跳到正文
11月13日週五
  1. DEV Community53

    LFM2.5-2.6B Q4 在 livedoor 分類準確率為 10.8%,已作答答案有 93.1% 正確

    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。

  2. 阿里雲開發者社區 AI48

    中文短文本相似度實測:字符 n-gram 的 n 該取幾?

    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。

  3. DEV Community55

    Gemini Decision 1 支援多模態輸入,測試顯示是非判斷可輸出機率值

    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。

  4. Unite.AI48

    Scale AI 與 IMDA 推出新加坡法律推理基準 SG-LegalClarify

    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。

  5. DEV Community60

    Memexa MCP 持久記憶實測:AI 編碼智能體跨工作階段的表現與問題

    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。

  6. elsewhere:文章58

    即夢與 LibTV 誰是中國最便宜的影片 Agent?

    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。

  7. DEV Community39

    AvatarSay:一次性付費 AI 説話角色生成器的構建與基準測試(不設訂閲,僅限虛構角色)

    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。

11月12日週四
  1. CNET63

    Apple HomeView 評測:屏幕出色,仍無法理順混亂的智能家居

    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。

  2. The Verge · AI51

    Jennifer Pattison Tuohy 評測 Apple HomeView,並邀請讀者提問

    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。

  3. Engadget56

    Apple TV 4K 第 4 代評測:表現仍出色,但價格大幅上升

    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。

  4. DEV Community47

    2026 年 LanoX 與 OpenRouter 同模型價格比較

    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。

  5. 阿里雲開發者社區 AI75

    Gemini 4 Carbon 全面開放後接受三項前端實測,作者認為表現不及 Claude Fable 5.2

    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。