社区讨论 · 政策

物界前沿评测 · 2026-08-30

数界工坊 AI 软件新闻和评测8月30日2026/08/29 85 浏览

（第 032 期 · 预览版）

别人做评测，我们做评测的雷达。今天这期聚焦三件事：谷歌新模型两天爬了三张榜、有人给 AI 编瞎话建了案底库、以及「把 AI 装进自己电脑」这门手艺。

一、谷歌 Gemini 3.7 Flash 两天爬了三张榜：聊天第9、写码第8、干活第20

它能帮你干什么活：这是谷歌 8 月 13 日发布的走量款 AI，主打便宜快。Arena 官方账号 8 月 28 日公布的新数据：聊天盲测分 1490、排第 9（榜单快照截至 08-26，对战样本 5718 场）；写网页代码的 WebDev 分榜从第 19 一口气跳到第 8；智能体榜（考 AI 能不能替你跑任务、把事办成）新进第 20，「净改进」+3.4，「确办成率」+10% 排全榜第 5。对比前代 Gemini 3.6 Flash：智能体第 35、写码第 21，换代即跃升。价格也狠：读 100 万字约 0.75 美元、写约 3.75 美元（AI 按 token 计费，一个 token 约合四分之三个汉字），限时价。8 月大模型榜单周报还提到它每秒出 343.7 个 token、全场最快，综合分总榜第 10（第三方整理，转引自知乎）。

编程领域专家·老徐说｜上期我就提醒过：新名次先稳一两轮再看。今天这份成绩单样本还是偏薄——聊天榜 5718 场对战，榜上老玩家动辄两三万场；写码榜它才 2552 场。方向是真猛：前代 Gemini 3.6 Flash 在写码榜只排第 21，一代产品就把位次抬进前十，说明谷歌把「快且便宜」这条线做对了。但老规矩，厂商发布会的成绩单和刚上榜的位次都先记账不入成本，接自己项目前拿真实任务跑一周，看它断在哪一步。

小编小禾说｜价格确实香，但我延续第 031 期的做法：新上榜的先看它晃不晃。而且「快」对我这种普通人最直观——回消息不用等转圈。先拿它写周报试试，重要的活儿还是留给用了半年的那家。

二、有人给 AI 编瞎话建了一本「案底」：最近一条来自 8 月 27 日的美国法庭记录

它能帮你干什么活：一个叫 AI 幻觉案例库的网站，专门收集 AI「一本正经编瞎话」的真实案底：虚构的法律判例、不存在的引用来源、编出来的事实，连当事人、时间、出处都逐条记档。8 月 29 日它在 Hacker News 上被翻出来，最新收录的一条是 8 月 27 日美国佛罗里达州一桩诉讼里，有人拿 AI 编造的材料当证据。这类库的价值在于把散落的翻车现场攒成一个可查的账本——你下次看到 AI 言之凿凿地列「来源」，可以先去对账。

产品领域专家·阿哲说｜我给这类东西的定位是「买家秀档案馆」。模型好不好，厂商说了算的部分太多；但法庭上被当庭戳穿、被记者核实打脸，这些案例没人能公关掉。打分权从厂商手里拿回来，靠的不是又一张跑分榜，而是这种带案号的负面清单。它不告诉你哪家模型最强，它告诉你所有模型都可能在你最认真的那份报告里埋雷。

小编小禾说｜我在第 028 期说过「买前先看买家秀」，这回连翻车秀都有存档了。用 AI 写东西，它给的材料、链接、数字，转发前挨个点开验一遍——我的老习惯，AI 的话信之前先验。

三、把 AI「装进自己电脑」到底难不难？Wired 写了份从零开始的实操指南

它能帮你干什么活：《连线》8 月 29 日发了一篇教程，教你在自己的电脑上跑一个不联网也能用的聊天 AI：选模型、装软件、配硬件，一步步带。断网可用、隐私留在本机是最大卖点；代价是自家电脑能跑动的基本都是小模型，理解力、知识量跟云端旗舰有肉眼可见的差距。

穿戴领域专家·阿凯说｜本地跑 AI 这条路我从 2026 年 8 月 11 日 Meta 开源 30B 模型那期就开始跟，当时我的判断没变：普通显卡能跑开源模型是分水岭，可玩性大增，但小模型和云端旗舰的差距是真的。这篇教程值得收藏的点是它把「什么硬件能跑到什么水平」讲明白了——按自己电脑的配置选档位，别拿轻薄本去挑战 70B 大模型，跑不动的锅不该 AI 背。

小编小禾说｜断网能用确实是刚需，但我还是那句第 017 期的老话：就怕本地版偷偷换了个「小脑子」变笨。先照教程在备用机上装一个试试水，主力机暂时不折腾。

榜单快报 · 这周谁最强

聊天盲测榜（数据截至 2026-08-26）

1. Claude Fable 5（Anthropic）1508
2. Claude Opus 4.6 High（Anthropic）1504
3. Claude Opus 4.7 High（Anthropic）1502
4. Muse Spark 1.2 xHigh（Meta）1498
5. Claude Opus 4.6（Anthropic）1497
9. Gemini 3.7 Flash High（谷歌）1490，新进前十

人类当裁判、双方匿名的盲测里，前十的席位 Anthropic 占了六席、Meta 两席，谷歌新来的 Gemini 3.7 Flash 以 1490 分挤进第 9。盲测分就是让真人给两个匿名模型的回答投票选赢家，再按输赢折算成分数，前 8 名的分差全在 20 分以内，互有胜负很正常。

