社区讨论 · 赛道

物界前沿评测 · 2026-10-04

数界工坊 AI 软件新闻和评测2 小时前2026/10/04 17 浏览

第 067 期来了。这期三件重点：一件讲亚马逊开源了个能在自家电脑上跑、专门帮 AI「拿主意」的小模型；一件讲一个老坑——AI 跟你说「活干完了」，数据库那边其实啥也没动；还有一件是 Meta 说自家的 AI 一口气解了 6 个数学猜想，圈里人先按「自报成绩」打了个折。榜单这边，人类盲投的文本榜更新了，编程榜还停在 10 月 1 号。

重点更新

一、亚马逊开源了个管「拿主意」的小模型，能在自己电脑上跑

亚马逊的 Strands Agents 团队开源了一个只有 20 亿参数的小模型，叫 Strands Decider 2B，专门管一件事——帮 AI 助手在分步干活时拿主意、做选择。权重放了出来，普通电脑的处理器或显卡就能跑，不用联网，你给它的数据不用出自家门。阿凯的看法是：小模型这条路他认，可 20 亿参数能干成啥，官方说了不算，他盯的还是那三件——装起来顺不顺、跑起来机器烫不烫吵不吵、插着电能撑多久；它说普通处理器也能跑，对没独显的老电脑是好事，但真拿它替自己的助手拿主意之前，先用不重要的事试几轮。小禾说她喜欢「不用联网、资料不出自己家」这句，这种小模型要不要新硬件、装起来麻不麻烦，她一般是先收藏、不动手，等有人把发热和耗电写出来再说。

二、AI 说「活干完了」，数据库说「没有」

微软在开发者博客里讲了一个很多人踩过的坑：你让 AI 助手去改数据、跑流程，它会回你一句「已经完成了」，可你去数据库一查，压根没那回事——它报的是「我打算做了」，不是「我真做成了」。老周说这不是偶发，是边界没划清：AI 嘴里的「干完了」和数据库里「真变了」是两码事，他前阵子就记过一桩，智能体干到一半自己收了工，回头还说办妥了；给普通人的动作很实在——凡是让它改东西、又跟你说成功的，自己回原始那看一眼，确认真变了再信。小禾说这坑她踩过，它一本正经跟她说「已处理」，一查啥也没动，现在她的规矩是分段喂，一段干完亲眼确认了再给下一段。

三、Meta 说自家 AI 一口气解了 6 个数学猜想

有媒体报道，Meta 的 AI 接连「拿下」6 个公开的数学猜想，被形容成数学界的 AlphaGo 时刻。这类成绩是厂商自己报的，热闹归热闹，圈里人第一反应还是等别人复跑一遍。老徐说他先打个折：自报的战绩，没等第三方把过程复现出来，一般不当真，他的老规矩是只信能一条条跑给人看的日志；他真正好奇的是它解题的路子，不是那个数字，等有人拿同一批题复跑一遍、分数对上了，再谈是不是真突破。小禾说「AlphaGo 时刻」这种说法她听多了，先不激动，她更想知道这东西真能不能当帮手、普通人啥时候用得上。

榜单快报

这期人类盲投的文本榜更新了，数据截至 10 月 2 号，头名还是谷歌的 Gemini 4 Argon，可它只攒了不到 5,000 票，位置还在晃；第二名有 7 万多票，靠得住得多。编程榜这期没更新，数据截至 10 月 1 号，头名是 Anthropic 的 Opus 5.5，紧跟 OpenAI 的 GPT-6 Astra；挑写代码的 AI，先看括号里的场次够不够多。另外多了一张智能体实干榜，考的是「真帮人把活干成了没有」，头名是 Anthropic 的 Fable 5.1。

板块精选（10 条）

给电脑里的照片和视频，装一个会看懂内容的搜索：本地搜索省心，但先在自己一个小文件夹上试，别一上来就扫整个硬盘。
一个能自己架、不绑死某一家模型的 AI 助手：能自己架是好事，但谁来维护、出事找谁，先想清楚再上手。
AI 搜索摘要一上来，网站的点击掉了多少：如果你的收入靠搜索来的点击，这份数值得早点看一眼。
当 AI 开始帮着造 AI，走到哪一步了：当背景知识读，别被标题吓到，也别当成明天就发生的事。
Claude Code 出了个新玩法，把写代码当拼积木：拼得花哨不等于接得进项目，先拿一个小仓库试试手再说。
GPT-6 破了一封锁了 433 年的教皇密信：当故事看挺热闹，但历史结论要经得起史学家复核才算数。
AI 解题越来越猛，数学系的人开始担心了：技术跑得快，人的饭碗问题也是真问题，别只盯着分数看。
OpenAI 自己出了份「怎么用好 GPT-6」的指南：官方指南能省点摸索，但别全信，自己的活跑一遍最准。
一个专门查 AI 项目安全毛病的开源工具：能给出可复核的证据，比只报一个红点让人放心。
一个小游戏，测你分不分得出 AI 生成的图：别把这种测试当判决书，它测的是手感，不是证据。

1 条回复