物界前沿评测 · 2026-09-25

第 058 期 · 预览版

今天挑出来的是三件事：眼镜升级值不值、AI 互相判卷靠不靠得住、出错之后它能不能接住自己。后面还有三组榜单和十条精选。

==

重点更新

一、新眼镜多花的钱，大多买在「听得清」和「拍得稳」上

9 月 25 日 Engadget 把 Meta 新款智能眼镜和上一代摆在一起，一项一项比。新款动了通话收声、摄像头画质和电池，价钱也跟着涨了。文章给的结论很直白：这是一次小步升级，而加价不小。

穿戴领域专家·阿凯说｜戴一整天你就知道了：眼镜这东西参数再漂亮，压鼻梁、镜腿发热、续航撑不过半天，最后还是进抽屉。上一代我戴满两周，拍张照得瞪着目标停一秒才按。这代要是真把收声和续航改好，通勤路上接电话确实实用。想买的先做一件事：去店里戴满半小时，再决定要不要多掏这笔加价钱。

小编小禾说｜我一直想要副能拍照的眼镜，最怕买回来吃灰。这篇对比帮我定下验收办法：先看电池够不够撑一天，再看拍照要不要人定住不动。

来源：Engadget（2026-09-25）

二、十个 AI 就 15 个现实难题交作业，判卷的是它们的同类

9 月 24 日上 Hacker News 的一个实验，把 15 个现实难题丢给十个 AI 助手，每个先各自出方案，再把别人写的那份拿来互相打分。题目、各家答案、谁给谁多少分，全贴在网页上。原页写的日期是 9 月 23 日。

产品领域专家·阿哲说｜我老说一句话：打分权从厂商手里拿回来，考卷才值钱。这次连判卷的都不是人，是同期考试的同类，谁也没法提前打招呼。要注意的是题只有 15 道、模型十个，名次会晃，先当方法看，别当权威。

小编小禾说｜以后我再看到「某家 AI 拿下第一」的说法，会先问一句：谁判的卷，题目能不能看到。看不到的，我就不当结论用。

来源：Hacker News / Fix the World（2026-09-24）

三、有人给 AI 出了道自省题：你犯过的错，能自己接住吗

9 月 24 日 GitHub 上开源的 tapoo，只考一件事：AI 干砸一次之后，能不能自己发现、自己改回来。作者的说法很直接——各家发布模型时只亮最好成绩，出错之后的表现没人写。

编程领域专家·老徐说｜这个思路我认。我们干活最怕的不是它错一次，是它错了还接着往下干，交上来的东西得从头核一遍。挑工具时我会多问一句：出错它报不报，能不能退回上一步。项目刚开源、题量小，先拿丢了不心疼的小模块试一周。

小编小禾说｜上周我让 AI 帮我改表格里的公式，它改错了还在那儿一本正经地往下算。现在我让它改完先停下，给我看一遍再动。

来源：GitHub / Hacker News（2026-09-24）

==

榜单快报

综合智能榜 · 数据截至 2026-09-25（Artificial Analysis，实时刷新）

1. Claude Opus 5.5（最高档）｜Anthropic｜58

2. Claude Opus 5.5（次高档）｜Anthropic｜56

3. Claude Opus 5.5（中档）｜Anthropic｜54

4. Claude Fable 5.1（最高档）｜Anthropic｜53

5. GPT-6 Astra（最高档）｜OpenAI｜53

这张榜把知识、做题、写代码、动手办事几项合成一个总分，分越高越全面。前五名里四席是 Anthropic，唯一挤进来的是 OpenAI 的 GPT-6 Astra。同一个模型按「它想多久」分档排，慢慢想的那档分更高。开源阵营最能打的是小米 MiMo-V2.6-Pro，46 分；往后是智谱 GLM-5.3 的 45 分、月之暗面 Kimi K3 的 44 分。这张榜实时刷新，今天看和明天看数值可能不一样。

快慢与花费榜 · 数据截至 2026-09-25（Artificial Analysis，实时刷新）

1. 出字最快：Celeris-1，每秒约 1505 个字

2. 紧跟其后：Mercury 2.5 / Mercury 2，每秒约 770 字 / 761 字

3. 干一件活最便宜：GPT-6 Luna（低档），约 0.0045 美元

4. 第二、第三便宜：Granite 4.2 3B / Ministral 3 3B，约 0.01 美元

同一天、同一家的数据，换个角度就完全不同：综合分排第一的那几款，这张榜上一个都没进。出字最快的那两款是专为「秒回」做的；最便宜的前三名全是小模型，本事有限、胜在便宜。挑工具按自己的活对号入座：偶尔用一次看单价，天天用看速度和月账单。

人类盲投文本榜 · 榜单暂未更新，数据截至 2026-09-13

1. claude-fable-5-high｜Anthropic｜1506（30,057 场投票）

2. claude-opus-4-6-high｜Anthropic｜1505（71,993 场投票）

3. claude-opus-4-7-high｜Anthropic｜1502（60,002 场投票）

4. muse-spark-1.2（xHigh）｜Meta｜1500（3,227 场投票）

5. claude-fable-5.1-max｜Anthropic｜1498（5,783 场投票）

这张榜的分来自普通人一对一投票：同一个问题给两个匿名模型答，谁答得好由人投，投得多分就高。前五名里四席是 Anthropic；Meta 的 muse-spark-1.2 排第四，可它只有 3,227 场投票，和第三名只差 2 分，位置还站不稳。快照仍停在 9 月 13 日，两周没动，这周上线的新模型一个都没进来。

