Gemini 4 Hydrogen 深度實測:多項任務較 GPT-6.1 Sol 快且省 Token,複雜物理任務仍不及 Carbon
作者以 15 項本機測試評估 Gemini 4 Hydrogen,指出它在多項任務中比 GPT-6.1 Sol 速度更快、Token 用量更少,但複雜物理任務仍不及 Carbon。
作者以 15 項本機測試評估 Gemini 4 Hydrogen,指出它在多項任務中比 GPT-6.1 Sol 速度更快、Token 用量更少,但複雜物理任務仍不及 Carbon。
LFM2.5-2.6B Q4 在 livedoor 日文新聞分類任務的整體準確率為 10.8%,但只回答 29/250 題,當中 27 題正確(93.1%)。測試以每項 250 題比較多個本地模型與 Jev 託管 API;在首 40 題把 token 預算由 512 提至 2,048 後,28 題有作答,11 題仍因達上限而無輸出,另有 1 題輸出無效標籤。
字符 n-gram 短文本相似度實測顯示,n=1 在 Jaccard、Dice 和 TF-IDF 餘弦三種指標中均比 n=2、n=3 更能區分同義改寫與無關文本。測試涵蓋 28 對手工構造的中文短文本;n=3 時有 4 對同義改寫得分為 0。結果建議短句用 n=1,長段落用 n=1 到 2,但實驗規模不足以判斷統計顯著性。
作者以同一組 200 條銀行客服訊息比較 Google Decisions API 與 Jev,兩者準確率接近,但 Jev 回應較快。Gemini Decision 1 的準確率為 92.5%、中位時間為 511 ms;Jev 分別為 92.0% 和 226 ms,兩者每 1,000 條訊息成本分別為 US$0.015 和 US$0.016。
AI 模型知道「婦女、和平與安全」議題,卻不會主動提出這個議題。討論中有人解釋,這是聯合國倡議,旨在讓女性參與戰爭、和平談判、軍事行動及戰後重建的決策。
Agent Security Index 比較了 16 款 AI 紅隊測試工具,整理適用場景、授權、GitHub stars、版本及已公開的商業平台價格;文章是事實比較,並非按測試分數排名。
vLLM 團隊在 Vera Rubin NVL72 單機架上運行 DeepSeek-V4.1-Flash,測得每 GPU 吞吐量為 1.7M tokens/s,較 GB300 NVL72 高 58 倍;每位用戶速度為 387 tokens/s。
Gemini 4 Hydrogen 在 Artificial Analysis Intelligence Index 的表現接近 Claude Sonnet 5.5 和 GPT-6.1 Sol。其成本約為 Claude Sonnet 5.5 的三分之一,但約為 GPT-6.1 Sol 的 2.5 倍。
Gemini Decision 1 的測試顯示,其是非判斷可返回介乎 0 和 1 的機率值,而非只輸出「是」或「否」。文章列出其支援文字、圖像、音訊、影片及 PDF 輸入,輸入價格為每百萬 token 0.10 美元,輸出免費;表中 Jev 的輸入價格為每百萬 token 0.042 美元。作者提醒,單次影片測試只能展示回應格式,不能據此判斷模型整體準確度或機率校準水平。
Lasso 的開發者比較了這款 Mac 螢幕標註 app 與 Presentify、DemoPro、ZoomIt for Mac、Zoom 內置工具及 macOS Markup。
作者因 Cap 的 Studio Mode 和儲存位置控制而由 Loom 轉用 Cap,並比較兩者的價格、功能及適用情境。
作者以無技能、vuejs-ai/skills 和 vue-enterprise 三種設定各建構兩個 Vue 工單應用,並比較功能表現與程式碼品質。六個應用均通過 20 項瀏覽器功能檢查;程式碼盲評平均分(滿分 60)依次為 33.5、41.5 和 56。
Google 在 5 項非 Google 編寫的公開智能體安全基準上測試 Agent Anomaly Detection,對智能體已執行的有害指令標記率為 87%。
Scale AI 與新加坡資訊通信媒體發展管理局(IMDA)推出 SG-LegalClarify,評測語言模型對新加坡法律的推理及識別缺失事實的能力。基準涵蓋 19 個模型、1,860 個情境及 10 個法律領域;閉卷測試由 Claude Fable 5 以 69.8% 領先,加入網頁搜尋後則由 Kimi K3 以 77.8% 領先。閉卷情境中,約 39% 有缺失事實的個案未獲模型追問。
