跳到正文
目前篩選:模型
今天11月22日週日2 則
  1. DEV Community54

    ChatGPT 能讀出歌詞,卻難以辨認旋律

    作者實測 ChatGPT 語音功能,並測試三種 OpenAI API 路線,發現這些系統能依歌詞辨認歌曲,卻幾乎不能只憑哼唱辨認旋律。在 MTG-QBH 測試中,逐字稿路線和 gpt-audio-1.5 各辨認有歌詞歌曲 71/76 首,gpt-realtime-2.1 辨認 74 首;對 30 段無詞錄音,三者分別只辨認 0、1、1 首。

  2. DEV Community50

    AI 智能體的 token 用在哪裏:Gemini 3.5 Flash-Lite 和 Gemini 3.1 Flash-Lite 測試 9 個 GitHub bug,各修復 1 個

    Gemini 3.5 Flash-Lite 和 Gemini 3.1 Flash-Lite 各自處理 9 個 GitHub bug,合共呼叫模型 964 次,兩個模型都只修復 1 個 bug。按付費牌價計算,每個成功修復的 bug 分別花費 $0.561 和 $0.426;作者指出,未計入快取的工作流程計算器估算成本高出 2.4 倍和 1.8 倍。

11月21日週六
  1. 雷鋒網67

    Kling Image 4.0 實測:從海報設計到商品詳情頁及連續分鏡

    雷鋒網實測 Kling Image 4.0,顯示它可按簡短提示詞生成海報、電商詳情頁及連續分鏡,亦可局部修改圖片文字。新模型原生解像度提升至 8K、單張圖片最多支援 2000 字、一次最多生成 10 張連貫圖片,並內置 70+ 款預設字體。測試亦發現説明小字清晰度、模型自行補充的資訊準確度及跨鏡人物一致性仍有不足。

  2. DEV Community52

    RevHive 安全 Agent 對照測試揭示原 10/10 結果來自備用模型

    RevHive 作者補做對照測試後發現,原先安全 Agent 的 10/10 結果並非來自設定的 deepseek-v4-flash,而是觸發速率限制後改用的 sensenova-6.8-flash-lite。10 個普通提交的回退案例中,7 次沒有評論,另外 3 次則把程式回歸誇大為安全漏洞。作者計劃以 100 個提交、3 或 4 個項目和固定模型進行盲測。

  3. OpenAI News47

    Hebbia 藉助 GPT-6 Astra 改善金融研究

    Hebbia 測試 GPT-6 Astra,改善金融研究中的來源檢索和簡報製作。在 Hebbia 的測試中,模型引用所需類型來源的得分比最佳替代模型高 13.6 個百分點,所引段落有 99.5% 與問題相關;另有 97.9% 的適用簡報要求獲得滿足。使用者可循引用和投影片註腳追查來源。

11月20日週五
  1. DEV Community37

    TypeSafe 稱 Jev 快 193 倍、便宜 444 倍:這些説法是否屬實?

    BrillMark 以 100 張合成客戶支援工單,測試 Jev、Claude Sonnet 5、GPT-5.6 Sol 和 Gemini 3.8 Flash 的分類表現。Jev 快 4 至 7 倍、便宜 31 至 65 倍,中位延遲為 474 ms;使用 0.90 信心門檻時,自動處理的 61 張工單有 98.4% 的答案一致。測試只涵蓋單次支援分流,結果不應視為普遍效能保證。

  2. 阿里雲開發者社區 AI68

    阿里雲 DeepSeek-V4.1-Flash 全面解析:模型定位、核心特徵、能力表現、適用場景及計費詳解

    DeepSeek-V4.1-Flash 是一款 552B MoE 模型,已在阿里雲百煉上架;其架構、基準表現、適用場景及計費方式均有詳細説明。它在多項編程、終端及自動化基準上的表現高於 V4-Pro,但知識問答類表現略低;上下文窗口為 1M,最大輸出為 384K。快取命中輸入價為未命中的 1/50,阿里雲百煉與 DeepSeek 官方的忙閒時段定義不同,排產須按調用入口區分。

  3. 阿里雲開發者社區 AI70

    Qwen4‑Max 與 Qwen3‑Max 比較評測:兩代旗艦模型差異解析

    Qwen4‑Max 預覽版相較 Qwen3‑Max,差異集中在任務定位、原生多模態、智能體動作範圍、發布流程及訂閲計費五方面。預覽版透過 Token Plan 訂閲 Credits 調用,不開放按量計費,並會於 11 月 25 日下線。文章指出,參數量、上下文窗口、完整基準跑分、開源規劃及正式版定價尚未由官方公佈,其他 Qwen4 型號的測試成績不能代表 Qwen4‑Max 的表現。

  4. 阿里雲開發者社區 AI39

    阿里雲千問(Qwen)大模型怎樣選?四款熱門模型能力、適用場景與優惠全解析

    阿里雲千問(Qwen)四款熱門模型各有定位:qwen3.8-max 主打全模態與智能體,qwen3.7-max 專注純文本推理,qwen3.8-flash 和 qwen3.7-flash 則面向不同成本與能力需求。四款模型輸入價格為每百萬 Token 0.3 元至 12 元,均提供 Batch 半價及 Token Plan;新用戶每個模型可獲 100 萬 Token 免費額度,有效期 90 天。

  5. DEV Community56

    Gemini 4 Neon 的價格梯度與生成測試比較

    Carbon、Neon 和 Hydrogen 的價格及單次生成測試比較顯示,Carbon 優惠期與常規價格下的 Token 單價排序不同。Carbon 優惠價為每百萬 Token 輸入/輸出 2/10 美元,至 2026 年 11 月 30 日;12 月 1 日起常規價為 4/20 美元,Neon 為 3/15 美元,Hydrogen 為 1.50/7.50 美元。

  6. 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。

  7. 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. 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。

  3. 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。