QCS6490 上 Qwen3-0.6B 實測:匯出腳本出錯,Prefill 達 1,555 tok/s
作者在 Qualcomm QCS6490(Dragonwing RB3 Gen 2)上測試 Qwen3-0.6B,測得 Prefill 1,555 tok/s、Decode 24.6 tok/s。
作者在 Qualcomm QCS6490(Dragonwing RB3 Gen 2)上測試 Qwen3-0.6B,測得 Prefill 1,555 tok/s、Decode 24.6 tok/s。
Kino AI 是一款程式碼優先的影片編輯器,讓 Claude Code 或 Codex 透過 MCP 讀取和修改時間軸。它整合素材儲存、影片編輯與審閲連結,並支援即時協作;素材亦可轉錄、生成嵌入向量及描述,並進行人臉偵測。
作者讓 Gemini 指導首場馬拉松備戰,經過五個月準備、整理數十份附有評論的 CSV 檔案,仍在第 22 公里狀態崩潰,Gemini 未有預見。Claude 卻早已預料這個結果,這次經歷也引出對人工智能教練應有期望的反思。
CNET 評測者實測 Govee Permanent Outdoor Lights 2 Pro,認為燈光效果出色,但安裝需多人協作,過程並不輕鬆。產品售價 $640,具備 IP68 防護等級;安裝團隊以三人花了三天、每天兩個半小時完成安裝。配套 App 可設定顏色和場景,亦提供用於複雜規劃的 AI 功能。
Apex Compute 推出的 ANR 在 RTX 5090、3840×2160 的 4 倍幀生成測試中,每幀耗時 0.61 毫秒,較 DLSS 的 0.82 毫秒快約 25%。
Navicat Premium 18 的 AppImage 版本在 Ubuntu 上接受 Postgres、SQLite、Oracle 和 MySQL HeatWave 測試,涵蓋資料傳輸、結構與資料同步、資料遮罩及 AI 功能。
Lightning Faucet 集免費 sats、遊戲及面向 AI Agent 的 L402 API 目錄於一個帳戶,並提供 MCP server。作者實測可用電郵註冊,無需 KYC、錢包或存款即可領取 5-100 sats;免費獎勵需完成約 25 sats 的遊玩額度,提取則須先存款。Microjobs 和 bug bounty 可在無存款下賺取可提取的 sats。
METR 對 Anthropic 為期 11 週的評估估算,在目標明確、結果容易評分的任務中,其模型能力提升速度約為歷史基線的兩倍,約 80% 可能來自 AI。公開版本隱去了部分內部資料和歸因細節,加上方法難以獨立覆核,令估算可能存在高估或低估。
作者以 ImgIng 背景移除工具進行小樣本測試,在一張長髮人像上,遮罩縮放誤差約為 1.5/255,快速模型誤差約為 54/255。同一 ISNet INT8 模型的輸入由 1024 提至 2048 時,人像遮罩中位數由 0.975 降至 0.223;作者建議按模型原生尺寸處理,並按頭髮、玻璃及白色商品分配人工修圖時間。測試每類只用一張相片,並只在一部機器上進行,沒有比較其他背景移除工具。
作者以 NumPy 和 ffmpeg 分析 Tiny Desk Outstanding 網站的 8 個公開樣本,發現三段完整重製片保留參考片的三個鏡頭及排列次序,剪接點延後 0.08 至 0.50 秒。
InferenceKey 實測 Clover-35B-A3B 在 llama.cpp v0.9.0 上只以 AR 模式逐個 token 推理;修補官方 Q4_0 GGUF 後,模型在單張 RTX 4090 上達到 202–211 tokens/s,首 token 延遲為 0.13–0.31 秒。
作者以 PSNR、SSIM 等指標比較不同升頻編碼流程,發現無損轉碼不會改變解碼畫面,而相同 bits-per-pixel 下升頻後再編碼的 PSNR 高 0.6–1.4 dB。無損中間檔適用於保留色度餘量或多次編輯,不能清除壓縮瑕疵;鋭化應放在最後一次有損編碼之後。
