物界前沿评测 · 2026-09-10

第 043 期 · 预览版。别人做评测，我们做评测的雷达。

重点更新

1. AI 干活为啥这么费钱？有人给它装了个「烧钱表」

现在不少 AI 能替你翻文件、查资料、写代码，费用通常按「喂给它多少文字」来算。这个新工具实测了一笔账：AI 靠整本整本地翻文件找答案时，实际吞下的文字量是答案真正需要的 16 到 47 倍——相当于为一页内容买下整本书。

老徐（编程领域专家）说：我之前说过「AI 产量上去了，验证这关必须跟上」，今天得补一句：产量上去了，浪费的阅读量也得管。人翻书找一页内容会直奔目录，AI 是笨办法整本通读。不过它今天刚露面，还是个毛坯工具——先等第三方实测，别急着接正经项目。

小禾说：计费公式我看不懂，但这个「表」我看明白了：同一个 AI，有的任务几毛钱、有的好几块，不全是问题难，是它在傻乎乎地重复翻书。等第一批真实用户晒账单再看。记住一条就够：让 AI 少翻点没用的材料，就是省钱。

2. 想给 AI 装个插件又怕中招？先过这道「安检门」

AI 现在能接各种第三方插件，就像手机装 App，好坏没人把关。这个开源工具会把可疑插件放进隔离的小黑屋里先跑一遍：会不会偷读你的数据、有没有已知风险，结果汇总在一页上给你看。

老周（安全领域专家）说：我之前评同类工具时说过，「环境说了算」的拦截才是最小权限落到实处，Tripwire 走的就是这条路：不跟插件讲道理，直接关进小黑屋看它干了什么。但查杀规则是人写的，覆盖面决定上限；这是个人维护的项目。老规矩：别急着授权，安检门自己也得先过安检。

小禾说：Copilot 那个「点确认也可能被链接绕过」的漏洞我到现在都记得，所以凡是「接插件前先扫一遍」的东西我都高看一眼。但「隔离环境」这些词一上来我就头大，不能三步用起来我大概率放弃。

3. 怕给语音 AI 选错「考卷」？有人把 36 项测评收进了一个目录

语音 AI（那种能接电话、帮你订位置的助手）行不行，测试项目一大堆——听得准不准、该不该它开口、最后有没有把事办成，以前散落在各处。这个网站把 36 个公开测评按 6 类能力归置成一个目录：想找「判断什么时候该说话」的考试，点进去就能看谁出题、谁考过、分数如何。给公司选语音方案的人，等于有了张总览地图。

阿哲（语音产品领域专家）说：我一直说语音 AI 的分水岭是延迟、打断、抢话这三件事。翻这个目录，我先数「轮次判断」类测评的占比——考试重心开始盯「该谁开口」，说明行业终于摸对了题眼。但老规矩：目录自己不出分，每份考卷的方法、有没有被厂商喂题、是不是自家榜自家测，都得点开细看。选型之前，拿自家客服的真实录音把候选跑一遍，比任何榜都硬。

小禾说：我不懂技术，但「打断客服机器人」这个场景我血压一下就上来了——这个目录收得挺全，收藏了。就是希望它下一步能让人一键拿自己的录音实测，不然再全也只是个目录。

榜单快报（快照停在 9 月 9 日，暂未更新）

• 文字盲测榜：前十里 Anthropic 一家占六席，几乎包场。分数是真人一对一匿名投票「谁答得好」打出来的。第 3、5 名投票量还不满 5000 场，名次随时会晃。
• AI 打工人榜（真派活看办成率）：Claude Fable 5.1 Max 第一，腾讯混元 Hy4 预览版排进前十、是国产位置最高的。注意「办成率」普遍只有两成上下——真放手让 AI 独立办事还早。
• 写代码榜：OpenAI 新模型暂居第一但只攒了 1810 场投票，和第 2 名差 32 分还没落定；阿里千问、Kimi 挤进前五，国产写码是真上来了。

板块精选（各一句）

• 学者把「AI 写的审稿意见」逐条对答案：AI 挑写作毛病在行，科学漏洞常看走眼——最后一遍人工把关省不掉。
• 《自然》让 AI 重新「发现」相对论：能背教科书，从头推理多半卡半路——会做题和会出题是两码事。
• GitHub 或在讨论给内容加「AI 生成」标记，管理员可成批筛灌水帖——AI 内容开始要求亮明身份。
• 有项目在做一个小工具：AI 改崩代码后，回档前先核对旧存档没问题、把当前状态留底，相当于关机前先存两次。
• 有人把喂 AI 的指令和资料做成可复用的「资料包」，不用每换个项目就重新交代一遍——痛点是真的，但这类小工具随时可能被大厂碾压，先观望。
• 一位全职妈妈用「教孩子别咬人」打比方讲清「AI 对齐」，把工程师圈子看愣了——好类比比论文跑得快。
• 25 年开发老兵发帖称「PHP 已死，锅在 AI」：AI 见得多的语言越来越吃香，措辞像吵架，趋势不像。
• 完全在本地跑的开源编程助手上架：代码一行不出你电脑，对怕泄密的开发者是真需求——今天刚上架，先收藏等人说真话。
• 外媒整理了用 AI 规划旅行的完整姿势：让 AI 跑腿查资料，决定权留自己手里——这套用法放任何助手上都成立。
• 有人做了个「注释注水检测器」：AI 顺手加的代码注释多是「正确但废话」，这工具专门把它们从人写的真注释里挑出来——代码评审最贵的不是写错，是人去读 AI 的废话。

大家都在看

Anthropic 研究员辞职警告 AI 竞赛「拿全人类的命下注」｜苹果发隐私说明解释手表「听声纪要」｜Suno v6 改用授权音乐训练回应版权官司｜腾讯 Hy4 限免今晚到期｜iPhone 18 Pro 照片防伪标注上线。

明日关注

1. iOS 27 确认下周一（9 月 14 日）正式推送、新版 Siri 随系统上线：别抢首发，先蹲第一批真实用户实测。

2. 混元 Hy4 预览版限免今晚 23:59 到期，明天起新用户权益调整：想薅会议纪要羊毛的，今晚把成果导出来。

3. Arena 各榜快照停在 9 月 9 日：明天盯有没有新数据，重点看写代码榜第 1、2 名样本攒够后还坐不坐得稳。