==

板块精选

1. 一堆助手分工合作，把长片子一段段拼成完整故事

9 月 25 日谷歌研究博客放出一套办法：让多个 AI 助手分工，一段一段生成画面，再拼成一条完整的长视频，目标是前后剧情接得上、不跳戏。

点评：想用 AI 做长内容的人可以留意：眼下能生成的多是短片段，难点一直是「接起来还像一回事」。

来源：Google Research（2026-09-25）

2. AI 写的代码，交给另一个 AI 当测试员

9 月 25 日上线的 Canary 把「验收」做成了一件产品：AI 助手写完代码，它负责把程序跑起来，专挑这次改动可能踩坏的地方动手试，试出问题再交回给人。

点评：思路可以抄，边界也说清了：它只负责挑毛病，改不改、上不上线还是人说了算。

来源：Hacker News / Canary（2026-09-25）

3. 一副扑克机器人整包 1.5MB，在你自己电脑上跑

9 月 24 日 GitHub 上的 QuantPlay：一套用 AI 思路写的扑克程序，整个引擎约 1.5MB，下载一次就能在本机跑，不注册、不连服务器。

点评：想看看 AI 写的小程序能到什么水平，装一个打两局最快。别拿它的表现去推大模型的水平。

来源：GitHub / Hacker News（2026-09-24）

4. 市面上的语音记录笔卖 159 美元，有人花 25 美元自己攒了一台

9 月 25 日 Hacker News 上的 ZephClick：作者嫌这类小硬件太贵，自己搭了台 25 美元的替代品，整理和翻译在自己设备上跑，也能接自己的账号。

点评：愿意动手的人能省一笔钱；不想折腾的人也能看清这类小硬件里有多少是外壳和牌子的钱。

来源：Hacker News / ZephClick（2026-09-25）

5. 算数这件事，有人做了个只在你自己电脑上跑的计算器

9 月 24 日 Hacker News 上的 Axiom：一个本地优先的 AI 计算器，题目只在你自己的设备上算，一步一步把过程写出来，不往云端传。

点评：拿它算账、核对数字，比在聊天框里问一句稳，关键是过程能看见。它算数不等于它懂你的业务，重要数字照样自己再核一遍。

来源：Hacker News / Axiom（2026-09-24）

6. 把论文变成能上手点一下的工具

IEEE Spectrum 在 9 月 24 日介绍了 Paper2agent：把一篇研究论文里写的方法，自动打包成一个能直接调用的工具，别人不用重写一遍代码就能试。

点评：做研究的人省事。普通人也能看懂一点：论文里的本事，正在变成点一下就能试的按钮。

来源：IEEE Spectrum（2026-09-25）

7. 给水电医疗这些关键设施做体检，AI 先扫一遍露出在外的门

9 月 24 日 Wiz 和谷歌 DeepMind 一起发布的行动：用 AI 帮着扫描关键设施的对外入口，把「没锁好的门」列出来，再交给人处置。

点评：方向对，也提醒一件事：扫出来的只是线索，谁去补锁、先补哪扇门，还得人来定。

来源：Wiz 博客 / DeepMind（2026-09-24）

8. 安全团队招了个 AI 实习生，专门去撞自家代码

9 月 25 日 GitHub 安全实验室放出新工具：让 AI 自动给自家代码喂各种乱七八糟的输入，看能不能撞出问题，撞出的每一处都留记录。

点评：冲着「让 AI 先替人找漏洞」去的，适合手上有一堆代码要护的团队。上线前先拿不重要的模块试。

来源：GitHub 博客（2026-09-25）

9. 聊天框不是万能的：什么时候该换个界面让 AI 干活

9 月 25 日 GitHub 官方博客的一篇文章，讲用 AI 写代码的几个常见场景：让它改一小块代码，聊天框合适；让它一次动很多文件时，聊天框反而看不清改了什么。

点评：天天用 AI 干活的人值得读一遍，能少走「一句话下去、页面全乱」的弯路。

来源：GitHub 博客（2026-09-25）

10. 有人给「AI 自己教自己」画了张草图，署名最后一位是梁文锋

9 月 24 日钛媒体解读了 DeepSeek 和清华大学的一篇论文。文章表面讲的是给 AI 助手用的沙箱，也就是一套关起来跑的隔离环境；第五节之后讨论的是让 AI 自己造环境、再用这个环境训练自己这条路线。

点评：眼下还是研究思路，普通人不用抠细节。记住一句就够：这条路真走通，AI 进步会更快，也更需要有人盯着它别跑偏。

来源：钛媒体（2026-09-24）

==

大家都在看

• 安全公司 Darktrace 的 CEO 说，会自动办事的 AI 助手正变成公司里的「新型内鬼」（Bloomberg Tech）
• 一家公司把新员工的 AI 权限全关了，先让人自己上手再逐步放开（Hacker News / Valon）
• 麦当劳的 AI 得来速点单员 Archy 上线，能用英语和西班牙语接单（Bloomberg Tech）
• Revolut 在英国试点刷脸结账，图的是少一步付款动作（Engadget）

明日关注

① Arena 那几个盲投榜还停在 9 月 13 到 15 日的快照，等它刷新，看 Claude Opus 5.5、GPT-6 Astra 这批新模型进不进榜

② Ray-Ban Meta Gen 3 才开卖，等戴满一周的人回话：镜腿重不重、通话能撑几小时

③ tapoo 那份「出错后自愈」考卷是自己出题自己记分，等别人拿同一批题复跑，看名次对不对得上