绿灯侠
66款AI硬件通过L3认证：华米OV耀全员入围，但没人突破L4天花板_我的网站
A | 持续了两年的AI硬件狂欢，终于进入了下半场。 如果你从去年就开始用 Gemini，那感觉就像看着自家兄弟慢慢得了阿尔茨海默症。 2026年7月17日，工信部牵头的《人工智能终端智能化分级》系列国家标准首次公布测试结果，覆盖移动终端、微型计算机、电视、眼镜、汽车座舱、音箱六大品类，17家企业的66款产品通过L3辅助级认证。 这是最近网友对 Gemini 的一句调侃。 手机品类的名单没有悬念，华为、小米、OPPO、vivo、荣耀、摩托罗拉、联想、智跃星辰，八大厂商共11款机型全部达到L3，主流手机品牌在AI能力上实现了全员入围，无人缺席。
B | 按理说，一家公司发新模型，通常是来打脸这种调侃的。可就在刚刚，Google 一口气发了三个新模型之后，网友非但没收回这句话，反而笑得更大声了。多少有种他们都不看好你，可偏偏你最不争气的即视感。
C | 三个模型分别是 3.6 Flash、3.5 Flash-Lite，还有一个专搞网络安全的 3.5 Flash Cyber。 图源：《人工智能终端智能化分级》 除手机外，66款L3产品中，微型计算机独揽41款，电视9款，汽车座舱3款，眼镜和音箱各1款。官方博客的措辞也相当眼熟，「更高效」「更聪明」「为大规模 AI agent 而生」，一句不落。
D | 部分眼镜、耳机仍停留在L2工具级。 只不过，实际体感却冰火两重天。从数量来看，AI终端智能化进程出现了明显的品类阶梯：PC领跑，手机紧随其后，穿戴设备仍在追赶。 雷科技（ID：leitech）认为，随着分级标准的落地，AI硬件狂欢正式进入下半场。 主角登场，3.6 Flash 到底强在哪 先说头牌，3.6 Flash。 华米OV耀喜提L3，代表当前最高水平 先简单跟大家说说L1-L4的区别，以及为什么L5没有在分级名单中。 L1 被称为响应级，终端仅具备被动响应能力，执行预设指令，如语音唤醒等，没有AI加持的Siri大概就是这个级别。L2 被称为工具级，终端可调用工具完成特定任务，初步具备场景感知能力，不过，在这个阶段用户指令仍需精确表述，模糊意图会导致执行失败，目前部分AI穿戴设备处于这一水平。官方给的定位就俩字——「主力」（workhorse），干活模型。
E | 3.5 Flash 是今年 5 月 I/O 大会上发的，这次算是小版本迭代。 L3 是当前标准体系中有明确定义的最高等级，也叫辅助级。 最大的卖点是省 token。 按 Artificial Analysis Index 的数据，3.6 Flash 比 3.5 Flash 少用 17% 的输出 token，在 DeepSWE（Datacurve 出的基准）这类场景上甚至能省到 65%。
F | 能实现复杂意图理解与主动澄清、任务自动分解与工作流编排、多工具动态调用与分布式任务协同、跨模态内容生成，以及短期和长期记忆能力。官方还说它跑多步任务时，推理步数和工具调用都更少。 图片来源：豆包 L4 是协同级，指向跨设备自主协同与主动场景感知，不过，现在对于L4的标准尚未完全明确，未来将随产业发展逐步完善。也就是说，干同样的活，废话更少，绕路更少，账单更薄。
G | 值得注意的是，早期电信终端产业协会的《终端智能化分级研究报告》曾提出L5级别，即AI在感知和规划完成后，直接代为执行支付与下单操作，无需用户确认，但这一等级最终未被纳入国标。 价格也确实降了。输入 1.5 美元/百万 token，输出 7.5 美元/百万 token——注意，上一代 3.5 Flash 的输出是 9 美元，这波直接砍到 7.5。又快又省，单个 agent 任务的成本就压下来了。 基准测试上，官方摆出了一整排数据。 原因在于主动服务的边界难以界定：比如当你对一款显卡犹豫不决时，AI直接帮你下单，那用户的数据安全与财务风险可能会失控。 代码能力是重点。DeepSWE 从 37% 提升到 49%，官方的说法是多余的代码改动更少、执行循环也更短，生成的代码更贴近生产环境的要求。因此最终决策权应当保留在人类手中，原定的L5标准也可以看成是AI硬件的进化边界，可以辅助，但不能替代。 总而言之，目前L3代表的就是当前量产AI终端的真实技术水位，L4尚处于工程验证与标准讨论阶段。
H | 机器学习研究方向的 MLE Bench 提升更明显，从 49.7% 拉到了 63.9%。 计算机操作（computer use）能力也有长进，OSWorld-Verified 从 78.4% 升到 83%。
