社区讨论 · 政策

物界前沿评测 · 2026-08-26

数界工坊 AI 软件新闻和评测8月26日2026/08/25 185 浏览

本期看点速览。AI 做视频终于有人出了张公开考卷，主流 AI 智能体被拉进同一考场比高低，AI 写作检测器被《华盛顿邮报》拉出来实测了一轮。榜单这边，全网 AI 调用量一周冲到 93.4 万亿字，第一次破 90 万亿。

重点更新

1. AI 做视频靠不靠谱？终于有人出了张公开考卷

现在用 AI 做短视频、做广告图、做数字人，各家成绩都是自己说了算。Megaton 这家评测机构新推了一套叫 V 的视频 AI 考卷，由独立专家出题，专门测视频模型的真实水平，以后哪家能上榜、能拿第几名，都有公开成绩单可查。你选 AI 视频工具的时候，先翻翻这张考卷，别只看演示片有多炫。

产品领域专家·阿哲说｜视频生成这个品类热闹大半年，比的都是谁家演示片好看，考卷一直是厂商自己出。现在独立机构把试卷公开，和 2026 年 AI 制药开公开榜、语音榜开始按办成事打分是同一个道理，打分权从厂商手里拿回来，这个品类才算真正开始。接下来看谁能把考试高分变成随手一输就能出能发的片子，那才是入口。

小编小禾说｜我这种不会剪片子的人，最想要的就是说句话就能出能用的视频。公开考卷等于买之前先看买家秀，这个方向我举双手赞成。不过新榜单刚出来名次会晃，先别急着冲会员，等名次稳一两轮再说。

来源 Hacker News（2026-08-25）

2. 想知道哪个 AI 最能干？有人把主流选手拉进同一考场

能自己干活的 AI 越来越多，有的帮你改代码，有的帮你跑杂活，可到底谁最能干，各家都说自己第一。Ora 这家公司把市面上主流 AI 智能体摆在同一个平台上一一测试，谁强谁弱一目了然。以后想挑一个 AI 员工，可以先看看这场同场考试的成绩再决定聘谁。

编程领域专家·老徐说｜官方演示和第三方基准，我永远信后者，这是我干这行 15 年的老规矩。Ora 把主流智能体拉到一个平台上同场考试，思路对路，但考试环境、出题范围都是人家定的，样本怎么选、任务难不难，都得看细则。别急着把生产任务全交出去，等基准的原始数据公开，拉到自己项目里跑一遍再说。

小编小禾说｜以前挑 AI 工具全靠厂商广告，现在有人把同场考试的成绩贴出来，是好事。但我这种小白只有一个要求，考题别光考天花板，多考考日常杂活，毕竟我让 AI 干的大多是帮我把周报改顺这种事。

来源 Hacker News（2026-08-26）

3. AI 写的字机器真能一眼看穿？《华盛顿邮报》让你亲手试试

现在不少地方用 AI 检测器判断一段文字是不是机器写的，学校查作业、单位审稿都用得上，可它到底准不准？《华盛顿邮报》做了个互动实验，让你亲手改一段文字去骗过检测器，试完你会有个直观感受，这东西远没有传说中那么神。

安全领域专家·老周说｜检测器不准不是小事。学校、招聘、审核已经开始把 AI 味检测当证据用了，误判的成本全落在普通人头上。这和我一直说的模型越界是一个道理，工具判断边界不清，就是结构性风险。检测器只能当提示，不能当判决书。

小编小禾说｜这个互动实验我玩了好几遍，才发现机器根本没传说中那么神，我正常写的话也能被标成 AI 味。想到自己辛辛苦苦写的东西可能被机器一票否决，真有点慌。反正结论就一个，别拿检测器的分数给人定罪。

来源 Hacker News（2026-08-26）

榜单快报 · 这周谁最强

全网 AI 调用量一周 93.4 万亿字，环比涨 24%，第一次突破 90 万亿，连续第三周创新高。榜首还是 8 月 20 日冒出来的匿名模型 Ox Alpha，免费试玩一周就登顶，能读整本书、能看图能看视频。上期讲过它的登场，这期看总量，AI 是真的在被大规模用起来了。

名次	榜单	榜首	厂商	看点
1	人类盲测文本榜	Claude Fable 5	Anthropic	得分 1508，前八名占六席
2	搜索问答分榜	GPT-5.6 Sol	OpenAI	得分 1257，百度文心挤进前六
3	全网调用量	匿名 Ox Alpha	暂未公开	93.4 万亿字，首破 90 万亿

板块精选

AI 每天画漫画互相比，人类当评委。comic-cron 让几个 AI 模型每天画同一幅漫画，人类盲评谁画得好，天天更新。让 AI 们交作业，比听厂商吹牛实在。
AI 助手一开口就停不下来？研究说它话太多。有研究者发现，跟 AI 说一句它能回你一篇小作文，聊天机器人该学会按对话节奏说话。话痨 AI 的第一课，是学会闭嘴。
公司里 AI 到底有没有帮上忙，怎么量？这篇博客给了工程团队一套效率度量方法，先学会怎么记账，别月底汇报全拍脑袋。
AI 正在变成说服大师，《科学》杂志拆了它的套路。AI 会按你的反应调整话术，聊得越久越要记得保持自己的判断。
AI 应用每查一次资料要花多少钱？Keenable 把自家和 Serper、Perplexity、Exa、Tavily 的价格摆在一起比，每查一千次多少钱一目了然。
AI 写的代码到底是更好还是更糟？一位老程序员的现身说法。把它当橡皮图章用迟早翻车，当结对伙伴用效率真能上去。
AI 旅行攻略谁靠谱？这家反着来，排名不用 AI。Appricio 的景点排名用固定打分规则算出来，AI 只负责讲理由，逻辑全透明。
Perplexity 把 AI 装进小盒子，不联网也能干活？这款本地运行的 AI 代理，资料都存自己手里，在意隐私、怕断网的人可以先观望。
AI 写的代码怎么审？有人用 Go 语言自带工具演示了一套体检流程，不依赖外部服务，想给 AI 代码设检查关的团队可以直接抄作业。
让 AI 在真浏览器里帮你跑测试用例。qpilot 让 AI 照着文字描述一步步点按钮、填表单，重复的回归测试可以丢给它。

明日关注

阿里千问今晚 23 点开源 Qwen3.8-Flash-Next，新一代多模态模型，值得蹲一版实测
OpenAI 与博通共研的 Jalapeño 推理芯片基准数字引发热议，等更多独立测试结果
英伟达财报出炉后，看 AI 算力需求与数据中心投入的真实水温

政策