Glean 測試 TypeSafe 的 Jev,將明確判斷交由決策模型處理
Glean 測試 TypeSafe 的 Jev「System One」模型,將安全檢查、後續建議和路由等可預先列出答案的判斷交由決策模型處理,而非一律使用完整 LLM。
Glean 測試 TypeSafe 的 Jev「System One」模型,將安全檢查、後續建議和路由等可預先列出答案的判斷交由決策模型處理,而非一律使用完整 LLM。
谷歌公開 GPT-6.1 Terra、Kimi K3.1 Pro 和 DeepSeek V4.1 Flash 的 Android Bench 基準成績,評估模型完成 Android 開發任務的能力。
谷歌首次公佈 OpenAI GPT-6.1 Terra、Kimi K3.1 Pro 和 DeepSeek V4.1 Flash 的 Android Bench 跑分。
Nahuel Nucera 以 24 個編碼智能體工作階段比較 vLLM、SGLang 與自製 Rust 服務引擎,結果顯示在 0.5 秒工具等待下,自製引擎總用時較短。
作者審視 jambonz 與 LiveKit 的語音 AI 同時通話量 10 倍主張,指出 jambonz 白皮書在相同 8-vCPU 配置下報稱約 250 個同時語音智能體通話,LiveKit 約 25 個。評估期間作者沒有運行 jambonz、LiveKit 或 Docker,亦缺少完整部署及硬件資料,因此建議按目標工作負載重現測試,並把授權及營運成本納入採購評估。
OpenRouter 以一項 GitHub 任務比較 CLI、技能與 MCP 的輸入 token 用量,Claude Sonnet 5.5 下三者分別為 1,421、3,315 和 59,417 tokens,MCP 使用預設 46 個工具。
OpenRouter 比較 Qwen3.8 27B 的六個服務端點後,在 240 項有標準答案的任務中未檢測到 fp8、fp4 與 fp16 的準確率差異,各端點得分為 98.3% 至 99.2%。
ArtArk 在 SuperCLUE 2026年11月文生圖基準榜單中以 95.14 分排名第一,超越得分 94.27 分的 GPT Image 2.5 Sunburst。ArtArk 在圖文一致性測試中取得 100 分,是所有參測模型中唯一在該項目獲滿分的模型。前五名最高與最低分相差 1.91 分。
Hark 適合處理清晰、範圍明確的網上雜務,但登入、多重驗證及 CAPTCHA 是其主要弱點,加拿大支援亦未確認。文章比較 Meta Muse、Skyvern、Manus 與 Genspark 的用途、收費及加拿大可用情況,並指出 Hark 的基礎用量上限未有公開。
JGENai 與 VIDRAFT 聯合發布元認知基準測試、24 個模型的公開排行榜及 11 款模型專用元認知適配器,用來評估模型能否察覺自身錯誤。基準包含 400 道陷阱題,分別評估選擇題準確率及開放式自我錯誤判斷能力;JGOS-31B-Citizen 排名 24 個模型之首,答對 398 題,陷阱題迴避率達 99.5%。
Google 與 Artificial Analysis 推出多模態知識智能體基準測試 MKA,Gemini 4 Carbon 質素排名第二,平均任務成本約為榜首模型的六分之一。
作者以本機 harness 比較三個 Agent 付款 SDK,發現 Coinbase AgentKit 未發佈的 main 分支在 14 次測試中有 6 次簽署內容與先前報價不同。
Ideogram Blog 評測七款 AI 卡通生成器,按適用場景及免費使用或起始價格作比較。測試涵蓋 Ideogram、Canva、Adobe Firefly、Neolemon、Leonardo.Ai、Fotor 和 Midjourney,並比較人像風格、角色延續、文字處理及匯出檔案。
Ideogram Blog 比較 8 款 AI 圖像編輯工具,並以同一張手袋圖片測試 Ideogram、ChatGPT、Gemini 和 Firefly。測試涵蓋局部改色、移除肩帶及更換背景,結果在顏色呈現、細節保留、石面重建和輸出尺寸上各有差異;Photoshop、Photoroom 和 Pixlr 則只按功能與方案評估。
Ideogram Blog 比較 2026 年 8 款 AI Mockup 生成工具,整理各工具的用途、免費或付費方案,以及選用時需核對的項目。文章按模板、生成式和 3D 工作流分類,並以同一款 NORTHLINE 圖稿測試 Ideogram 和 Recraft 的帆布袋生成與編輯;兩者修改背景後文字仍可讀,Ideogram 縮小印花後亦保持置中。
