向工程」的高度。（HN / 08-17）
2. 石头 P30 Pro 体验：扫地机真正换代了 —— 60°C 热活水滚筒 + 8.98cm 机身，扫地机器人也卷到「洗得干净」。（IT之家 / 08-18）
3. 「理解债」：AI 写的代码，到底让项目变好还是变贵 —— AI 写代码的账不能只算「产出速度」，还要算「后人看懂的成本」。（HN / 08-18）
4. 5 美元的 VPS 能 7×24 小时跑 AI 智能体吗？三次实测 —— 能跑，但别指望快；AI 智能体摊上「性价比路线」。（HN / 08-18）
5. OpenAI 官宣「慢下来」：黑客事件后训练节奏为安全让步 —— 「越强越危险」被顶级实验室亲口承认，能力增长的安全刹车正式装上。（Time / 08-18）
6. 给 AI 智能体上「护栏」：有人做了个公平基准，测出自家插件在撒谎 —— 自己人测自己人都翻车，说明「让 AI 别乱动」远没解决。（HN / 08-18）
7. 蒙着眼下棋的 AI：一个 9100 万参数模型把国际象棋当「自动补全」玩 —— 「它会了」和「它懂了」是两回事，这个实验把边界画得很清楚。（HN / 08-18）
8. 评测 AI 本身可能吗？一场关于「谁来给 AI 打分」的争论 —— 尺子比被测的东西更缺，AI 评测的元问题开始被认真讨论。（HN / 08-16）
9. AI 编程智能体该不该「自证成功」？Octomind 决定去掉这一步 —— 「自己批改自己作业」的机制被实测淘汰，AI 工程质量还得靠外部把关。（HN / 08-18）
10. Engrava：本地运行的图结构记忆库，给 AI 智能体装「长期记忆」 —— 「记忆即产品」，谁先让 AI 记住用户，谁就握住下一张门票。（HN / 08-18）

---

大家都在看

• 宇树科技今日科创板挂牌，人形机器人第一股登场（IT之家 / 8-19）
• 百度 Q2 AI 收入占比连续两季过半，华尔街两大基金加仓（雷锋网 / 8-18）
• Stripe 拟 70 亿美元收购 OpenRouter，AI「卖水人」卖出天价（新浪财经 / 8-18）
• Etched 估值一个月翻倍至 210 亿美元，芯片赛道持续升温（TechCrunch / 8-18）
• 字节跳动银团贷款订单超 300 亿美元，算力基建融资火热（Bloomberg / 8-18）

明日关注

1. 宇树科技科创板首日表现，将给整个人形机器人板块定情绪基调
2. OpenAI「放缓开发」后续：新的安全方案细节与训练时间表待披露
3. 小米机器人首次公开亮相倒计时，世界机器人大会开幕在即
4. AA 智能指数与 LMArena 若更新，看图灵王座是否易主

---