跳到正文
目前篩選:模型
11月20日週五
  1. DEV Community75

    應該選用哪款 Gemini 模型?Neon、Argon、Hydrogen、Carbon、Flash 與 Gemma 實測比較

    作者以同一 Gemini API 端點、相同題目和評分方式比較八款模型,按準確率、成本與速度整理 Gemini 模型選擇指南。測試中,四款 Gemini 4 模型在最低設定均答對 30 道 AIME 2025 題目;Argon 每題成本最低,為 $0.018,Hydrogen 則是 Gemini 4 模型中最快,平均每題 11.3 s。

  2. Google AI:DEV 作者專屬67

    Gemini Decision 1 實測:決策模型探索(第一部分)

    作者以 800 個真實工作情境、24 個類別測試 Gemini Decision 1,評估它能否在不同工作流中替代或補充 LLM 判斷。客戶支援分流準確率接近 100%,提示詞注入偵測為 99.7%;模型路由準確率由單一寬泛問題的 0.72 提升至拆分窄問題後的 0.88,而預測用戶反駁僅 46%,程式碼分塊則以確定性程式邏輯表現較好。

11月19日週四
  1. DEV Community65

    Kling 4.0 與 Seedance 2.5 評測:Kling 較貼合提示詞,Seedance 生成更快

    在三組相同提示詞測試中,Kling 4.0 較貼合指定動作和顏色,Seedance 2.5 則每段約 2.7 分鐘完成。Seedance 三段影片各耗時 161 至 162 秒,Kling 則分別耗時 299、395 及 1,136 秒;兩者均逐字説出指定台詞。Kling 支援最高 1080p;Seedance 2.5 可編輯或延長現有影片,畫面亦較具實拍感。

  2. TNW78

    Google 發佈 Gemini 4 Neon,在 AI 評測排名第三並取代 Gemini app「Deeper analysis」中的 Argon

    Google 發佈 Gemini 4 Neon,定位介乎 Gemini 4 Hydrogen 與 Gemini 4 Carbon 之間,並開始在 Gemini API、Gemini for business、Google Antigravity 及 Gemini app 推出。

    推薦理由:文章以 Carbon 為參照比較 Neon 的排名、輸出速度與任務成本,並指出成本較低源於 token 定價較低,而非答案較短。

  3. IT之家50

    AI 模型令古籍數碼化成本大幅下降:識別 1000 頁內容費用不到 0.1 美元

    免費開放的 AI 模型大幅降低掃描書籍及檔案的文字識別成本,最新的 LightOnOCR-3-0.8B 每識別 1000 頁費用不到 0.1 美元。測試比較了 8 款模型,最新模型處理書籍頁面的準確率至少不遜於最早的 RolmOCR。優化頁面分配、縮小掃描圖像、更新軟件及使用更快的 GPU,也能節省成本。

  4. 新浪科技44

    神秘大模型 Gestalt 在設計基準榜單上大幅領先

    神秘大模型 Gestalt 在 Contra Labs 推出的 Frontier Design Benchmark 排名第一,以 1928 分領先 Fable 5.2 的 1715 分。該基準包含 33 項設計任務,由受邀專業設計師評分;Gestalt 目前以 Stealth(隱身)模式在 OpenRouter 提供調用。其開發者身份尚未明確。

  5. 螞蟻 inclusionAI:HuggingFace 新模型48

    DeepSeek-V4.1-Flash-1017-singprobe 串流防護探針

    DeepSeek-V4.1-Flash-1017-singprobe 是 DeepSeek-V4.1-Flash-1017 的串流防護探針,使用 10.10M 參數,逐個 token 評分查詢意圖、回應安全性及幻覺風險。它在查詢意圖分類取得 F1 0.8756,回應安全分類取得 F1 0.8668;串流安全的回應 AUC/token AUC 為 0.9907/0.9522。

  6. 螞蟻 inclusionAI:HuggingFace 新模型49

    Ling-3.1-flash-1019-singprobe:Ling-3.1-flash-1019 的串流安全探針

    Ling-3.1-flash-1019-singprobe 是 Ling-3.1-flash-1019 的串流安全探針,會在生成期間讀取基礎模型 3 層隱藏狀態,逐個 token 評分查詢意圖、回應安全性及模型幻覺風險。探針有 8.13M 個參數,查詢意圖分類 F1 為 0.8687,回應安全分類 F1 為 0.8707;串流安全的回應 AUC/token AUC 為 0.9844/0.9411。

  7. 第一財經45

    “天華開物”酶設計大模型按需定製工業酶

    我國自主研發的「天華開物」酶設計大模型在天津大學發布,並與合成生物自動化設備結合,形成工業酶閉環迭代優化系統。系統一週內可提供酶設計方案,讓三個月內完成菌種定製化構建及目標產品製備工藝開發成為可能。

  8. 阿里雲開發者社區 AI69

    阿里雲 Qwen4-Max 模型定位、特徵、能力及適用場景解析

    文章將 Qwen4-Max 定位為面向專業工作場景的新一代旗艦多模態智能體基座模型,並解析其架構、能力及適用場景。文中稱模型總參數為 2.4T、每次推理啟用 71B 參數,支援 1M Token 上下文及 Live Delivery 漸進式交付。在 Work360 評測中,文中列出的單項任務平均費用由 26.58 元降至 11.16 元,降幅為 58%。

  9. 新浪科技61

    Perplexity 推出 Decider v1.3,重構 Attention 將判斷能力做成獨立模型

    Perplexity 推出 Decider v1.3,將判斷能力獨立成模型,並支援同一上下文中的多項問題一次前向傳播。v1.3 以 Isolated Question Attention 限制問題之間直接交換資訊,並加入 Locate 定位原文片段。在 63 項分類任務上的平均準確率為 91.6%,較 Perplexity 原有生產分類器高 6.54 個百分點。

  10. DEV Community46

    ja-doc-classify-v1:可在不確定時回答「不知道」的日文商業文件路由器

    ja-doc-classify-v1 已發布,用於將日文商業文件分流至 8 個領域,並只在有足夠把握時建議 43 種文件類型,否則會放棄判斷。兩組各有 200 份人工撰寫文件的評測中,領域分類準確率為 0.989(放棄判斷 5–6%),文件類型準確率為 0.82–0.87(放棄判斷 26–30%)。模型採用 Apache 2.0 授權並附有 ONNX 版本。

  11. 新浪科技76

    混元 Hy4 flash 推出並開源,WorkIndex 單任務成本為 Hy4 的 1/20

    騰訊於 11 月 16 日推出混元 Hy4 flash,並已開源;在 WorkIndex 評測中,其單任務成本僅為 Hy4 的 1/20。模型有 224B 參數、每 token 啟用 12B,支援 100 萬 token 上下文;API 每百萬 token 輸入 0.5 元、輸出 2 元,命中快取時為 0.02 元。

    推薦理由:文章結合實測任務、WorkIndex 成本數據及模型工程優化,呈現 Hy4 flash 在日常生產力場景中的定位。

  12. 阿里雲開發者社區 AI69

    Kimi-K3 模型定位、特點、能力、適用場景與計費解析

    Kimi-K3 是一款面向長程編程、知識工作與推理的 2.8 萬億參數模型,已上架阿里雲百煉,輸入與輸出上限均為 1,048,576 Token。它採用 KDA 混合線性注意力及注意力殘差,支援原生圖像輸入且權重開源,但只提供思考模式,不支援聯網搜尋、批量推理及模型調優。華北2(北京)/全球的輸入、輸出及快取命中價格分別為 20 元、100 元、2 元/百萬 Token,且沒有免費額度。