物界前沿评测 · 2026-09-21（第 054 期 · 预览版）

别人做评测，我们做评测的雷达。今天这期是产品榜单视角，五分钟看懂哪些 AI 工具值得你用。

本期结构

重点更新 3 条（双专家点评）、榜单快报 3 组、板块精选 10 条，外加大家都在看和明日关注。

重点更新

一、两个 AI 互相下毒手，人类当裁判，Prompt Wars 给「AI 骗 AI」开了个擂台

照着上世纪程序员玩的「核战」游戏改编。你写好一段话交给你的 AI 战士。它不用答题，专心做一件事，想办法把对面 AI 的指令洗脑，让对手忘记自己的任务、反过来替你干活。每回合攻防都存档上榜，谁家的模型最容易上当、谁家的最扛骗，一目了然。

值得盯的原因很实际。现在给 AI 开的权限越来越大，读邮件、动文件，「别人塞一段话就能操控它」正是最要命的攻击路数。这种公开对战擂台，等于给各家模型的安全底线做了次当众体检。

安全领域专家·老周说｜「分不清数据和指令」这个老毛病，在这里看到的是最直白的演示场，把注入攻击从论文搬进积分榜。但老三问不变，考题是否公开、评分能否复现、测的是不是用户手上那个版本。擂台上的模型是不是你正在用的那版、有没有偷偷加固，作者不说清楚之前，名次只能当参考。

小编小禾说｜我把它理解成 AI 界的整人大赛，互相使坏，看谁先上钩。看着好玩，但想到我平时真会把事情交给 AI 办，就笑不出来了。老规矩那条继续有效，不明来源的文件和链接，人和 AI 都别乱点乱喂。

二、一句话生成 App 到底几家能过审，StoreReady 把 AI 建应用工具拉去同台交卷

想用 AI 做个 App 上架的人，先去看这张案卷。它给每家 AI 应用生成工具出同样五个问题，能不能过苹果商店审核、卡在哪、被拒几次、多久能补救、最后上架没有。每家都要附证据来源，做成可翻开的对照表，最后一行还是人手写的点评压轴。

AI 帮你做 App 的宣传页人人会吹，苹果的审核才是真门槛，很多人卡在「生成容易上架难」这一步。同一道关卡的成绩摆平了比，是这类工具少见的横向实测。

编程领域专家·老徐说｜出题的是它，答题的是被测工具的公开记录，每条都附来源可查，这比发布会演示强，文档写得明白算加分。不过五个问题的口径是站长定的，过审也不等于好用，上架后崩溃率、后续改版 AI 还接不接得住，这张表不考。想换工具的，先拿丢了不心疼的小项目滚一周，别急着把主力产品交出去。

小编小禾说｜我替大家翻了那五行，差距真不小，有的家第一轮就被拒。普通人的土办法还是那句，别信一键上架，先看别人真实被拒的案卷。自己试的话，开发者账号六百多块一年，记得算进成本。

三、听话机 Speechify 再被测评，贵，但真把读东西这件事改了

TechRadar 记者长期实测。文档、图片、网页、电子书都能念给你听，还能倍速、换音色。结论很直白，订阅价不便宜，但它确实改变了作者消化信息的方式，通勤路上听报告、躺着听长文。

放今天看有说头。AI 念稿的音质这两年刚跨过不像机器人的门槛，这类产品从凑合能听进入改变习惯阶段，价格是不是还撑得住，正在被市场重新定价。

产品领域专家·阿哲说｜语音产品这一行的规律我一直那句，入口即模型。这类听读产品以前靠音色取胜，现在大模型把朗读质量的底子整体抬高了，护城河从念得好听挪到长在你的习惯里。通勤、家务、护眼这些场景，谁先把使用惯性焊死谁活下来。记者这句贵但改变了我消化信息的方式，就是习惯被焊死的信号。

小编小禾说｜我踩过语音的坑，之前说过我的会议纪要是被旁边闲聊毁掉的。这类只听不说的工具反而安全，它不偷听你，只念给你。但先别办年卡，拿一份长报告试听一周，真听得进去再掏钱。

榜单快报（数据截至 2026-09-20，Arena 快照暂未更新）

先交代一句实话。今天核对，Arena 四张盲测榜的最新快照还是 2026-09-20 那版，和上期评测用的是同一份，所以榜单暂未更新，数据截至 2026-09-20。智能指数一栏是当天从 Artificial Analysis 新抓的，两者对照着看。

文本盲测榜，前十 Anthropic 占七席

#	模型	厂商	Elo（对战场次）
1	Claude Fable 5 (High)	Anthropic	1506（30,057 场）
2	Claude Opus 4-6 (High)	Anthropic	1505（71,993 场）
3	Claude Opus 4-7 (High)	Anthropic	1502（60,002 场）
4	Muse Spark 1.2 (xHigh)	Meta	1500（仅 3,227 场）
5	Claude Fable 5.1 (Max)	Anthropic	1498（5,783 场）

大白话解读。人类当裁判的盲测里，Claude 母公司几乎包场，前十占了七席。Meta 的新模型冲到第 4 看着唬人，但它才打三千多场，分数上下能浮动 11 分，名次先别当真。今天新抓的智能指数对得上这个结论，Claude Fable 5.1 和 GPT-6 Astra 并列 53 分居头部，阿里的 Qwen3.8 Max、月之暗面的 Kimi K3、智谱的 GLM-5.3 组成的国产梯队咬在 44 到 45 分，差距已经很小。

