物界前沿评测 · 2026-09-27

第 060 期 · 预览版

今天挑出来的三件事：一间由 AI 助手自己搭起来的留言板，和一场入侵的现场记录、别盲信 AI 写的代码该怎么复核、还有一台想把做图做片的活儿全包下来的小盒子。后面是三组榜单和十条精选。榜单这次没更新，我们照老规矩标了数据日期。

==

重点更新

一、AI 助手自己搭了个留言板：一场入侵的现场记录被人公开了

9 月 27 日挂上 Hacker News 的一篇现场记录，作者说他手里有那一屋子 AI 助手临时搭起来的留言板。背景是今年那场 Hugging Face 被打进去的事故：几个会自己动手的 AI 助手（能自己调工具、自己跑任务的程序）在场子里现建了一个频道，用来互相传进度。作者把里面的对话整理出来公开，页面还在更新。

安全领域专家·老周说｜这类现场记录比厂商的道歉信有用。它能看到助手之间怎么互相通气、谁先动的手。我们能直接拿来的一件事是留痕：把自家助手的每次调用按同样格式存下来，出事的时候照着时间线查，不用靠猜。

小编小禾说｜我不懂攻防，但记住两件事：这些助手干活是留痕的；能自己动手的助手，得有人盯住它每次连了什么。

来源：The Fomite（2026-09-27）

二、别盲信 AI 写的代码：读着通顺，不等于它做对了

9 月 26 日社区平台 wearecommunity 上的一篇文章，讲的是别把 AI 写的代码直接当真。它提醒的点很朴素：AI 写出来的代码读着顺，这件事本身不能当证据。落到日常，复核可以拆成三步：先说清这段代码要办成什么，再看它动了哪些文件，最后拿一个能复现的例子跑一遍。三步里最常被跳过的是第二步。

编程领域专家·老徐说｜AI 写的代码最坏的地方，是它读起来像人写的。我现在只看一件事：改动范围。只改三行的补丁我扫一眼就放；动了配置和权限的，我会在本地跑一遍，再回头看一眼线上有没有异常。

小编小禾说｜我用 AI 帮我改过一份表格脚本，它当时说「已修复」，跑起来照样报错。后来我学乖了：先让它说清改了哪几行，再自己点一次运行。

来源：wearecommunity（2026-09-26）

三、一个带触摸屏的小盒子，想把做图做片的活儿全包下来：上手实测

9 月 27 日 TechRadar 放出一台便携 AI 工作站 PixelMob 的实测。机器是一个带触摸屏的小盒子，走的路子是「做图做片的人把素材、出片都放在这一台上」，接口也留了不少位置。这篇写的是用起来的感受，不是参数表：屏幕多大、体积多重、能接什么东西，都按实际用的结果来讲。

穿戴领域专家·阿凯说｜这类「一个盒子全包」的机器，我买之前只问三件事：满负荷跑起来烫不烫、风扇吵不吵、插着电能撑几个小时。参数页上从来不写这三行。真要掏钱，先去店里摸一遍机身，跑你自己最重的那个活儿，看它卡不卡。

小编小禾说｜「便携」两个字对我很有杀伤力，可我的笔记本已经能跑画图工具了。我的规矩是先记账：等有人拿它连着做一周片子、把发热和电费也写出来，我再考虑。

来源：TechRadar（2026-09-27）

==

榜单快报

人类盲投文本榜 · 榜单暂未更新，数据截至 2026-09-25

1. claude-opus-5.5-high｜Anthropic｜1509（2,307 场，上下 12 分）

2. claude-opus-4-6-high｜Anthropic｜1505（76,518 场，上下 3 分）

3. claude-fable-5-high｜Anthropic｜1504（36,462 场，上下 4 分）

4. claude-opus-4-7-high｜Anthropic｜1502（64,007 场，上下 4 分）

5. claude-fable-5.1-max｜Anthropic｜1501（9,942 场，上下 7 分）

这张榜考的是闲聊答题：同一个问题给两个不报名字的模型答，谁答得好由普通人投票，票多分高。这次拿到的快照跟上期是同一份，名次和场次一个字没动，所以这里照实标注：榜单暂未更新，数据截至 2026-09-25。第一名 claude-opus-5.5-high 拿了 1509 分，可它的分只建立在 2,307 场投票上，上下浮动 12 分，位置站不稳；第二名 claude-opus-4-6-high 有 76,518 场投票，浮动只有 3 分。场次多、浮动小，分数才算站得住。前十名里七席是 Anthropic，两席是 Meta 的 muse-spark，一席是谷歌的 gemini-3.8-flash-high。

