🚀 每日脉搏

Daily Pulse | 2026年6月18日 | LLM大逃杀：Grok 4.1碾压Claude，机器人该用谁？DeepSeek暂缓制裁，GLM-5.2登顶开源榜

SinoBot Editorial

🎯 今日速览 • 🤖 LLM大逃杀实验：OpenRouter将11个大模型投入2D大逃杀游戏，Grok 4.1 Fast以13/30胜场碾压Claude Sonnet 4.6的5胜，单胜成本仅$0.97，相差27倍——机器人该跑哪个模型？ • 🌐 美国暂缓DeepSeek黑名单：路透社报道，美国决定暂缓将DeepSeek列入实体清单，但仍有超过100家企业被认定为国家安全风险 • 🏆 GLM-5.2登顶开源权重排行榜：智谱GLM-5.2在Artificial Analysis开源权重模型排名中升至第一，超过Llama和Mistral系列 • 🔧 Warble：为机器人STM32打造本地AI语音：开源项目将whisper.cpp+Ollama+Piper集成到M5Stack StackChan，完全本地运行，无需API密钥 • 🦾 OpenArm：开源拟人机械臂发布：面向物理AI接触密集环境研究的全尺寸开源人形机械臂项目发布

1. 🏆 LLM大逃杀：当机器人冲向你的那一刻，该信Claude还是Grok？

一句话总结：OpenRouter工程师将11个大语言模型投入2D大逃杀游戏进行30轮测试，结果Grok 4.1 Fast以43%胜率碾压全场，而更昂贵的Claude Sonnet 4.6胜率仅17%，单胜成本相差27倍。

💡 为什么重要：这是对”大模型上机器人”问题的一次残酷而诚实的压力测试。当模型需要实时决策、资源管理、战术推理和生存本能时，基准测试分数和实际表现之间存在巨大鸿沟。

OpenRouter的开发者关系负责人Jacky Liang设计了一个实验：11个大模型被投入一个400平方米的2D大逃杀世界，每个模型有自己的武器、装甲、治疗物品和载具，缩圈随机推进。连续30局比赛后，数据令人深思：

排名模型胜场数胜率单胜成本
🥇Grok 4.1 Fast1343%$0.97
🥈Claude Sonnet 4.6517%$26.78
🥉GPT 5.427%（最多击杀38个）$84.50（估）
❌GPT 5.4-mini00%-
❌DeepSeek 4 Flash00%-
❌Kimi K2.600%-

📊 关键洞察

  • 最多击杀≠能赢：GPT 5.4在30局中击杀38个对手，是所有模型中最具攻击性的，却只赢了2局。攻击性高不代表策略好
  • 最贵的不是最好的：Claude Sonnet 4.6单胜成本$26.78，是Grok 4.1 Fast的27倍
  • “友善”是致命缺陷：Claude在游戏中试图让其他模型”组队”，甚至主动暴露自己位置——这在真实世界机器人任务中可能是安全特性，但在竞技场景中是致命弱点
  • 传统基准测试无法预测：Artificial Analysis的标准基准分数与真实游戏表现几乎无关

更深远的意义： 每个模型都有一个可编辑的 soul.md（人格文件）和 memory.md（记忆文件），可以在比赛间更新。这种”人格+记忆”的框架，与真实世界机器人的”长期记忆+任务规划”需求高度相似。实验结果暗示：机器人的”性格”——更准确地说，是模型对风险和合作的偏好——可能比纯粹的推理能力更重要。

💬 原文”爆款”观点 “一个机器人正朝着你冲过来——你希望它跑的是Claude还是Grok？” “这两个答案都是对的。这恰恰是最重要的部分——大多数基准测试看不到的部分。”

🔗 OpenRouter Blog | GitHub仓库

2. 🌐 美国暂缓将DeepSeek列入黑名单，100+企业仍被认定安全风险

一句话总结：路透社报道，美国决定暂缓将DeepSeek列入实体清单（Entity List），但同期有超过100家中国企业被认定为国家安全风险。

📌 背景：此前美国国会两党均有人推动对DeepSeek实施全面出口管制，理由是DeepSeek的AI模型可能被用于军事用途。暂缓决定意味着美国仍在对DeepSeek的具体风险进行评估，尚未做出最终结论。

