两天时间，vivo蓝心把两个榜单都拿了。
8月21日，SuperCLUE最新手机AI智能体测评出炉，蓝心小V第一次参赛，直接以92.11分拿下手机GUI智能体总榜第一。微博8月22日，SuperCLUE放出OnDevice手机端侧大模型最新测评榜单，蓝心BlueLM-3.5-Nano-3B拿下端侧模型综合排名第一，分数已经很接近不少主流云端大模型。微博
消息看着提气，但新闻底下有条vivo用户的评论很有代表性：三个维度全部第一啊，平时小V我用的比较少，以后我多用用体验体验。微博榜是真实考了第一，但普通用户更关心的是另一件事：我手机上的小V，怎么跟榜单上那个不太像？我把两个榜单对了10多个信源，结论先放这儿：榜是真的，含金量不低，但榜单和你的日常体验之间，还隔着几道坎。
第一个榜：「小V替你点屏幕」，被卷到了新高度
先说清楚GUI智能体是什么：它不是陪你聊天的问答框，而是能看懂屏幕、替你点屏幕的AI。你说一句「帮我搜部电影存起来」，它自己打开App、自己搜、自己跨软件执行。这次蓝心小V的92.11分，是复杂指令理解、识别屏幕界面、跨软件连续执行任务三项全部榜首拿到的。微博
这个榜值得按时间线看。AgentCLUE-Mobile首期是去年10月出的，当时前三名是智谱GLM-4.5v、小米MiMo-VL-7B-RL、字节Doubao-Seed，vivo没参加。微博今年6月，中兴以91.29分登顶，官方通稿里用的是「全方位断层第一」。微博不到两个月，蓝心小V首次参赛就把天花板改写成92.11。这条曲线的意义是：手机智能体在可测量意义上确实在快速进步，不是大家轮流坐庄。
但第一名的分数，也要配合同一条新闻的后半段看：GUI智能体遇到弹窗、界面改版依旧会翻车，同榜各家模型能力差距巨大，首尾分差超过60分。微博也就是说，榜单上的第一，目前是「考场里的第一」。
第二个榜：手机里跑的3B小模型，分数追到云端旁边
第二个榜测的是另一件事：不靠云端、直接在手机上跑的大模型，能有多聪明。这次的结果是蓝心BlueLM-3.5-Nano-3B以89.86分拿下端侧模型综合第一。知乎这不是撞大运，是vivo铺了一年的线。去年9月，蓝心端侧大模型就已经在SuperCLUE手机端侧榜单拿过TOP1，3B模型在10B参数量级以内处于领先。微博这次算是卫冕。
真正值得注意的是它旁边的参照组：谷歌Gemini 3.6 Flash拿到93.64分，豆包Doubao Seed 2.1 pro拿到92.99分，千问Qwen3.8 Max拿到92.25分。知乎算一下就是：一个跑在手机本地的3B小模型，和第一梯队云端模型的差距只有2.4到3.8分。有媒体用「分差只有3.78分」来概括，其实那是和最高分Gemini的差距，对千问的分差已经不到2.4分——差距比很多标题给人的印象更小。
3B为什么能打？公开解读的思路不是堆参数，而是压榨硬件：钻进芯片的NPU指令集，把模型一层层塞进缓存和算力单元，靠结构精炼、算子压缩、硬件协同喂出能力。这个3B端侧模型，已经跑在X300 Ultra这类今年的旗舰设备上。知乎
但先别把榜单当体验：中间隔着三道坎
有意思的是，榜单刷屏的这几天，社区里用户对蓝心小V的真实反馈是另一个画风。8月21日，也就是GUI榜单公布当天，有人在小红书发帖说，自己经常是把指令说完了，小V连话都没识别上。小红书8月14日，还有人吐槽小V提醒出错害自己睡过头，直接问「这蓝心小V是人工智障吗」。小红书同一时间，B站上也能搜到「蓝心小V发疯实录」这样的合集。哔哩哔哩
翻车之外还有「换新机蓝心小V失忆名场面」的尴尬。哔哩哔哩老机型用户的情况更直接：有iQOO Z6用户发现，新版本蓝心小V在应用商店里提示「该应用已下架」。哔哩哔哩新AI体验，从来不是全系机型平等的。
这不是说榜单是假的。榜单和日常之间，至少隔着三道坎。第一，评测任务是固定的，生活不是：长尾App、版本更新、弹窗、方言，任何一个都能让标准答案翻车。第二，模型听懂了，不代表系统调得动；系统调得动，不代表App愿意开放。第三，能力有机型分层，端侧3B需要足够的NPU算力，老机型软件再优化也补不齐。SuperCLUE自己也提醒：单次测评只代表基准测试表现，日常使用还要看厂商的系统调优，别把榜单当购买指南。知乎
App端也不是没有松动。6月起，微信与华为、荣耀、小米、OPPO、vivo等手机厂商合作推出A2A智能助手协作。微博腾讯客服随后官宣，确认微信已携手这些主流厂商落地A2A协作能力。微博
荣耀YOYO成为首个与微信达成A2A合作的智能助手。微博小米超级小爱也已正式接入，用户可通过语音指令直接完成微信消息发送与语音视频通话。微博等头部App真正开放，GUI智能体「考场会做、日常翻车」的状况会明显缓解，这个信号比榜单本身更值得盯。
那普通用户现在该怎么办？
如果你是已经在用vivo/iQOO的用户：别急着追新概念，先把成熟功能用明白。小V圈搜、小V修图、食物热量查询这些功能已经迭代了好几轮，稳定性比智能体功能好得多；跨应用自动执行只建议用在查信息、整理内容这类低风险场景，涉及支付、删除的操作，最后一定自己看一眼。榜单第一，不等于可以放心闭眼托管。
如果你的手机是老机型：先查一下系统版本和蓝心小V能不能更新。不少新AI功能绑定在OriginOS 6及以上，部分机型的功能还在灰度推送；更新不上先别急着骂榜单，依赖硬件算力的那部分，软件确实补不回来。
如果你在观望下一台手机：接下来两个节点值得记一下。一个是OriginOS 7，内测已经开始推送，这两个榜单本质上是在给新系统的AI能力打前站。另一个是X500系列，vivo X500已经三证齐全，预计9月中上旬发布。微博它的入网信息页里，蓝心大模型的备案编号已经在列，新机大概率会完整带上这一代蓝心能力。
最后，三个值得继续盯的信号：OriginOS 7的正式推送时间和更新机型名单；微信A2A在vivo上的落地进度；下一期SuperCLUE手机智能体榜单——92.11分会不会被超过、「弹窗翻车」会不会改善，这两个问题比这次夺冠本身更有看头。
榜单像高考成绩，能说明底子，不能说明工作表现。蓝心这次高考成绩确实好，至于工作表现如何，你的手和评论区，才是真正的评测场。