作者以 OpenCode 測試 claude-mem 15.18.1,三次跨工作階段測試均讓智能體正確沿用前一工作階段的折扣規則;未啟用記憶時,三次均未完成功能。記憶模式每次請求增加約 5,200 個 token,整次測試處理 126,307 個 token,重述規則則處理 65,739 個 token;兩者耗時相近。作者指出自動擷取可能漏記,並建議重要資訊明確存入 save_memory。
作者檢視保加利亞 App Store 上 MyFitnessPal、Cal AI、Yazio、Lifesum 和 Lose It! 的 183 則近期評論,並逐一閲讀其中 69 則一星及二星評論。
分析 Tiny Desk Outstanding 的 8 段公開樣本後,作者發現 3 段完整重製保留原片三個鏡頭的次序,切點則延後 0.08 至 0.50 秒。三段重製片均於 14.75 至 15.0 秒切回桌邊畫面,片長為 17.4 至 17.7 秒。作者建議剪輯時使用重製片自身的切點;這項 12 fps 分析不能辨別縮放或旋轉。
PADAM NOCTURNE 以 30,000 條含假密鑰的短句測試 AI 智能體記憶遮蔽,0.4.17 和 0.4.18 均未洩漏密鑰,12 條正常短句亦未被遮蔽。
remove.bg 的獨立網站將於 2026 年 12 月 1 日停用,作者以同一組 3 張照片實測免費替代工具並計時。屆時背景移除功能會轉至 Canva 付費方案,直接使用 remove.bg 服務的用戶則會被引導至 Leonardo.ai。
作者以 Grok(grok-4.7,經 xAI API)和 sra-riskgate 0.18.0 進行付款智能體乾跑測試,Grok 自行拒絕兩項攻擊;被要求提交所有項目時,閘門批准真實發票、暫緩無限額授權,並拒絕仿冒收款地址的發票。測試項目包括 2.50 USDC 真實發票,以及無限額授權和另一張 2.50 USDC 發票。全程沒有簽署或發送付款,結果以公開日誌呈現,並非鏈上結算證據。
海信璀璨套系評測涵蓋電視 E7S Pro、空調 X5、洗衣機 E5S Pro 及冰箱 600,體驗其客廳、卧室、廚房和洗護場景的產品表現與智能聯動。套系透過海信愛家 APP 連接設備,並提供由專業團隊統一響應的勘測設計、一體化送裝及維護保養服務。
Peiguan 以兩類合成影格比較 ffmpeg 將 480p 放大至 1080p 的濾鏡,結果顯示表現會隨畫面類型和評分指標而異。平滑照片類畫面中,Bicubic 和 Lanczos 得分接近;硬邊畫面中,Lanczos 加輕度 unsharp 的 PSNR 最高(21.04 dB),但 SSIM 低於 Bicubic(0.761 對 0.7866)。
一項以 Bybit 訂單簿數據進行的測試發現,7 個流動性迷思均未獲數據支持,另外 5 個常見交易觀念也接受了同一套檢驗。研究追蹤 221,487 個掛單牆,發現 69% 至 88% 在價格接近前已被取消,價格觸及時僅有 1% 至 3% 仍然存在。留存掛單牆的價格反彈率與同距離的空白價位相若。
作者以客服工單分流為例,逐步介紹 Gemini Decisions API,並與 Gemini 3.8 Flash、Gemini 4 Hydrogen、Gemini 3.5 Flash-Lite 及 Gemma 4 E2B 比較準確度、速度和成本。
文章比較 SaladCloud、Nodus、RunPod、Vast.ai 和 Modal 在 GPU 工作負載上的價格、中斷處理及檢查點恢復方式,並按任務特性提出選擇建議。
作者在 20 組問答上測試 LLM 評審,發現沿用客服機械人評分標準時,Gemini 3.1 Flash-Lite 把「Paris.」判錯,準確率為 0.60、Cohen's kappa 為 0.20。
Alibi 首次測試 Claude Code 和 OpenAI Codex 時,把執行故障及評測器限額問題計作失敗;重跑後兩者均得 9/10。Alibi 將 INVALID 與 FAIL 分開,逐項列明失敗原因,並讓有失敗或無效任務的測試以錯誤退出。
Perplexity Decider v1.3 涵蓋訓練、評測和使用場景。
StackPrice 比較 11 款自動化及 AI 智能體工具的免費方案,7 款列有免費方案,其餘包括免費自架、僅供開發、未列明方案或免費試用等情況。各工具計算額度的方式不同,例如 Zapier 按操作步驟計算 tasks,Make 則將觸發器和每個模組計為 credits;n8n Community Edition 可免費自架,但需自行支付伺服器費用。