I | 并且，「计算机操作」（computer use）也成了Gemini API 和企业版的内置工具，主打一个开箱即用。
J | 知识工作方面，GDPval-AA v2 从 1349 涨到 1421。
K | 从各家技术路线来看，华为搭载的小艺伴随式AI，强调端侧优先处理与隐私保护，能够在用户授权下主动提供服务而非被动等待唤醒；小米基于自研MiMo端侧大模型构建Xiaomi miclaw智能体，宣称可调用超过50项系统工具，支持跨应用、跨设备的多步骤任务编排；荣耀的YOYO智能体、vivo的蓝心大模型、OPPO的安第斯大模型，各自在端侧推理和多模态交互上投入了可观的研发资源。
L | 图片来源：Android Central 但上述所有技术储备，目前的上限就是L3。这并非某一家厂商的问题，而是整个产业面临的技术性难题，端侧算力密度、模型推理效率、多Agent协同框架的成熟度，共同构成了L3到L4之间的技术壁垒。
M | 巧的是，L4所指向的跨设备自主协同，恰好是各厂商发布会上反复描绘的未来图景，比如小米的人车家全生态、华为的1+8+N，框架早已搭建完成，但产品层面的实现尚需时日。Hebbia、Harvey 等客户反馈，它在文档解析、图表数据分析、报告起草这类多模态任务上表现尤其突出。 L3到L4两者之间的距离，就是AI终端产业未来三到五年的核心竞争区间。 PC拿下41款L3认证，白牌可能面临淘汰 让我们再回到《人工智能终端智能化分级》中，除手机外，其他品类也值得说道。Figma、JetBrains 也都出面背书了一番。 哦对了，还有个不起眼但挺实在的更新：知识截止日期终于从 2025 年 1 月推进到了 2026 年 3 月。老黄历总算翻篇了。 PC品类总共41款，相比其他有着压倒性的优势，主要原因是联想等厂商拥有完整的商用产品线和庞大的SKU矩阵，比如仅联想一家就贡献了37款AI PC，此外PC天然具备大算力芯片、充足散热空间和成熟的操作系统生态，是端侧大模型部署的最优载体之一。 安全这块，官方说 3.6 Flash 上了升级版的 Frontier Safety 防护，重点盯着 CBRN（化学、生物、放射性、核）和网络攻击这两类滥用，抗越狱能力更强了，同时又尽量不误伤正常需求、少乱拒绝。 科大讯飞副总裁娄超在WAIC现场也下了类似的判断：“PC一头连接国产算力、操作系统、大模型等技术创新，一头连接政务、教育、医疗和企业办公等实际需求，是推动AI终端产业发展的重要载体。” 图源：雷科技摄制 手机的挑战在于功耗比和散热，在手掌大小的空间内运行端侧大模型，对芯片能效比提出了极高要求。 同样受限于空间体积的还有穿戴设备品类，一副AI眼镜的目标重量通常控制在40至80克，在这一约束下能容纳的芯片算力、电池续航和散热能力都极其有限。 ·以小博大，便宜大碗的 3.5 Flash-Lite 也能更换推理档位了 第二个是 3.5 Flash-Lite，定位比 3.6 Flash 还低一档，主打「快」和「便宜」，专治高吞吐、低延迟的任务，比如 agent 搜索、文档处理。目前行业主流的解决方案是端侧采集+云端/手机端处理的架构：眼镜负责语音收音、图像采集和交互入口，核心AI任务卸载至手机或云端完成。 它是 3.5 系列里最快的，按 Artificial Analysis 的测量是每秒吐 350 个 token。 但这不意味着AI眼镜的智能化进程滞后于市场需求。价格更是白菜——输入 0.3 美元、输出 2.5 美元每百万 token。官方说质量比 3 月发的 3.1 Flash-Lite 好一大截。 有个设计挺灵活：它支持调「推理档位」。
N | 恰恰相反，AI眼镜是2026年增长最快的消费电子品类之一，IDC数据显示，2026年一季度全球出货量达356.6万台，同比增长130.1%。
o | 低配活儿就开最低档，图个快和省；碰上要多步拆解的子任务，就把思考档位往上拨。 用户对AI眼镜的接受度也比其他AI硬件高，据新华网报道，2026年春节期间，深圳华强北AI眼镜销量较平日激增70%至80%，经销商数量从零增至上百家，小雷此前去华强北也印证了这一点。 图片来源：千问 随着端侧AI芯片在能效比上的持续突破，以及MicroLED+光波导显示技术的成熟，眼镜品类从L2跨越到L3只是时间上的问题，节奏虽然有先后，但方向无差别。 可能AI分级对产业格局真正的冲击，是以华强北为代表的白牌AI硬件生态。
