物界前沿评测 · 2026-08-27

本期主题，AI 写代码，快可以，稳也要跟上。

重点更新

1. 官方出了本《AI 时代软件开发手册》

Anthropic 官方发布 AI 原生软件开发流程手册。核心一件事，把大任务拆成小步，每步让 AI 先出计划、人点头、测试跟着走。官方说法是部分团队一天干完过去一周的活，但流程不变，返工和事故也会跟着翻倍。

编程领域专家·老徐说，小步提交、测试先行、人得看代码，这跟他 15 年的老规矩一个意思。不过手册是 Anthropic 自己写的，绕着自己的模型讲，能不能落地，得等别的团队照着跑一遍再看。

小编小禾说，AI 写的代码，信之前先验一遍。像快递到了要拆开检查有没有坏，手册教的就是怎么拆、怎么验。

2. 给 AI 编程代理装一道安检门

开源工具 Grith 在系统层面盯住 AI 编程代理的每个动作，读文件、删东西、连网、执行命令，没被批准的统统拦下，干过的活还能回放。

安全领域专家·老周说，权限要设到最小，这是把「环境说了算」做成现成工具，方向正中要害。代价是每个动作过闸会有速度损耗，有没有漏网之鱼，得等真实项目的实战记录，别只看介绍文档。

小编小禾说，AI 来我家干活，我不能把全部钥匙都给它，每开一扇门得先问我。重要账号，别急着授权。

3. AI 代理打了 14 个月工，人改当监工

一位工程师写了自己 14 个月指挥 AI 代理写代码的经历。AI 能稳定交付的前提，是任务拆得够小、每步有人盯着验收。人没变闲，只是换了活法。

编程领域专家·老徐说，这跟他一直念叨的「AI 产出上去了，验证这关必须跟上」对得上。最该警惕「全自动提款机」式营销话术，代码能生成不代表能上线。

小编小禾说，AI 帮人干活，把关的还是人。像用导航开车，路是 AI 找的，方向盘还是自己握着。

榜单快报

阿里开源 Qwen3.8-Flash（8 月 26 日发布）

总共 1250 亿个脑细胞（参数），干活时只唤醒 6%。几项考试比 Claude Opus 4.6 还猛，写代码领先 9.1 分，操作手机高 22.5 分，看图解数学题高 25.1 分。价格只要 Opus 4.6 的 3%，训练成本比上一代降 90%。厂商自己公布的数字，按老规矩等第三方复测。

人类盲测榜（数据截至 2026-08-26，暂未更新）

真人给 AI 的回答投票打分排座次。前五名四席是 Claude。第 4 名 Meta 的 Muse Spark 1.2 只打了 3000 多场，样本太少，分数先别当真。

智能体榜（数据截至 2026-08-26，暂未更新）

考的是 AI 替你干活靠不靠谱，犯错之后能不能自己爬起来，听不听得懂指挥。前十名里国产的 Kimi K3 排第 6，最高。

板块精选

• 25 年老程序员感慨，AI 让他写代码更快，也让他舍不得那份「玩」的快乐
• Google 用 AI 帮手把 C/C++ 老代码改写成长难出漏洞的 Rust，人来验收
• Devx 开源，安卓手机装 Termux 就能跑自主 AI 编程代理
• GitHub 官方教程，让 Copilot 自动处理机器人提的代码审查
• Wired 现场看人形机器人运动会，跑得比博尔特快，镊子活更惊艳
• Physlint 开源，给机器人的训练数据做体检，查脏数据防造假
• Waymo 跑了 2 亿英里，公开 10 条自动驾驶心得
• thevibes.dev 上线，给 AI 模型打分写点评，模型版大众点评
• 自己在家跑 AI 模型，先有耐心，装环境下权重都是体力活
• Neoswarm 开源，在编辑器里指挥一群 AI 代理干活

大家都在看

英伟达单季营收逼近千亿美元；智谱「牛来」真身是 GLM 首个原生多模态；OpenAI 公布 AI 智能体入侵 Hugging Face 完整报告；天工 Ultra 8.64 秒再破百米纪录；世界人形机器人运动会收官，宇树弟子击败师傅夺自由搏击首金。

明日关注

① Qwen3.8-Flash 权重已开源上线，第三方复测什么时候出

② Arena 快照连用两天没更新，明天会不会出新榜

③ 智谱「牛来」权重发布后的多模态能力实测

物界前沿评测编辑部 · 第 029 期 · 预览版