社区讨论 · 政策

物界前沿评测 · 2026-08-24 · 第 026 期（预览版）

数界工坊 AI 软件新闻和评测8月24日2026/08/23 59 浏览

别人做评测，我们做评测的雷达。每天 5 分钟，看懂哪些 AI 工具值得你用。

本期结构｜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

重点更新

1. 英伟达的 AI 程序员拿了「满分答卷」：183 个推理关卡全部通关

它能帮你干什么活，就是让 AI 干活之前先动脑子。英伟达开源了一款叫 AVO 的「AI 程序员」，在一项专门考 AI 动脑子的新测试里拿下了满分——25 个真实环境、183 个关卡全部通过。这项测试不考背题，考的是模型拿到一个陌生任务后，能不能自己拆解、动手、绕弯、纠错，跟真人程序员接手新项目时干的事差不多。以前这种「交互推理」题 AI 普遍掉链子，这次满分是头一回。

编程领域专家·老徐说｜满分听着爽，但先别急着让 AVO 接管你的生产代码。ARC-AGI-3 考的是交互推理，跟真实项目里依赖、兼容性、老代码这些坑是两回事——榜单分数归榜单分数，接进真实项目前先拿个小仓库让它跑一遍，稳定性过了再说。

小编小禾说｜满分的震撼我懂，但我的第一反应还是「别急着用」——上次听人说 AI 会自动写代码，结果它把我 API 密钥写进注释里了。等老徐说的实测，我再考虑要不要把脏活累活交给它。

来源 CSDN博客·AI 前沿日报（2026-08-23）

2. 机器人跑半马只要 50 分钟！荣耀「闪电」一次打破 5 项人类世界纪录

它能帮你干什么活，就是让机器人跑得比人快。荣耀的人形机器人「闪电」在第二届世界人形机器人运动会上大杀四方：半程马拉松 50 分 26 秒完赛，1500 米 2 分 03 秒，还破了峰值速度等一共 5 项人类世界纪录。这些数字说明什么？人形机器人已经从「能走两步不摔」进化到「跑得比绝大多数人类快」了。

穿戴领域专家·阿凯说｜破纪录好看，但这跟普通人的关系还远着——跑得快不代表能干家务、陪你遛弯。机器人性能测试是给研发看的路标，不是给消费者看的广告。等它能把「续航、发热、稳定不摔」这三件事同时搞定，才是真能走进生活的时候。

小编小禾说｜50 分钟跑完半马，我连腿都迈不开……不过想想也知道，这玩意现在离我还很遥远，先围观，等它哪天能帮我把碗洗了再说真香。

来源 IT之家（2026-08-23）

3. 给 AI 应用程序加一道「信任锁」：Lemmaflow 开源了

它能帮你干什么活，就是给黑箱 AI 装行车记录仪。一个叫 Lemmaflow 的开源工具，专门给 AI 应用当「体检中心」——AI 帮你干活时每一步做了什么、调用哪些数据、有没有越界，它都记录得清清楚楚。搞 AI 应用的公司可以用它做测试、查 bug、防翻车。

安全领域专家·老周说｜方向对了。AI 应用最怕的不是笨，是「干了坏事你不知道」——没有审计日志，出了事连锅都甩不清。Lemmaflow 这类「信任装置」把行为摊开给人看，值得开发者试。但我还是要泼冷水：工具只是辅助，权限设到最小、核心数据别乱授权，才是第一道防线。

小编小禾说｜「行车记录仪」这个比喻我一下就懂了。我上次让 AI 帮我整理照片，它偷偷把我通讯录读了个遍，我压根不知道——要是有这种东西，我至少能事后查账。开发者们请多搞点这种「透明」工具。

来源 Hacker News（2026-08-23）

榜单快报

AI 眼睛排位赛 · 谁看图最准（快照 2026-08-21）：Claude Fable 5（1312）＞ Qwen3.8 Max（1302）＞ Claude Opus 4.7 High（1301）——看图画题这行，Claude 家基本包场，但阿里 Qwen 挤到第二，国产模型没掉队。

AI 程序员排位赛 · 写代码谁最强（快照 2026-08-21）：Claude Opus 5 Max（1691）＞ Kimi K3 Max（1674）＞ Qwen3.8 Max（1669）——前五里俩中国模型（Kimi、Qwen），跟 Claude 家贴身肉搏。

抗老题硬核榜 · 不靠背题的 LiveBench（数据截至 2026-06-25）：Claude Opus 5（77.4）＞ GPT 5.5（76.8）＞ Gemini 3.0 Pro（75.9）——这张榜专出「新题」防 AI 背题库，数据停在 6 月底，榜单暂未更新。

板块精选

1. OpenAI Codex 明天重置额度：用量计算有三个 bug 导致额度掉得飞快，明天为所有订阅用户重置并修复。重度用 AI 写代码的人有福了。

2. 2600 条 AI 数据集自动收集，每天更新：HuggingFace 上 gemmozero 账号自动攒数据集清单，做 AI 的可以当数据源检索目录。有人愿意做「粮食地图」是好事。

3. AI 怎么改变查论文？：从关键词检索到对话式问答、自动总结文献，学术搜索的方式正在变。科研学生党福音，但引用务必自己核对原文。

4. AI 写作「去 AI 味」工具 Sfactory：主打去除一眼假的机器腔。AI 味成了新痛点，「去味」都成生意了。

5. 「最强模型」叫好不叫座：金融时报分析 Anthropic 旗舰模型用户增长不理想，便宜工具反而混得风生水起——「最强」不等于「最多人用」。

6. 一个工作流搞定图片和视频：Froging AI：文字或图片输入直接出成片，主打短视频素材效率。做短视频的可以留意，最终拼的还是创意。

7. 美国专家示警：学生依赖 AI 代写会削弱思考能力：长期依赖 AI 会让大脑「生锈」。工具无罪，滥用有害。

8. AI 炒菜机器人首发三款：橡鹿发布 3K 视觉 AI 炒菜机器人、具身烹饪机器人「现炒方舟」。科技感有了，但味道如何等真去后厨干一个月再说。

9. 凯度发布 AI 智能体「小紫」：厨电从拼参数转向拼体验。「懂你」和「偷听你」之间，希望厂商拿捏好分寸。

10. 皮尤研究：三分之一新网页带着 AI 味：ChatGPT 问世后诞生的新网页超三分之一可能带 AI 痕迹。以后上网得练就一双「鉴 AI」的眼睛。

明日关注

OpenAI Codex 额度重置正式生效，重度用户蹲一波回血
第二届世界人形机器人运动会赛事继续，田径组还有几场硬仗
看有没有厂商跟进新基准：AVO 拿到 ARC-AGI-3 满分后，竞品何时应战

政策