p | 从家电圈能效等级的二十年历史来看，当分级标签成为消费者购买决策的核心依据，渠道体系会自发完成出清，电商平台和线下卖场没有动力让L2产品与L3产品同台竞争，白牌们可能要思考下一步该去向何方了。电脑操作这次也做成了内置工具。 跟前代比，提升相当明显：代码和 agent 任务的 Terminal-Bench 2.1，从 31% 干到 54%；长上下文的 GDM-MRCR v2，从 60.1% 提到 72.2%；真实任务执行的 GDPval-AA v2，更是从 642 飙到 1140。 最有意思的是，这个「小弟」在不少 agent 和代码任务上，居然反超了辈分更高的 3 Flash。 标准画了一条线，但AI的想象力可以越界 当然，硬币也有另一面，L1到L4的分级框架下，相当于行业已经定义好了什么叫“智能”，你想达到L3，那就必须符合理解意图、拆解任务、多模态交互、持续记忆这些特征，不符合的就是L2甚至L1。 比如 SWE-Bench Pro（54.2% vs 49.6%）、OSWorld-Verified（74.0% vs 65.1%）。 这套逻辑拿来衡量手机和PC，没问题，但AI硬件的想象力肯定远不止手机和PC。
q | 以小博大，属实有点东西——等于说跑 3 Flash 的活儿，现在有了个更快更强的平替。 官方还举了几个用法：从海量电商数据里抽产品特征、给 3.6 Flash 当副手一口气生成 25 个网页设计方案、批量翻译总结收据、边玩边迭代做小游戏。Ashler、Palo Alto Networks、Ramp 这几家客户也来夸了它「速度、智能、成本三合一」。 回想一下过去两年那些不太像传统终端的AI产品，比如昙花一现的AI Pin，试图用激光投影取代屏幕，靠语音和手势完成所有交互；Rabbit R1用一个大模型操作APP的思路重新定义了什么叫用手机，虽然体验翻车，但这股探索的劲值得鼓励。 最后一个 3.5 Flash Cyber，画风突变，专门用来找和修代码里的安全漏洞。 Google 的逻辑挺有意思：现在 AI 找漏洞的速度，已经比现有系统修漏洞的速度快了。 如果按现有的L1-L4标准来打分，这些产品大概率连L2都勉强，它们根本没有调用系统工具的框架，也不追求跨模态生成，它们探索的恰好是标准框架之外的可能性。既然漏洞越堆越多，那干脆用便宜高效的 Flash 来批量补锅。 这个模型是在 3.5 Flash 基础上微调出来的，搭配自家的 CodeMender 工具用。CodeMender 里跑的是好几个 Flash Cyber agent，协同工作、最后汇总成一份报告。 （图源：AI PIN/Humane） 不是小雷抬杠哈，标准天然是后验的，它总结的肯定是已经做出来的，但未来应该做什么，可能出现什么，都是未知数。 在业内有名的 CyberGym 基准上，官方称它摸到了第一梯队的水平，还比更大的模型更省 token。 举个例子，2007年如果有人给智能手机下个标准，大概率会把全键盘、触控笔、物理导航键写进去，然后说没有这些不算智能。 但iPhone用一块玻璃屏幕把所有这些定义全推翻了，AI终端现在正处在类似的节点上，技术路线远未收敛，产品形态还在试错。
r | 不过这模型我们暂时也用不上。 考虑到「找漏洞」这种能力是把双刃剑，浓眉大眼的 Google 也学 Anthropic 玩起了安全叙事。这时候用一套固定框架把所有产品装进四个格子里，装不进去的东西是不合格还是不在框架内？这两个说法之间的差距，就是品牌们可能会踩到的坑。把它锁得死死的——只对「可信合作伙伴」限量开放，走内测。
s | 目的是给一线防守方争取时间，赶在漏洞被人利用前先修掉，同时防着有人拿它去干坏事。 反过来说，没有标准也不行，过去两年“AI”标签被用滥了，从九块九的玩具到旗舰手机，什么东西都敢叫AI，分级至少让市场有了一个公认的标准，不至于人人AI。 说好的 3.5 Pro 呢？如来 看到这儿你可能会问：发了一堆 Flash，那真正的旗舰 3.5 Pro 去哪了？ 官方口径是「正在和合作伙伴测试，准备好就上」。 如果未来L4、L5的标准修订能跟得上技术演进速度，新品类能及时被纳入分级框架，那它就是助推器。反过来，如果标准五年修订一次、品类列表十年不变，那它迟早变成一堵墙。但这套说辞背后的故事，可能没那么体面。
