跳到正文
目前篩選:模型
11月21日週六
  1. 阿里雲開發者社區 AI70

    DeepSeek-V4.1-Flash 模型解析:定位、能力、應用場景與計費

    DeepSeek-V4.1-Flash 已上架阿里雲百煉,文章梳理其模型定位、架構特點、能力表現、應用場景與計費方式。文中列出 1M 上下文、384K 最大輸出,並指其在多項編程、終端及 Agent 基準上超過 V4-Pro。文章亦比較百煉與 DeepSeek 官方 API 的峯谷時段口徑,並説明快取命中會影響費用。

  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。

11月20日週五
  1. 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。

11月19日週四
  1. 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。

  2. 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。

  3. 創業邦78

    Google 上線 Gemini 4 Neon,Artificial Analysis 編程 Agent 榜以 58.6 分登頂

    Google 正式上線 Gemini 4 Neon;它在 Artificial Analysis 編程 Agent 榜取得 58.6 分,排名第一。Google 稱它在與 Claude Opus 5.5 和 GPT-6.2 Sol 的 19 組比較中,有 16 組取得最高成績。

    推薦理由:文章並列 Neon 的編程榜排名、單次任務成本與 Antigravity 的多 Agent 分工,呈現其表現與任務開支的比較脈絡。

11月18日週三
  1. DEV Community51

    Hugging Face 官方基準排行榜盤點:Darwin 在 57 個排行榜中取得 12 個第一,作者以 API 重算數據

    Vidraft_lab 用 Hugging Face 公開 API 重算《每日經濟》報道的數據,核對出 Darwin 在 57 個排行榜中有 12 個居首。Darwin 參加的 15 個排行榜均列前三;作者按分數重算名次,並把同分計作共同第一。截至 11 月 18 日,記錄數為 1,462,較報道所列 11 月 17 日的 1,458 多 4。

  2. TNW71

    Bloomberg 報道:八間公司的 AI 模型在測試中曾把平民標為軍事目標

    據 Bloomberg 報道,Vals 對八間公司的 AI 模型進行模擬測試,發現它們曾把平民、救護車、投降士兵及伊朗一所學校標為軍事目標。其中,Claude Opus 5.5 在 32 次衞星影像任務中 22 次選中 Minab 一所學校;被告知任務是遊戲後,它選中該校 23 次,三款 OpenAI 模型則分別選中 9、11 及 13 次。

11月17日週二
  1. IT之家49

    IT早報 1117:阿里千問 Qwen4-Max 上線、華為 Mate X8 定檔 11 月 24 日、OPPO Reno17 系列發布

    IT早報 1117 聚焦阿里千問 Qwen4-Max 上線、華為 Mate X8 定於 11 月 24 日發布,以及 OPPO Reno17 系列發布。Qwen4-Max 擁有 2.4 萬億參數、100 萬 Token 上下文窗口,任務成本較上一代降低超 60%,並已開放 API 接入。騰訊混元 Hy4 flash 總參數為 224B、激活參數為 12B,支援 100 萬 token 上下文。

11月16日週一
11月15日週日
  1. DEV Community66

    7 款 AI 聊天機械人並列測試:ChatGPT 和 Grok 短篇營銷文案表現最佳

    Skryvo AI 以同一組四項日常寫作任務測試 7 款 AI 聊天機械人,結果 ChatGPT(GPT-6.1 Sol)和 Grok 4.7 的短篇營銷文案最適合直接使用。六款模型加入了原文未提供的產品功能,五款超出 Instagram 每則貼文五個 hashtag 的上限。Claude Sonnet 5.5 是唯一會就缺失資料提問的模型;每項提示只測試一次,作者提醒細微差異可能只是噪音。

11月14日週六
11月12日週四
  1. DEV Community44

    DeepSeek-V4.1-Flash-1017 評估:60 頁 PDF 的文字擷取遺漏了甚麼

    DeepSeek-V4.1-Flash-1017 在一次 60 頁 PDF 測試中,答對全部 20 題文字及表格題,卻未能提供 5 題只在點陣圖中出現的數值。模型亦正確回應 3 題文件明確未提供的資訊;另一次圖片輸入測試記錄為 5/5 答對,但沒有保留完整對話紀錄。這是一次診斷測試,並非標準化基準測試或受控模型比較。

11月11日週三
11月10日週二
11月9日週一
  1. DEV Community70

    提示詞快取命中率由 70% 升至 90%,AI 智能體任務中位成本下降 38%

    AICostbudget.com 以 72 個模型、13 家供應商的標價估算固定任務成本,提示詞快取命中率由 70% 升至 90% 時,中位成本由 $0.46 降至 $0.29,減少 38%。在 59 組同供應商比較中,提升命中率在 35 組比改用下一個較便宜模型節省更多。價格採用截至 2026 年 11 月 9 日的標價;任務規模及命中率是作者設定的情境,並非對真實 AI 智能體的測量結果。

11月8日週日
11月7日週六
11月6日週五