2026年8月第3周计算机行业周报：大模型评测基准解析

市场回顾与行业动态

本周计算机板块整体呈现震荡走势，沪深300指数与中小板指数小幅下跌，创业板指数则录得上涨。在个股表现方面，兆日科技、ST易联众等位居涨幅前列，而汇金科技、朗科科技等则出现较大幅度回调。行业层面，SpaceX完成对AI编程公司Cursor的大额收购，标志着科技巨头在AI工具链领域的布局进一步加深。同时，前阿里巴巴千问大模型负责人林俊旸创办语用科技，聚焦下一代Agent研究，显示出高端人才在智能体领域的持续流动与创业活力。

大模型密集发布与评测困境

2026年7月中旬以来，国产语言大模型进入密集发布期。月之暗面发布的Kimi K3在编程榜单中登顶，实现开源模型对头部闭源模型的首次超越。DeepSeek相继推出V4-Flash及V4-Pro正式版，显著增强了Agent能力，并在多项基准测试中表现优异。智谱发布的GLM-5.3通过后训练Scaling提升了智能上限，在编程与网络安全任务中取得开源第一。然而，各家模型在Benchmark展示上维度不一，导致投资者与从业者难以科学评判模型优劣。随着近一半主流基准趋于饱和，评估标准亟需从静态知识考察转向真实工作场景的任务执行能力。

核心评测基准体系解析

针对大模型评估，当前值得重点关注的基准主要涵盖五个维度。在工具调用与MCP编排方面，Toolathlon-Verified评估智能体在现实环境中使用工具的能力，强调多步骤工具链的编排。环境交互与计算机操作方面，Terminal-Bench 3.0因难度较高且区分度好，成为衡量Agent通过终端操作计算机能力的关键指标，GLM-5.3在此基准中表现突出。代码开发与软件工程领域，DeepSWE、NL2Repo和ProgramBench因规避了数据污染问题，能更真实地反映智能体从零开发软件的能力，目前前沿模型得分仍有较大提升空间。

高级推理与长周期规划能力是智能体落地高价值场景的关键。Agents' Last Exam（ALE）旨在评估AI在长期跨度、具有经济价值的真实世界任务上的表现，目前主流模型通过率极低，显示该领域远未饱和。垂直领域专业智能体能力方面，CyberGym、Harvey LAB-AA等基准分别针对网络安全、法律等专业领域，其中GLM-5.3在CyberGym测试中展现出优于部分国际主流模型的漏洞发现能力，体现了垂直领域专业化的突破。

投资建议与风险提示

伴随开源模型与闭源模型差距持续收窄，K3 License开创的分成模式有望加速渗透，DeepSeek的涨价正式打开国内大模型量价齐升的商业化黄金期。这一趋势利好开源模型公司与算力租赁厂商两大方向。建议重点关注智谱、MiniMax等开源模型方向标的，以及宏景科技、集智股份、协创数据等算力租赁方向标的。需注意人工智能政策落地不及预期及行业竞争加剧带来的潜在风险。