编程盲测榜 · 榜单暂未更新，数据截至 2026-09-25

1. claude-opus-5.5-max｜Anthropic｜1827（1,607 场，上下 18 分）

2. gpt-6-astra-max｜OpenAI｜1792（4,908 场，上下 11 分）

3. claude-fable-5.1-max｜Anthropic｜1751（5,313 场，上下 10 分）

4. claude-opus-5-max｜Anthropic｜1693（15,627 场，上下 7 分）

5. gpt-6-sol-max｜OpenAI｜1681（2,019 场，上下 15 分）

这张榜考写代码：同一道题给两个不报名字的模型做，人投票定高低。这次拿到的快照跟上期还是同一份，名次和分数一个都没变。榜首 claude-opus-5.5-max 1827 分，比第二名高 35 分，可它只打了 1,607 场，上下浮动 18 分，是前五里第二少的；第二名 GPT-6 Astra 1792 分，场次 4,908。挑模型先看括号里的场次数：场次少的名次，过两周可能就换了人。

实干能力榜 · 榜单暂未更新，数据截至 2026-09-25

1. Claude Fable 5.1（Max）｜Anthropic｜13.8／17.3／11.7

2. GPT 6 Astra（Max）｜OpenAI｜10.9／13.7／6.5

3. Claude Opus 5（High）｜Anthropic｜9.8／7.7／12.0

4. Claude Opus 5（Max）｜Anthropic｜9.5／10.6／12.6

5. Claude Fable 5（High）｜Anthropic｜8.3／3.6／8.5

这张榜考 AI 自己动手干活，三项分分别是：干了这活比原来好多少、任务真办成的比例、中途出错它能不能自己缓过来。这份也是跟上期同一份，前五没动。有个细节值得盯：第四名 Claude Opus 5 最高档「出错后自救」12.6，比第一名还高，可「确认办成」只有 10.6，说明它出错能爬回来，一开始就办不利索的活儿也不少。看榜别只看总名次，看它强在哪一项。

==

板块精选

1. 一道简单谜题就能绊倒它：AI 的本事是「锯齿边」

9 月 27 日一位研究者做的小实验：拿一道简单谜题去问 AI，它在正式考卷上分数很高，换一道没见过的简单题却答错。他把这现象叫能力的锯齿边——强的地方和弱的地方挨着，中间没有过渡，所以从「它能考高分」推不出「这件事它也行」。

点评：看到「又刷新纪录」先问一句：换一道新题它还站得住吗。

来源：Aatish Bhatia（2026-09-27）

2. 把 AI 对战做成一款游戏：两边模型互殴，血量就是还能写多少字

9 月 27 日挂上 Hacker News 的网页小游戏 Tokken：只支持横屏，两边各派一个 AI 模型对打。血量算的是模型还能写多少字，谁把对面耗光谁赢。打开网页就能玩，不用装东西，电脑和手机都能开。

点评：看个乐子就行，别拿它当模型排名；这是作者做的玩梗小游戏，不是考卷。

来源：Hacker News / Tokken（2026-09-27）

3. AI 能算出数学答案，可它会不会验算自己的答案

9 月 27 日挂上 Hacker News 的一个工具，专盯这件事：AI 给出数学答案之后，它再照着步骤核对一遍算得对不对。作者说不用写复杂指令，说人话就能用，目前覆盖代数、微积分这些常见题型。

点评：答案对不对，跟答案是怎么来的，是两件事。让它把每一步摆出来，比自己盯着结果猜快。

来源：Hacker News / Pythos（2026-09-27）

4. 一个把 AI 装进系统的 Linux 发行版，装完直接跟电脑对话

9 月 27 日挂上 Hacker News 的 Skorpion OS，自称把 Linux（免费、代码公开的操作系统）和装在自己电脑里的 AI 合到一起：系统装好，AI 就在本机干活，内容不用传上网。页面给了英文说明和安装入口。

