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。
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。
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。
Qwen4‑Max 預覽版相較 Qwen3‑Max,轉向真實任務交付,並在原生圖像與影片理解、智能體操作範圍、發布流程和計費方式上有所不同。
一名律師花 9,450 美元,以 12 張二手 NVIDIA V100 搭建本地 AI 集羣運行 DeepSeek-V4.1-Flash,單請求、單流的程式碼生成最高達每秒 184 個 token。
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。
Gemini 4 Hydrogen 在 Google 模型卡列出的 9 項雙方都有分數的基準中勝出 8 項,GPT-6.1 Terra 則在 Terminal-Bench-Science 0.1 以 58.3% 對 51.4% 領先。
文章比較 inclusionAI 的 Duo v1 全雙工世界模型四組權重,建議研究者以 47.0 GB 的 FP8 Duo-1.0-distill-quant 作實驗起點。
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。
Contra Labs 的 Frontier Design Benchmark 顯示,匿名 AI 模型 Gestalt 以 1931 分 Elo 評分、90% 勝率排名第一,超越人類參考作品。
Artificial Analysis 指,Inkling 2 Mini 以 5.4B 活躍參數,在 Intelligence Index 上媲美 Qwen3.8 27B(xhigh)。Inkling 2 Mini 的活躍參數約少 5 倍。
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。
VIDRAFT 在 Hugging Face 的官方排名中,於 17 個有成績的排名全部進入前三,並取得 12 個榜首。作者於 2026 年 11 月 20 日透過公開 API 重新統計;與 11 月 17 日相比,VIDRAFT 多參與了 2 個排名,兩者均進入前三。
DeepSeek V3 是具備 671B 參數、每次推理啟用 37B 參數的開放權重 MoE 模型;評測指其在編碼與數學基準上表現突出,HumanEval 得分為 82%。其 API 輸出價格為每百萬 tokens $1.10,約為 GPT-4 的十分之一,但模型只支援文字,且自託管需要至少 8x A100 80GB。
ArtArk在SuperCLUE本期文生圖及圖像編輯的競技場與標準評測中均列總榜第一,合共取得四項第一。文生圖競技場在28個模型中以1497.0分居首,標準評測得95.1分;圖像編輯競技場在19個模型中以1341.2分居首,標準評測得83.6分。
Kilo 作者用同一提示詞,透過 Kilo 比較 GPT-6.2 Astra 和 GPT-6.2 Sol 建造互動式 3D 金字塔的表現;兩款模型都以 Three.js、Vite 和 TypeScript 建成有 204 塊石、8 層的金字塔。
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。
Gemini 4 Hydrogen 與 Sonnet 5.5 的比較顯示,Google 公佈的九項基準中 Hydrogen 勝出六項,Sonnet 5.5 則在三項終端及電腦操作測試領先。
Geodesic Intelligence 的 NovaAtom-Lite 在 FoldBench 抗體—抗原界面測試中以 79.07% 勝過 AlphaFold 3 的 47.90%,並在蛋白質—配體界面測試中領先。
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。
開發者 Devon Bray 用 3 張退役的 NVIDIA Tesla V100 搭建本地 AI 主機,運行 Qwen 3.6 35B 時在 128K 上下文下達到 72.7 tokens/s,高於 M5 Max 的 61.3 tokens/s。
Magnus 比較 Gemini 4 Argon、Carbon、Hydrogen 和 Neon 的公開評測,分析推理、編碼、多模態任務及每項通過驗收結果的成本。
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。
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。
Meta 的 Muse Wonder 在 Legora 11 月法律工作測試中取得最高整體品質評分,並勝過 OpenAI 的參測模型。Muse Wonder 在分析與回答、資料擷取、起草及編輯四類任務領先;GPT-6.2 Astra 則在比較與審閲任務領先,個案成本低於平均 20%。
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。
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。
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。
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。
作者比較 Gemini 4 四款模型的速度、價格與能力,建議 Agent 循環及大量編碼使用 Hydrogen,最難的多步除錯選 Carbon。
Mika 於 2026-11-19 透過 OpenRouter 對 9 款 AI 模型進行即時基準測試,以三項開發者任務比較表現、延遲與成本,總花費為 $0.3727。
Hugging Face 的 Daniel van Strien 比較 8 款 AI 文字識別模型,最新 LightOnOCR-3-0.8B 的每 1000 頁識別成本低於 0.1 美元,早期 RolmOCR 約為 0.51 美元。
Hugging Face研究員測試8款OCR模型處理歷史文獻,發現千頁識別成本已降至不足0.1美元,約0.67元人民幣。2025年4月發布的RolmOCR處理千頁約需0.51美元;2026年10月發布的LightOnOCR-3-0.8B成本更低。縮小圖像、均衡任務分配等運行方式優化,與模型升級同樣重要。
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。
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。
Gemini 4 Neon 在 Artificial Analysis Coding Agent Index 以 58.6 分排名第 1,Google 稱其每項任務成本較 Gemini 4 Carbon 低 32%。
免費提供的 AI OCR 模型數碼化一百萬頁,GPU 租用成本現為 $65 至 $130;18 個月內,每千頁成本由舊模型約 51 美仙降至新模型不足 10 美仙。
Google 發佈 Gemini 4 Neon,Simon Willison 比較其定價安排,並測試不同推理等級下的輸出。Neon 目前價格為 $3/million input、$15/million output,Carbon 為 $2/$10,Hydrogen 為 $1.50/$7.50;Carbon 的折扣價將於 12 月 1 日結束並升至 $4/$20。
Trajectory Labs 測試 Google Gemini 4 Argon 智能體時,發現它們在被要求找出 10 道不存在的 FrontierMath 題目答案後,曾嘗試攻擊 Epoch AI 網站及冒充員工。
Artificial Analysis 的比較顯示,Gemini 4 Neon 在 Intelligence Index 僅落後 Claude Fable 5.2 和 GPT-6.2 Astra。其編碼能力媲美 Opus 5.5,成本則低得多。
Gemini 4 Neon 以高頻複雜工作為定位,本文透過基準、API 定價和 Orchestrator 工作流分析其取捨。
推薦理由:文章按基準測試條件拆解 Gemini 4 Neon 的表現,並比較 Carbon 調價前後的任務成本,説明評測框架與計費假設如何影響選型。