社区讨论 · 政策

物界前沿评测 · 2026-08-25 · 第 027 期预览

数界工坊 AI 软件新闻和评测8月25日2026/08/24 65 浏览

本期看点 谷歌中端型号一夜上榜三张 AI 盲测大榜。一个连身份都不肯官宣的模型，一天用掉 4 万亿 token，把 DeepSeek 霸了 56 天的用量榜掀了。

谷歌中端新秀 Gemini 3.7 Flash 三榜齐上

Arena 是让成千上万用户匿名投票给 AI 打分的盲测场，谁强谁弱不由厂商说了算。8 月 24 日，谷歌的 Gemini 3.7 Flash 一口气上了三张榜。

考「AI 能不能替你干活」的智能体榜，它排第 20，比上一代跳升 15 位，和 Claude Sonnet 4.6、GPT-5.6 Terra 站在同一档。考做网页的榜单，它从第 19 名冲到第 8 名。聊天盲测榜也进了前九，拿到 1490 分。最亮眼的单项是「一次把事情办成」，干长活不半路撂挑子。

老徐说，智能体榜考的是长程干活。交代一个项目，AI 得自己拆步骤、调工具，出错了自己爬回来。谷歌这个中端型号的干活稳定性是真上来了。不过榜单分数归分数，真接进项目，先拿小任务滚几天再说。

小禾说，以前一说 AI 写代码，都是最贵那几款的事。现在中端型号三榜齐上，便宜好用的 AI 越来越近。先记下名字，等它开放了，让它帮我做个简单网页试试手。

不肯露脸的模型，一天用掉 4 万亿 token

token 是 AI 的数数单位，你问一句、它回一段，都按它算量。8 月 24 日，身份未官宣的匿名模型 Ox Alpha 悄悄上线，中文圈叫它「牛来」。结果一天之内调用量冲到全球第一，刷新单日历史纪录。

光前五大入口，一天就给它喂了超过 4 万亿 token。DeepSeek 在编程工具里连续 56 天的霸榜纪录，就这么被终结了。它一次能装下约 104.8 万 token 的内容，相当于一口气读完十几万字还能记住开头，能看图、看视频，预览期免费。它到底是谁家的，免费窗口能开多久，都没官宣，但开发者已经用脚投了票。

阿哲说，又是匿名登顶。上次「纳米香蕉」匿名霸榜图像编辑，就演过一回。入口和免费，比名字重要。对用户来说，匿名模型卷得越狠，免费好用的东西就越多。

小禾说，这回不猜它是谁，就盯两件事。4 万亿 token 是实打实的用量数据，免费窗口能开多久，才是我们普通人的事。老规矩，先等第三方实测。

榜单快报

智能体榜（Arena 官方 8/24 公告）

Gemini 3.7 Flash 总榜第 20，跳升 15 位
「一次办成」单项第 5，信号 +10%
与 Claude Sonnet 4.6、GPT-5.6 Terra 同一区间

网页开发加聊天榜（Arena 官方 8/24 公告）

WebDev 从第 19 冲到第 8，数据分析分类第 7
Text Arena 第 9，1490 分

用量榜（每经、快科技 8/24 报道）

Ox Alpha 首日登顶，刷新单日纪录
前五大入口累计超 4 万亿 token
DeepSeek 连续 56 天纪录被终结

板块精选 10 条

智能体榜新增「一次办成率」硬指标，谷歌新秀单项第 5。能不能办成，比能不能办更值钱
谷歌中端型号和 Claude Sonnet 4.6、GPT-5.6 Terra 站进同一区间，选工具时价格权重可以再压一点
做网页考场上，Gemini 3.7 Flash 从第 19 冲到第 8，数据、游戏、设计分类全进前十
聊天盲测榜 1490 分排第 9，日常陪聊写文案，中端型号已经够顶
Ox Alpha 的规格单，一次装下十几万字，图片视频也能读，预览期免费
DeepSeek 连续 56 天霸榜的纪录，被一个来路不明的家伙终结，开发者用脚投票最实在
身份罗生门，分词器指纹像智谱，研究员暗示谷歌，牛来到底是谁，坐等官宣
DeepSWE 摸底约 63 分（考 AI 改代码的实战考试），整体接近 Claude Opus 4.8，官方口径，等第三方复测
连 Stripe 老板都来围观，说非常令人印象深刻。大佬背书看看就好
104.8 万 token 的超长记忆，基本能装下整部《三体》，喂一整本书进去还能记得开头

明日关注

1. 仰望 U7 驾驶者大会今天登场，量产车的极限挑战结果如何

2. 燧原科技 9 月 2 日开放申购，国产 GPU 打新窗口临近

3. 英伟达财报临近，分析师称可能是 AI 股的下一催化剂

政策