美团技术团队发布《Agent评测白皮书》连载，首篇为评测全览。文章指出Agent评测应作为上线闸门，而非考卷，需关注失败状态、重试幂等、人工接管和日志可还原性。冷启动阶段应划定能力边界，明确能查、能改、能建议和必须停止的情形。扩量后维护成本上升，评测应像回归测试，拆细事实、工具调用、越权和可解释性标准，而非压成总分。建议小团队先用真实工单做可重复用例，接入日志告警，逐步放开权限。

小米18 Fold是小米首款搭载自研玄戒O3处理器的中折叠屏手机，主打竖屏体验和国产芯片性能。硬件上，屏幕折痕控制优秀，续航强劲，但相机表现一般，系统HyperOS 4存在分屏体验差、主题不通用等问题。整体完成度高，但软件细节仍需打磨，起售价10999元。

AI评测机构Artificial Analysis在GPT-6 Astra发布后四天内三次修改评测标准，使其排名从第三升至第一，引发争议。文章批评其使用过时测试、让Gemini当裁判、权重分配不透明等问题，并指出评测体系存在数据污染和猫鼠游戏。尽管Astra编程能力突出，但评测公信力受质疑，创新不应被旧标准束缚。

2026年，花旗、KPMG等机构公开AI Agent评测专利，评测趋势从单次输出转向整条轨迹评分，强调合成场景、真实运行和逐段打分。这催生第三方验收需求，为外包工作室提供量化质检工具，可单次收费或订阅巡检，但需公开方法论建立信任，护城河在垂直业务检查点设计。

OpenAI于2026年9月3日发布GPT-6 Astra，使用超10万块GPU训练，在ARC-AGI-3测试中得分99.9%（标准框架62.7%）。该模型能像人类一样操控电脑，完成复杂工作流，并支持多智能体协作以构建模拟文明。API定价为每百万输入tokens十美元，输出五十美元。具备关键级网络安全能力，但隐藏推理过程引发担忧。

AI安全评测机构METR遭黑客攻击，API密钥被盗20天，产生60万美元AI账单。攻击源于研究员个人服务器上的AI应用漏洞，导致控制面板暴露。黑客通过证书日志发现目标，诱导智能体泄露凭证，并可能转卖牟利。METR因日常评测消耗大，未及时发现异常。另有恶意AI机器人扫描漏洞，但未成功利用。METR无需实际支付费用。

三星Galaxy Z Flip 8评测：外屏可运行所有应用，但小屏限制反而成为优点。硬件升级不大，仅更薄更轻，电池续航可靠。价格涨至1200美元，较前代贵100美元。软件改进是重点，但可能下放至旧机型。作者认为外屏的“摩擦感”能防止沉迷，是独特优势。

华为推出Pura X View手机，采用16:9.5宽屏设计，致敬黑莓全键盘风格，但主打竖屏体验。它拥有6.39英寸屏幕，实际显示面积超Pro Max机型，适合视频、阅读，且软件适配良好。内置7000毫安电池，续航两天，影像素质出色。虽握持易疲劳，但作为2026年最具创新性的直板机，仅华为能支撑此类探索。

影石Luna Pro口袋云台相机评测：分离式屏幕与摇杆设计，便携且操作顺手；一英寸大底与徕卡调校带来扎实画质，人像美颜自然。面向普通用户，简化拍摄流程，AI辅助成片，提供轻松拍摄体验，是兼顾便携与出片质量的实用选择。

Agent评测不应仅看分数，需关注生产落地。应拆解错误环节（如任务理解、工具选择），贴近真实链路，考虑权限、审计、成本。普通团队可从小规模固定用例和失败样本入手，将Agent视为新服务接入，需有灰度、监控、限流。最终目标是可接管性，确保人能在出错时介入，积累失败样本以持续改进。

谷歌Pixel 11系列及Pixel Watch 5评测已解禁，共四篇评测上线。编辑部将举办订阅者问答活动，由评测作者解答关于新硬件、新功能（如相机外观、创作者套件、魔法拍摄、主动协助）及适用人群等问题，优先回答与谷歌硬件相关的提问。

谷歌Pixel 11 Pro Fold折叠屏手机评测显示，其设计未变，仍显厚重且折痕明显，但具备IP68防水、三摄和Qi2磁吸充电优势。相比三星和苹果新品，其方形屏幕显得过时，但软件更新如Bubbles和Camera Looks提升体验。售价1899美元，性价比尚可，但面临激烈竞争。

谷歌Pixel Watch 5评测显示硬件变化不大，主要升级在软件。关键健康功能（如血压、胰岛素抵抗趋势）尚未推出，需下月更新。GPS性能显著提升，优于Apple Watch Ultra 3。AI表盘有趣但定制有限。整体是优秀的安卓智能手表，但老用户无需急于升级，建议等健康功能发布后再决定。

DeepSeek V4 Pro在官方测试中得分87.9，但第三方仅得54.68，差距33分。原因在于官方使用Harness极简模式，该模式是模型训练时的原生环境，能激活其最强能力。切换模式后分数下降，但通过首轮锚定极简工具可恢复高分。这暴露了Agent能力评测对测试框架的依赖，引发对评测标准的反思。

作者长期试用后购买OhSnap Snap Grip Stand手机磁吸支架，认为其设计出色：厚度仅3.7毫米，便于携带，磁吸力强，可吸附于多种表面，支持无线充电。支架展开迅速，无需拆卸即可竖立手机，金属材质耐用。虽价格较高，但作者认为物有所值，并指出其优于同类产品如Gornergrat和Tango。

索尼A7R VI相机评测：这款6700万像素旗舰机采用堆栈式传感器和新处理器，支持30fps无黑屏静音连拍，自动对焦出色，机身防抖达8.5档。作者认为它兼具高分辨率和速度，适合多种拍摄场景，虽人体工学一般且电池不兼容旧款，但性价比高，堪称全能相机。