t | 说到底，《人工智能终端智能化分级》开了一个好头，但能不能保持开放性，让下一批AI Pin和Rabbit R1在诞生时，不至于直接被贴上不合格的标签，这才是衡量这套标准格局的终极考题。
u | 总而言之，这是中国AI硬件交出的第一份标准化答卷，但从目前来看，这份答卷的意义不在于分数本身，而在于它把“智能”从一个形容词变成了量化指标，从此以后，发布会上敢说自己AI领先的厂商，得先过标准这一关。 据彭博社等媒体报道，3.5 Pro 的代码生成能力一直没达到内部预期。 但大家也不必把标准当终点，PC和手机领跑L3，穿戴设备在追赶，品类之间的节奏差需要时间熨平，而标准框架本身的开放性，能不能接纳手机和PC之外的新物种，能不能在技术突变时快速迭代，决定了它是天花板还是起跑线。
v | Google 6 月下旬还专门更新了一版训练数据来补代码这块短板，结果成绩依旧没起色。更有传闻说，Google 干脆推翻了原来的训练方案，从零开始重训。 而 Google AI 宣传委员 Logan Kilpatrick 更是索性在舆论上直接跳过 3.5 Pro，将预告的重点放在了Gemini 4，声称他们已经启动了史上最雄心勃勃的 Gemini 4 预训练，还放话说进展让人兴奋。 听着虽然挺提振人心，但把它放在「旗舰跳票」的背景下看，多少有点转移视线、画饼续命的味道了。 除了这些内幕，光看今天刚刚发布的 Flash 模型本身，网友们也并不全然买账。
w | 第三方评测机构 Artificial Analysis 表示：两个新模型确实把单任务耗时砍半、token 效率也提升了，Flash-Lite 的智能指数涨了 11 分——但 3.6 Flash 的智能水平，相比 3.5 Flash 基本原地踏步。 价格没有便宜到足以忽略能力差距，能力也没有高到能够解释它的成本。 X 网友吐槽道：3.6 Flash 在 Artificial Analysis 上跟 3.5 Flash 拿了一模一样的分，还不如 Meta Spark 1.1、GLM-5.2、5.6 Luna、Sonnet 5、Grok 4.5、5.6 Terra 这一票对手，直呼简直烂透了（阴阳怪气 doge）。
x | 吐槽的还不止一个。
y | 网友 Angel 则直接从性价比入手：Gemini 3.6 Flash 的使用成本比 GPT-5.6 Sol medium 还高，可智能程度反而更低。又贵又笨，这组合属实有点尴尬——毕竟 Flash 系列立身的根本就是「性价比」，结果被人当场指出性价比不如对手，等于自砸招牌。 作为对比，OpenAI 的 Tibo 刚刚也发话了：由于周活跃用户达到 1000 万，新的一天，Codex 和 ChatGPT Work 的付费用户迎来新一轮额度重置，尽情享用。 这对比，这落差，还有人记得大明湖畔的 Google Gemini 3？ 实测派也来补刀。网友 Balder 更是直接开团： 这三个模型性能全比之前的 3.5 Flash 差。他甩出自己的测试吐槽，说问题包括但不限于——基础解码就有毛病、中文选词经常很离谱；生成的图片视频质量极差、跟指令对不上还限额严重；经常记忆混乱、调用完全错误的工具。 而且他还上了个阴谋论，认为 Google 之所以这么搞，是为了把算力腾出来卖给 Anthropic，还阴阳了一句这就是皮查伊想要的「Cloud First」。 此外，X 网友 Conor Dart 用 Google 自家的 Antigravity 跑了个 AI 生成游戏的测试，结果没有出乎意料，木头纹理更差了，大理石看着差不多但还是不能用。他直言这又是一次翻车，表示自己还是等 Gemini 3.5/3.6 Pro 吧。 简言之，你别问新模型强不强，你就说 Flash 不 Flash 就完事了。一边是官方更高效、更便宜、更省 token的漂亮账本，一边是大多数网友的当场差评，以及模型背后的旗舰跳票、大牛出走、市值缩水等一连串糟心事。 这很难不让人好奇是不是 Google 这次真点歪了科技树，光顾着省成本忘了提智商，只能先靠几个 Flash 稳住场子？ 反正 Gemini 4 的预训练都开跑了。这一把要是再翻车，那句阿尔茨海默的玩笑，可就真要成谶语了。
Current article:http://lichuorenrenyitankanmeimu.cfd/list_dji1g55/slp2n.html
Published on:12:22:38