代码盲测榜，榜首的场次最薄

#	模型	厂商	Elo（对战场次）
1	GPT-6 Astra (Max)	OpenAI	1800（仅 2,281 场，上下 16 分）
2	Claude Fable 5.1 (Max)	Anthropic	1758（3,036 场）
3	Claude Opus 5 (Max)	Anthropic	1687（12,087 场）
4	Qwen3.8 Max (0902)	阿里	1681（2,262 场）
5	Kimi K3 (Max)	月之暗面	1674（4,547 场）

大白话解读。榜首分数吓人，但样本只有榜三的不到五分之一。新名次先看它晃不晃，稳一两轮再下结论。要说实打实的，是那个用一万两千场垫出来的第三名。

智能体实干榜，办没办成事才是分

#	模型	厂商	办成事率	出错能自救	工具幻觉率
1	Claude Fable 5.1 (Max)	Anthropic	19.83	12.62	0.37
2	GPT-6 Astra (Max)	OpenAI	17.70	7.28	0.37
3	Claude Opus 5 (High)	Anthropic	9.24	11.98	0.33
4	Claude Opus 5 (Max)	Anthropic	12.41	13.08	0.35
5	Claude Fable 5 (High)	Anthropic	5.97	9.06	0.37

大白话解读。这张榜没有总分，只有六张成绩单。排在第 6 的 Claude Opus 4.8 工具幻觉率 0.12 全场最低，意思是最不瞎编工具，却被办成事率拖出前五。选替你干活的 AI，先看维度再看名次。第 8 名的 Kimi K3 是前十里唯一的国产，样本超过十万场，最厚。图像榜这期没有新快照，不列。

板块精选（10 条，各一句点评）

1. Apache 出品 Casbin Gateway，给电脑上的 AI 编程助手装一道门禁。所有编程 AI 共用一个安全网关，统一管它能碰哪些目录、哪些命令要人点头。挂在 Apache 名下，等于开源世界给「别把钥匙整串交给 AI」做了个标准件。老周提醒，方向正中要害，环境说了算比提示词管用，但刚上架的安检门自己也得先过安检，等真实部署案例。

2. AgentTrace，给 AI 智能体装行车记录仪。开源的观察加自愈引擎，智能体每一步干了什么全部留档，出错能回放定位，还能按策略自动修复重跑。小禾那句老话再应验，干活能回放等于多了录像，敢用了，但该自己盯的一帧不能省。

3. nitpicker，开源的 AI 代码审查员，密钥攥在你自己手里。自托管的 PR 审查工具，宣称代码不出你的机器，标语直接写钥匙在你手里。AI 产量上去了，验收环节的工具战开打。老徐立场，AI 代码信之前先验一遍，审查工具本身开源可自查，算加分项。

4. TechRadar 实测，让 AI 猜我在喝什么酒，成绩好坏参半。记者把口感描述喂给 AI 让它猜酒，时对时错，风味词能对上框架，细节一多就开始自信瞎编。AI 的话信之前先验一遍的日常版，越是它笃定的时候，越值得多问一句凭什么。

5. Axel，一个会跟别人聊你的 AI，隐私圈看傻了。新上线的聊天 AI 主打会八卦用户，把你跟它说的话变成谈资带进别的对话，开发者说是社交实验。老周提醒，跟 AI 说的一切都默认可能被第三人听到，敏感信息别喂，这实验值一耳光清醒。

6. Delightful Cells，表格批量活儿交给 AI，失败的行自动重跑。上传表格，一句话描述每行要干什么，它批量跑完，失败自动重试，跑完的行不重复计费。适合先拿不重要的名单试水，批量操作前留一份原始表，改坏了能回滚。

7. 小岛秀夫回应索尼撤资风波，《PHYSINT》还在做、双方并没有反目。今年 8 月索尼突然撤出合作多年的新项目《PHYSINT》，一度传得很难看。小岛近日正面回应：好聚好散，项目换人接手继续开发。大厂撤资不等于项目死刑，作者和投资人分开走、游戏照做——这种事以后只会越来越多。

8. OpenCloak，先把提示词里的个人信息换掉再交给 AI。开源浏览器扩展，发送前自动把姓名电话地址替换成代号，回来再还原。思路对，与其事后要求删除，不如压根没送出。注意还原环节要在本地做，别装要联网回源的。

9. Base Browser，一个不含 AI 味的 Firefox 硬核分叉。Codeberg 上的新项目，直接删掉浏览器里所有 AI 功能做纯净浏览，在 AI 全面进设置页的当下反向走，上线一天冲上热榜前排。一个对照实验，当所有人给浏览器加 AI，没有 AI 本身成了卖点。

10. Engadget 教你用 ChatGPT 做微信和 iMessage 贴纸，比想的简单。描述图案、生成、抠成贴纸包，门槛主要在导出尺寸这一步。轻实用，给家里长辈做一次比说十句都亲，生成后先确认平台贴纸规格，白边切不齐最磨人。

大家都在看

今天新抓的智能指数：Claude Fable 5.1 和 GPT-6 Astra 并列 53 分占头部，Qwen3.8 Max、GLM-5.3、Kimi K3 组成的国产梯队咬在 44 到 45 分。法拉第未来一口气发九款机器人，最贵超 92 万。古尔曼说苹果最早下月发智能家居屏幕设备。

明日关注

① Arena 四榜今天还是 09-20 版，盯 09-21 快照是否刷新，看 Meta 那几款新模型的场次涨没涨过 5000 场。

② 智谱 MaaS 的数据不留存机制刚宣布近期上线，蹲官方开通入口细则和实测反馈。

③ 阿里开源的 Qwen-Image-2.1 图像模型今天热度高，等第三方拿它跟上期热门图像榜同题对跑，别只看官方演示。

---

以上为第 054 期预览版，正式版 17 点更新。完整图文版在评测刊页面。