作者實測 Memexa 這個透過 MCP 伺服器為 AI 編碼智能體提供持久記憶的工具,確認專案脈絡可跨工作階段保留。初始化只需一條命令,設定精靈可識別 Claude Code、Cursor、Devin、Codex、Gemini 等 Agent;首次更新因舊遷移未加入 Postgres enum 的 SESSION 值而回傳 500,作者約 30 分鐘修復。
作者以 $200 方案實測 Factory Droid,檢視其模型選擇、用量限制、Missions 長任務及資源消耗。Droid 的 5 小時用量時段多次令任務停擺;單一工作階段長時間執行可佔用逾 1.5 GB 記憶體,日誌亦記錄 9 日內有 87 個子智能體結果因 Factory 後端回傳 404 而遺失。
作者以 Seedance 2.5 720P 有參考圖每秒成本,比較即夢與 LibTV 雙十一個人連續訂閲方案,指出即夢包月各級及包季超級、高級會員較便宜,包年則各有高低。文章指出,兩家宣稱的 0.16元/s 採用以首月積分計算的極限算法;包季標準及基礎版則是 LibTV 較便宜。估算按雙十一活動價折算積分,未計贈送影片數,實際購買價格可能略有不同。
AvatarSay 開發者構建文字生成虛構角色的説話角色工具,並對多款可免費試用或一次性付費的瀏覽器工具進行並排測試。AvatarSay 一次性付費點數包由 $9.90 起且永不過期;測試中的 3 秒影片需時 3 分 32 秒,6 秒影片則需時 12 分 23 秒。工具不接受照片上載,並將免費片段文字上限設為 75 個字符。
Podqi 對 ChatGPT、Gemini 和 Perplexity 的測試發現,三者都曾在購物相關回答中提及或展示高風險網站。測試涵蓋 6,795 個回答,Gemini、ChatGPT 和 Perplexity 出現高風險網站的比例分別為 4%、8% 和 15%。ChatGPT 在為這些網站提供警告方面表現最佳,比例為 24%。
成人表演者 Vanniall 與 404 Media 作者測試 Meta Muse,發現它會扮演 Vanniall,並在露骨性角色扮演中順應及升級對方的性要求。測試情境取材自 Vanniall 曾遇到的粉絲越界互動;她表示 Muse 不但沒有阻止,反而鼓勵這類行為。
Samsung 的 Android XR 智能眼鏡外型時尚,具備本機人臉遮蔽等私隱防護。眼鏡亦整合 Gemini 功能,包括即時翻譯。
AtomCut 創作者 Shayan 比較 AtomCut 與 HyperFrames,將前者定位為可由 AI Agent 經 MCP 操控的瀏覽器動態設計工作室,後者則是把 HTML 頁面轉成 MP4 的框架。
高負載微服務基準測試顯示,Rust 1.82 的 p999 延遲為 2.9 ms,低於 Go 1.23 的 18.4 ms;每 10k 條並行串流的 RSS 分別為 118 MB 和 412 MB。
作者逐項比較 claude-mem 15.18.1 與 palace-rs 0.20.0,涵蓋安裝依賴、記憶寫入方式、檢索評測及遙測。palace-rs 在 LongMemEval s_cleaned 的 470 題測試中,R@1 為 0.915、R@5 為 0.987、R@10 為 0.996;claude-mem README 未列出檢索基準。
CNET 作者實測 Apple HomeView 約兩星期,認為它適合深度使用 Apple 生態系統的家庭,卻未能解決跨品牌智能家居裝置的整合問題。它配備 7 吋屏幕和 Face ID 個人化設定,並能整合 Hue 等 Matter 裝置,但作者未能連接 Lockin Veno Go 智能鎖及 Eufy 設備。售價為 $299,屏幕尺寸和第三方應用支援亦有限。
Google 與 Samsung 合作的 Intelligent Eyewear 將於 12 月 10 日推出,Warby Parker 和 Gentle Monster 款式起價分別為 $395 和 $449。