关键数据：

  • 100+ 企业被列入”国家安全风险”名单
  • DeepSeek暂缓列入，评估仍在进行中
  • 此举可能影响中国AI行业的海外芯片获取和云服务使用

💡 对具身智能产业的影响：DeepSeek的VLA（视觉-语言-动作）模型路线与具身智能高度相关。如果制裁最终落地，可能会影响人形机器人公司对大模型的选择——国产替代的紧迫性进一步上升。GLM-5.2、Qwen等国产开源模型的权重和地位将因此更加重要。

🔗 Reuters

3. 🏆 GLM-5.2登顶开源权重模型排行榜

一句话总结：智谱AI的GLM-5.2在Artificial Analysis开源权重模型智能指数中登顶，超越Llama、Mistral和DeepSeek等系列，成为当前最强的开源权重模型。

📊 数据对比 Artificial Analysis的最新排名显示，GLM-5.2在综合智能指数上位居开源权重模型首位。这意味着中国AI基础模型在开放权重领域已经具备了全球竞争力。

对机器人行业意味着什么：

  • 开源权重模型是人形机器人公司进行本地部署和模型定制的重要基础
  • GLM-5.2的登顶意味着中国机器人公司可以在”不受出口管制”的前提下获得一流的大模型能力
  • 国产模型+国产机器人=更可控的供应链

🔗 Artificial Analysis

4. 🔧 Warble：让M5Stack机器人拥有完全本地AI语音

一句话总结：开源项目Warble将whisper.cpp（语音识别）+ Silero VAD（语音活动检测）+ Ollama（大模型推理）+ Piper（语音合成）完整集成到M5Stack StackChan机器人中，完全本地运行，零API密钥，零云端依赖。

📌 项目定位：Warble对标的是国内xiaozhi.me云服务——但它是100%本地运行的替代方案。核心思想：给桌面机器人一个”真正属于自己”的AI大脑，不需要把语音数据发送到云端。

技术栈：

  • 🎤 whisper.cpp：本地语音识别
  • 🛑 Silero VAD：语音活动检测，节省算力
  • 🧠 Ollama：本地大模型推理
  • 🔊 Piper：本地语音合成
  • 🤖 运行平台：M5Stack StackChan + 你的电脑

💡 极客意义：这是开源社区在”本地AI+机器人”方向上的一次重要集成。如果能稳定运行，它将为DIY机器人爱好者提供一个完全自主可控的AI语音方案——无需API费用，没有隐私顾虑，没有网络依赖。与巴别鸟、Home Assistant等项目结合潜力巨大。

🔗 GitHub: rebelthor/warble

5. 🦾 OpenArm：全尺寸开源拟人机械臂发布

一句话总结：enactic团队发布OpenArm——一个面向物理AI接触密集环境研究的全尺寸开源拟人机械臂，旨在降低人形机器人上肢研究的准入门槛。

📌 为什么开源机械臂重要：当前人形机器人的机械臂系统多为定制或商业闭源方案，严重限制了研究机构的实验自由度。OpenArm提供完整的CAD文件、BOM清单和控制代码，使研究团队可以在自己的实验环境中自由修改和扩展。

项目亮点：

  • 全尺寸：适配大多数成人尺寸人形机器人平台
  • 接触密集环境优化：专为物理交互研究设计
  • 完全开源：设计文件、固件、控制代码全部公开
  • 低成本：目标成本远低于商业仿人机械臂

💡 极客意义：这是继OpenDog、OpenCat、Stretch开源等之后，开源机器人社区向”全尺寸人形”方向迈出的又一步。当开源机械臂+开源运动控制+开源AI模型三者汇集，人形机器人的研发门槛将被大幅拉低。

🔗 GitHub: enactic/openarm

🔍 今日观察

今天的几则新闻看似分散，但实际指向同一个趋势：机器人技术栈的每一层都在经历”去中心化”和”多极化”。

  1. 模型层多极化：OpenRouter的实验证明，没有哪个大模型是”最适合机器人”的——Grok在竞技场景胜出，Claude在协作场景更好。未来机器人可能不是跑一个模型，而是根据任务动态切换多个模型
  2. 地缘政治加速替代：DeepSeek的制裁悬而未决，GLM-5.2登顶开源榜——国产大模型的紧迫性和可行性都在上升
  3. 开源生态从”边缘”走向”核心”：从Warble的本地语音到OpenArm的开源机械臂，开源社区正在填补商业方案的空白。开源+本地化正在成为机器人技术栈的新方向

来源：OpenRouter Blog、Reuters、Artificial Analysis、GitHub