作者在 LeWM 上完成 600 次實驗,找出四種無需重新訓練的規劃方法;其中兩種結合後,長程任務成功率由 22% 提升至 85%。這些方法不改變 LeWM 的模型權重;在較難的 Push-T 測試中,最佳規劃器將方塊維持在目標上的成功率為 56%,主要失敗於目標與示範資料方向相反的情況。
作者以三組遊戲製作測試比較 Kimi 3.1 Pro 與 ChatGPT 6 Astra,指出 Kimi 在部分人物及動物建模需求中會調用 Tripo 等模型工具。測試中的遊戲均有建模或穿模問題;上海場景測試中,作者認為 ChatGPT 生成的細節略勝。作者亦指出,Kimi 3.1 Pro 在金融場景和長程任務方面較 K3 有所提升,但目前對 C 端用戶幾乎不可用。
作者以自建檢查工具測試 34 個知名 SaaS 網站的 AI 可讀性,中位數通過 15 項測量中的 11 項,兩個網站達 14 項,沒有網站滿分。常見問題包括結構化資料未標示段落對應的問題、缺少或含失效連結的簡短網站摘要檔、價格要等 JavaScript 執行後才顯示,以及 robots.txt 阻擋較新的智能體;作者亦指出 429 限流可能被誤判為內容失敗。
Claude Duet 操作簡單,會發送實用的晨間摘要並找出行程衝突,但有時會像過度緊張的私人助理般反覆提醒用戶。評測認為,這種提醒方式可能令人覺得被嘮叨。
MarkTechPost 按 Artificial Analysis 的盲測 Elo 排列 2026 年 AI 影片生成模型,並比較每秒 API 價格及權重授權狀態。
RadixArk 使用 NVIDIA Vera CPUs 執行 Miles 的智能體 RL 訓練,並稱這是已知首個在 Vera CPU 伺服器上以沙盒完成端到端訓練的公開結果。
LiveKit 作者將 Gemini 4 Hydrogen 和 Gemini 3.8 Flash 放入語音 Agent 測試;工具錯誤測試中,Hydrogen 在 54 份對話中沒有虛報工具結果。
NestDaddy 首輪測試官方 MCP 登錄庫中的 37,383 個遠端伺服器,當中 33,496 個(89.6%)有回應。21,049 個無需金鑰便展示工具,12,447 個先要求金鑰;成功展示工具的伺服器合共列出 292,447 個工具,初始化回應時間中位數約 500 ms。
AheadKit 實測 Vercel UI SDK Beta,統計到 91 個 create* 函數,並在模擬 DOM 中測試一個 popover,互動行為符合文件描述。
評測者以 GPT-6.1 Sol 對 OpenAI Codex 進行三項實測,製作發票工具、修復九項預設錯誤,並核對 18 項價格。發票計算準確至分,三項成果均無需修正;但 Codex 未能在瀏覽器測試部分成果。電腦操作須調整 Mac 私隱設定,Numbers 無法開啟時,Codex 改為儲存 Excel 檔案。
Pinky 是免費開源應用程式,讓 AI 智能體透過電腦操作真實 iPhone 或 Android 手機,用戶可批准高風險步驟並隨時接管。批准規則在 Pinky 的閘道中執行,智能體不能自行批准;銀行、錢包和密碼管理程式預設不向智能體顯示。項目仍處於 pre-alpha;Android 設定較簡單,而 iOS 17.4 至 26 需透過 Mac 和 Xcode 安裝,並每週重新安裝。
Codex 對 Marionette 等六種技術堆疊各生成四個 Pokémon 應用,並比較成本、耗時、token 用量與交付質素。Marionette 的假設 API 成本中位數為 $0.3107,每次生成中位數需 5.07 分鐘;四個應用均通過 54 項驗收測試,但成本並非實際帳單。
作者以 Playwright 1.63.0 比較 toHaveScreenshot() 預設值及四種選項,測試 11 種介面變更,發現多項色彩差異仍會通過。threshold 衡量同一像素的顏色差異;maxDiffPixelRatio: 0.01 在 800 x 500 全頁截圖中容許 4 000 個差異像素,因而放過表中多項變更。