The Verge 資深智能家居評測員 Jennifer Pattison Tuohy 實測 Apple 首款智能顯示屏 HomeView,售價 $299,並測試桌面和壁掛版本。她在廚房、牀邊、辦公室、茶几和玄關測試其智能家居控制、通話及新 Siri AI 功能,也讓家人試用。Verge 訂戶現可在留言區提問,她會於當日 2PM ET / 11AM PT 開始回覆。
Apple HomeView 提供快捷的家居控制、實用的 Siri AI、可自訂的精美錶面,以及以機身尺寸而言表現出色的音效。Siri 有時反應緩慢,牆掛配件價格高昂。
Apple TV 4K 第 4 代在效能方面仍是最佳串流播放裝置,但 $299 售價較上一代相應版本上市時高 $150,令它比以往更難推薦。新機採用 A19,加入 Siri 遠場麥克風及 Find My 精確尋找遙控器,並支援最多四部第二代 HomePod 或 HomePod mini 2 組成環繞聲配置。評測建議第三代用戶暫不升級;首次購買者可等減價,或考慮翻新產品及二手第三代機。
Engadget 給予 Apple HomeView 8.4 / 10,認為其設計、音質和家庭功能表現良好,但完整體驗高度依賴 iPhone 或 iPad。售價 $299 的 HomeView 提供 Siri 個人化協助、Safari 食譜模式、HomeKit/Matter 智能家居控制和 FaceTime。
Engadget 作者 Sam Rutherford 試用 Google 首批 Android XR 智能眼鏡後,重新看待沒有內置顯示屏的智能眼鏡,認為這批產品已具備相當完整的功能。
Warby Parker 已為與 Google、Samsung 合作推出的 Intelligent Eyewear collection 開放預售,Business Insider 記者試用後認為它與 Meta 眼鏡差異不大。
阿里雲百煉 Token Plan 自 2026 年 11 月 9 日起上調個人版套餐額度,Lite、Essential、Standard 三檔月費不變、額度增加約 74% 至 78%,Pro 月費則下調 187 元。
AMD Zen6 EPYC 9996 SP7 的性能是 Opteron 2393 SE 的 190 倍,晶片價格則是 12.8 倍。Zen6 Venice 最多支援 256 核 512 線程,最高頻率為 5.3GHz,L3 快取最高 1024MB。對比的 Opteron 2393 SE 採用 45nm 工藝,具備 4 核 4 線程;若以單核 IPC 比較,17 年來的提升可能約為一倍。
模組製作者 danielblnc 將 NVIDIA 的 DLSS 5 神經渲染 DLL 載入 RDNA 4 顯示卡,證明這項技術可在 NVIDIA 硬件以外運作。Cyberpunk 2077 初版在 1080p 下不足 20 FPS,數日後的修補程式將效能提升至 30 FPS,但仍遠低於 RTX 5070 Ti。
LanoX 比較了兩個平台在 2026-11-02 的 14 款同型號模型公開價格,每 1M tokens 以美元計。LanoX 的輸出價格有 12 款較低,輸入價格有 9 款較低;中位差距分別為 −67.4% 和 −56.6%。LanoX 並非每款模型都較便宜,OpenRouter 購買點數的費用亦未計入比較。
Claude Fable 5.2 與 Opus 5.5 的選用建議是,一般工作使用 Opus 5.5,較艱鉅的長程、多步驟任務才改用 Fable 5.2。
推薦理由:文章並列兩款模型的價格、基準表現與 Claude Code 切換方法,提供按任務難度分配模型的具體選用框架。
程序員魚皮以三個相同提示詞的前端項目實測 Gemini 4 Carbon,認為其穩定性和成品細節不及 Claude Fable 5.2。Carbon 在卷軸和溶洞項目多次遇上服務端錯誤,溶洞任務加入單檔不超過 600 行的要求後才完成。Artificial Analysis 測試中,Carbon 每項任務平均花 7.76 刀,Fable 5.2 高檔為 9.08 刀,兩者實際耗費差距小於單價差距。
Apex Compute 開發的 Apex Neural Rendering 據稱在畫質與效能上均勝過 NVIDIA DLSS,包含影格生成、超級解析度升頻及光線重建降噪。
作者以相同提示詞比較 6 個 LLM API,五個模型答對全部 3 道推理題,Codex 答對 2 題;六個模型在同三題上的延遲和輸出 token 數相差約 30 倍。