智能体榜 · 考 AI 能不能把事办成（数据截至 2026-08-26）

1. Claude Opus 5 High（Anthropic）净改进 12.73
2. Claude Opus 5 Max（Anthropic）12.41
3. Claude Fable 5 High（Anthropic）11.62
4. GPT-5.6 Sol xHigh（OpenAI）10.31
6. Kimi K3 Max（月之暗面）9.53

这张榜不问「谁话说得漂亮」，问「让它替你跑任务，事办成了没有」。Claude 家族包揽前三，国产的 Kimi K3 排第 6，它「确办成率」18.24 全榜最高、但「听话度」只有 2.31——活干得漂亮，就是不太听指挥。本期新进的 Gemini 3.7 Flash 暂列第 20，样本还少。

写代码榜（数据截至 2026-08-26）

1. Claude Opus 5 Max（Anthropic）1691
2. Kimi K3 Max（月之暗面）1674
3. Qwen3.8 Max（阿里）1669
4. Claude Opus 5 High（Anthropic）1663
10. Gemini 3.7 Flash High（谷歌）1587，8 月 28 日 WebDev 分榜已升至第 8

写代码榜上两家开源选手（Kimi K3、Qwen3.8 Max）挤进前三，把付费闭源模型压在身后。

板块精选 · 10 条值得你花时间的评测动态

1. 给 AI 用的免费搜索工具 Simurg：查不到出处就宁可中断也不瞎答。刚上架的开源工具，给 AI 智能体配免费网络搜索，卖点是「中止幻觉」：搜不到能撑住答案的出处，宁可停也不接着编。一句话点评：「宁可停下也不瞎说」是对症的思路，工具刚发布，拦截效果等第三方实测。

2. Documentation.ai.md：提出「写给 AI 看的文档」标准。开源提案：软件文档不只要给人看，还要让用户的 AI 助手能照着直接操作——软件现在有两个读者，决定用不用的人，和替人干活的智能体。一句话点评：文档这个老行当正在长出「给机器读」的新物种，谁先标准化谁占入口。

3. 程序员长文：编程之外，第一个真省时间的 AI 用途是买菜。一位开发者复盘，AI 在写代码之外唯一稳定省时间的事，是规划每周买菜清单——预算、忌口、冰箱里快过期的菜全考虑进去。一句话点评：AI 的实用价值常藏在不性感的家务里，亲身记录比发布会可信。

4. BoqCalc：AI 给 500 行工程报价单计价，主打「单价不乱编」。建筑行业的 AI 流水线：上传工程量清单，它算造价、挑隐藏风险，重点是把报价单价锁在可核对的数据里，不让模型自由发挥。一句话点评：又一个「宁可不算也不乱算」的设计样本；工程报价出错代价高，先等有真实项目案例再用。

5. AI 开始碰密码学的根基。安全播客请密码学家 Chris Peikert 讨论近期进展：AI 在「格」这类数学问题上开始能自动完成证明——格的困难假设正是后量子加密的地基，AI 既能帮着验证，理论上也可能帮着找破绽。一句话点评：AI 从「会做题」走到「会证明定理」，密码圈先惊后喜；「AI 破译加密」目前还只是演练假设，没成真。

6. 安全研究员公开征集：把你家 AI 智能体最离谱的运行日志发我。研究者向用户征集「最古怪的智能体日志」——AI 替你干活时跑偏、自作主张的过程记录，用来研究智能体的真实行为边界。一句话点评：智能体最诚实的能力材料不是演示片，是翻车现场的过程记录，这类民间样本比论文稀缺。

7. 老牌电子书管理软件 Calibre 加入 AI 生成封面。选中一本书，让 AI 按书名和内容生成封面图，不用会设计软件。一句话点评：AI 生图正在长进日常软件的默认功能里；封面若要公开使用，留意生成内容的版权条款。

8. 「问问 AI」按钮：网页开始像挂社交分享一样挂 AI 入口。免注册小工具：网站主一键生成「问问 AI 本站讲了啥」的按钮，访客点了直接和自己的 AI 助手开聊。一句话点评：用户已经习惯先问 AI 再决定点不点开网页，网站把 AI 入口当社交按钮补上，是入口迁移的小信号。

9. 音乐人转行「侦探」：逐轨排查冒充真人新歌的 AI 歌曲。The Verge 报道，一批 EDM 音乐人组成民间排查队，用听感细节和频谱工具揪出冒名顶替、蹭播放分成的 AI 生成歌曲。一句话点评：AI 内容鉴别在音乐圈成了猫鼠游戏，鉴别器和造假者都在加速进化，平台规则还没追上。

10. 有人用 Rust 给 AI 智能体重写了一个浏览器，不带 Chromium 和 V8。工程师开源的无头浏览器：专为 AI 智能体上网干活设计，砍掉两个巨型组件，体积和崩溃面都小得多。一句话点评：智能体底下的基础设施正在被重写一层，「浏览器是给 AI 用的」开始成为独立设计命题。

明日关注

① Arena 下一份快照（上期截至 08-26）：盯 Gemini 3.7 Flash 的智能体第 20、WebDev 第 8 能不能守住，样本量攒到多少
② 英伟达若官宣确认收购 Hugging Face：开源模型供给格局、各家榜单上的开源席位会不会跟着重排
③ OpenAI 断供 Cursor 进入倒计时：程序员转投哪家，下周写码榜名次会不会动

数据以官方披露为准，观点归原作者所有。本栏目聚焦 AI 软硬件真实水平，不构成任何投资建议。

政策