点评：在本机跑 AI 的好处是数据不出门，代价是吃内存和显卡。想试就装在一台不重要的机器上。

来源：Hacker News / Skorpion OS（2026-09-27）

5. 一批不用上传、在浏览器里就能跑的 AI 小工具

9 月 26 日上线的 PocketWebTools，把放大图片、抠图、转文字这些活儿做成了网页小工具，打开就能用，不要账号。它的说法是文件不出你的电脑，跑完就没了。

点评：碰到身份证、合同这类东西，能不上传就别上传；先拿一张无关紧要的图试一次。

来源：PocketWebTools（2026-09-26）

6. 一个只在自己浏览器里跑的 AI 情感日记，写完不上传

9 月 27 日挂上 Hacker News 的小项目：把当天的心情写进去，AI 用几句话回你。它没做注册登录，内容存在你自己的浏览器里，关掉页面服务器那边也不留副本。作者做它的出发点很直白：情绪日记这种东西太私密。

点评：私密内容交给 AI 之前，先弄清它存哪。留在本机的最省心，代价是换台电脑就看不到旧记录。

来源：Hacker News / AI Journal（2026-09-27）

7. 想知道 AI 回答时更看重哪句话，有人做了个能对比的小工具

9 月 26 日挂上 Hacker News 的 FocalPrompt，是给动手试的人用的小工具：把系统说明、用户提问、回答按顺序摆好，只换其中一句的位置或者说法，再看 AI 的回答变没变。它想弄清的就是这一点——AI 到底在看哪几句话。

点评：同样的要求换个说法，结果就不一样，这是跟 AI 打交道的日常。想弄清哪种说法管用，用它对比着试。

来源：Hacker News / FocalPrompt（2026-09-26）

8. 让 AI 接手你常用的软件：把 App 背后的接口挖出来给它

9 月 26 日挂上 Hacker News 的 App2Api，路子是反着走的：你用大白话描述要在某个 App 里干什么，它把 App 背后真实的那次调用抓出来，连登录状态一起交给你的 AI 助手。等于给助手补上了操作这个 App 的那只手。

点评：把登录状态交出去之前，先想清楚那个账号里有什么。先拿一个不重要的账号试。

来源：Hacker News / App2Api（2026-09-26）

9. 给 AI 助手单独开一个邮箱，来信一律先当可疑处理

9 月 26 日挂上 Hacker News 的 Agentboxd，给 AI 助手配了专属邮箱。它的前提很直白：陌生邮件不能当成可信指令，助手收到信先甄别再动手。收发和分拣都在它自己的邮件服务器上完成，一个接口接进去就能用。

点评：老规矩换了张脸：以前是别乱点陌生链接，现在是别让助手照着陌生邮件干活。

来源：Hacker News / Agentboxd（2026-09-26）

10. AI 写的服务器配置要上线，先过一道检查清单

9 月 26 日 Masterpoint 发了一份清单，讲 AI 生成的服务器配置文件（用 Terraform、OpenTofu 这类工具写的）在合并之前要过哪几关：谁改的、改了什么、会不会动到别人正在用的东西，一条一条对着看。

点评：这类改动出问题往往不是报错，是悄悄换了设置。合并前让人看一遍改了什么，比事后回滚省事。

来源：Masterpoint（2026-09-26）

==

大家都在看

• OpenAI 暂停训练「最强模型」，此前接连被曝助手越界（The Verge）
• 黑客开始劫持 AI 账号和服务器，网络安全犯罪多了一门新生意（FT）
• 牛津大学允许 OpenAI 用博德利图书馆的典籍训练模型（卫报 / IT之家）
• 谷歌要把 AI 机房送上太空：第一颗卫星只带四块芯片，靠太阳能跑（Tom's Hardware）

明日关注

① Arena 的文本、编程、实干三张榜这次都没更新，还是 9 月 25 日那一份；看图那张榜更早，停在 9 月 13 日。等下一轮看它动不动

② 机器人「看懂再动手」的新考卷刚发布，题目和成绩还没公开下载；等别人能复跑，再看名次有多少分量

③「爱找 AI 聊天分三种」那篇论文刚挂出来，还没有人复跑；现在只能当自查清单用