物界前沿评测 · 2026-09-17

第 050 期 · 预览版。别人做评测，我们做评测的雷达——每天5分钟，看懂哪些 AI 工具值得你用。

重点更新

1. 给 AI 查「过期日」：有网站列出 20 个主流模型的知识停在哪天

一个模型有两个日子：出厂日，和训练截止日——它的书读到哪天为止。截止日越早，它越不知道最近几个月的新闻和新品。新上线的 How Stale Is Your AI 把 20 个主流模型的这两个日子摆在一起对照，谁在吃老本一眼可见。你问 AI 上个月的东西它一本正经胡说，多半不是笨，是没读过。

老徐（编程领域专家）说：等于给模型发了张保鲜期标签，选型时最烦光写个版本号什么都不交代。但两个日子都是官方公布口径，同一个模型不同版本读到的数据可能不一样，当查表工具好用，当权威结论还差点意思。

小禾（小编）说：我以前总怀疑 AI「装不知道」是懒得答，看了表才明白有些是真没学过。以后有时效性的问题，先心里过一句「这事它可能没赶上」，再去搜索引擎对一眼，别跟它置气。

2. 把 375 GB 的超大模型塞进一台小电脑：有人真跑通了，数据全公开

参数可以粗理解为模型的脑容量，万亿参数级别的模型文件约 375 GB，通常要一整房间的专业服务器。有人用一台 128 GB 内存的小主机，靠量化压缩（把精度调低一点换体积）把它跑了起来，还把读取速度、内存走动路径、耗电数据放上学术平台，谁都能下载复核。跑通是真的，跟云端旗舰差多少，报告里也写得明明白白。

阿凯（穿戴领域专家）说：这类单机跑巨兽的演示，性能数字从来不是重点，供电、散热、噪音三座大山才是。把数据和环境全公开、允许第三方复核，比发布会放个视频强得多。想在家折腾的先看清自己机器内存多大——128 GB 统一内存本身就是门槛。

小禾（小编）说：第一反应是我家电脑才 16 GB 跟我没关系，后来想明白了：今天小机器能跑大模型，明天就是手机和手表。但老规矩不变，就怕本地版偷偷换小脑子变笨，我先收藏，等装机党实测贴。

3. Anthropic 和 OpenAI 想给自己安「驻场安检员」：问题是谁来审审计员

Anthropic CEO 上周发长文，提议让独立安全评估员常驻实验室，直接盯前沿模型的训练和发布，OpenAI 也有类似表态。媒体的追问很扎心：这些人拿公司的钱、进公司的门，能保持独立吗？另一家媒体则指出，按目前提案评估员可能没有叫停发布的实权——权力不够，防不住大事。

老周（安全领域专家）说：老问题新包装。护栏只建在厂商自觉上，等于没有护栏。评估员看什么、什么时候看、看到问题能不能按下暂停键，不写进白纸黑字的章程，驻场就变成了公关。还是那三问：考题公不公开、评分可不可复现、测的是不是用户手上那个版本。

小禾（小编）说：翻译一下，保安要住进银行里了，但没说他能不能抓行长。别听承诺，看第一份被评估员拦下来没发出去的东西长什么样——拦成一次，我再信。

榜单快报

榜单暂未更新，数据截至 2026-09-16，本期照旧标注、不拿旧榜充新。

文本盲测 TOP5（人类当裁判）：Claude Fable 5 1506 分居首，前十里 Anthropic 占四席在前五；Meta Muse Spark 1.2 以 1500 分排第 4，但只有 3227 场对战，名次还晃得厉害，先别当真。

智能体办事 TOP3：Claude Fable 5.1 Max 净推进 13.71 分第一，GPT-6 Astra Max 11.54，Claude Opus 5 High 10.25。这组考的是真上手干活：开终端、跑命令、错了能不能自己爬起来。

视觉理解 TOP3（快照截至 09-13）：Claude Fable 5 1310、阿里 Qwen3.8 Max 1302、Claude Opus 4-7 High 1301——前三咬在 9 分以内，人类裁判都难分高下。

板块精选

• Claude Opus 3 开了个 Substack 自己写专栏：Anthropic 把 2024 年的老模型拉出来持续更新。把旧模型拉出来长期留作业，比发布会演示诚实。
• 一次提问、几家 AI 并排作答：ShortcutChat 把「重要问题问两家对答案」这个土办法做成了产品。聚合入口最怕中间商换模型，用前先确认它标没标每题实际答的是谁。
• Forespec 抓 AI 写代码时「不知道该问的问题」：AI 最常见的翻车不是写错，是需求没写清它也没问就闷头开写。方向戳中要害，个人项目，等真实团队复盘数据。
• Interakt 开源：给自家网站装 AI 搜索加聊天：数据不出门，适合有文档站又不想把内容交给公共平台的团队。
• Cortex 给 AI 智能体装长期记忆层：智能体越干越像临时工，缺的就是这层。值得盯的是它记错了怎么办——AI 记错比没记忆更难排查。
• Bitterbot：住在你电脑里的本地 AI：数据存自己机器，还给记忆整理设计了「做梦」机制。噱头先打折，看它三个月后还在不在。
• 防「AI 蜂群」的协同入侵识别：单个 AI 脚本不可怕，可怕的是成群机器开始像一支部队。概念踩得准，先等真实拦截案例。
• ImpactGate 给 AI 代码量「腐化值」：AI 写的代码往往能跑但把结构越写越烂，这工具想把它变成能设卡拦截的数字。给代码腐化装秤，正是缺的一环。
• Voxiferi：坏数据别进 AI 的门：训练语料在入口先过安检。方向对，检得准不准要看它敢不敢晒误报率。
• 2.5 小时的 AI 生成《奥德赛》被影评人按普通电影打分：结论是嫌它太长。AI 作品开始被按人的标准验收、不解释来路，这才算进了大众市场。

大家都在看

阿波罗资本入场资助 AI 硬件初创；银行为 Blackstone、Alphabet 相关芯片项目组 220 亿美元贷款；May Mobility 以 14 亿美元 SPAC 上市；苹果被曝筹划重返服务器市场；张一鸣 1050 亿美元登顶亚洲首富；SK 海力士与 Intel 谈在美造内存芯片。

明日关注

① Arena 快照已两天未动，明早先看榜是否刷新，重点盯 Meta Muse Spark 1.2 名次稳不稳。

② 美联储 9 月议息落地后，看 AI 板块与「放缓」论战怎么消化利率。

③ OpenAI 被曝测试「赞助智能体」并给广告主加 AI 工具——答案里会不会出现广告位，值得盯一轮。