Ideogram Blog 比較 6 款動漫 AI 圖像生成工具,涵蓋 Ideogram、PixAI、Niji Journey、NovelAI、Leonardo.Ai,以及 ComfyUI 搭配 Animagine XL 4.0,並按不同項目需求提供選擇方向。文章以原創角色、屋頂場景及外套改色比較 Ideogram 和 PixAI,並整理各工具的參考圖控制、費用、私隱、硬件與授權條件。
這篇分析比較 AMD 第六代「Venice」Epyc 與前五代 Epyc 及 Shanghai Opteron,聚焦頂級和中階型號的效能及性價比。Epyc 9996 SP7 相較 Shanghai Opteron 2393 SE 的效能提升 190X、單位效能成本低 14.9X;Epyc 9746 SP8 的效能提升 108.2X、性價比改善 10.8X。
PromeAI 可將草圖、CAD 截圖或照片轉成寫實效果圖,並整合 GPT Image、Nano Banana Pro、Seedance 等第三方圖像及影片模型。
Artificial Analysis 與 Google DeepMind 推出 Multimodal Knowledge Agent(MKA)基準,評測智能體根據複雜視覺檔案完成知識工作任務的能力。
Latent Space 比較 NaiveAI 的 Naive-N0.5-Flash 與 DeepSeek V4.1 Flash 1017、GLM 5.3 Flash,記錄到 Naive-N0.5-Flash 超高速模式的單秒峯值約為 2,100 tokens,但此數值屬上限而非一般速度。
Recraft 比較了 7 款 AI 圖示生成器,並以產品圖示組的風格一致性及原生 SVG 匯出為標準,判定 Recraft 最適合製作生產用圖示組。測試以 24 px UI 圖示組、2 px 描邊等條件生成五個概念圖示,再追加第六個,檢查描邊、圓角和視覺尺寸是否一致,並確認 SVG 是否為可編輯向量路徑。
評測以五項印刷條件比較 7 款 AI 貼紙生成工具,認為 Recraft 最適合從同一畫布輸出刀模輪廓、透明 PNG 和 SVG;Recraft V4.1 是文中預設模型。
Recraft 根據 2026 年 11 月 9 日的廠商頁面,按五項條件比較 7 款 AI 角色生成工具,結論是沒有一款適合所有需求。文章建議用 Recraft 處理跨姿勢一致性、可重用風格及 SVG 匯出,用 Midjourney 生成單張肖像,或用 Gemini、ChatGPT 在對話中修改角色。作者沒有在七個產品中以同一角色進行統一實測,並指出長序列中的頭髮、口袋和鞋色仍可能漂移。
Recraft 比較了 7 款 AI 梗圖生成工具,按免費方案、水印、模板、字幕呈現、匯出尺寸和 API 等六項欄位評估,並指出沒有適用所有情境的單一最佳工具。
ServeTheHome 測試 AMD EPYC 9006「Venice」及 Zen 6 架構,並以旗艦 EPYC 9996 執行 AgentSTH V7 基準測試。EPYC 9006 每插槽最多支援 256 核心,並帶來 PCIe Gen6 及超過兩倍的記憶體頻寬。EPYC 9686F 的最高加速時脈由原先公佈的 5.0GHz 上調至 5.3GHz,其他 SP7 型號規格維持不變。
AMD Zen 6 系列的微架構比較顯示,Zen 6 與 Zen 6c 在亂序執行結構容量上已出現分化。Zen 6 偏向較高時脈,Zen 6c 則有較大的亂序結構,可承受較高記憶體延遲。
OpenRouter 以 8 頁自製掃描文件比較 15 款視覺模型、Mistral OCR 和 Tesseract;Claude Opus 5.5 在 264 次關鍵值檢查中答對 262 次,準確度最高。Mistral OCR 答對 258 次,每 1,000 頁收費 $2.02,是測試中性價比最高的選項。測試亦發現視覺模型可能編造頁面沒有的數字或內容,作者建議用自己的掃描文件測試候選模型。
Wiz Research 分享評估 AI 智能體網絡安全能力的基準設計方法。Cyber Model Arena v3.9 涵蓋 26 個模型、4 個通用 harness、59 個智能體及 327 項挑戰,採用四類取自現實場景的任務、可檢查的程式評分和隔離環境,每項挑戰可嘗試三次。
Unite.AI 比較了 10 款 AI 影片生成 API,並按功能、參考素材控制、API 設計、計費及開發流程整理選擇指南。指南推薦 Runway API 作廣泛生產用途、Google Gemini API 用於對話式影片創作與修訂,以及 BytePlus Seedance API 用於以多種參考素材引導創作。這是編輯比較,並非新的速度或畫質基準測試。
上海言通提出五層協同智能交互引擎評估框架,從感知、理解、決策、生成及通信支撐五層,量化評估智能外呼方案。框架涵蓋噪聲魯棒性、多輪一致性、跨層協同與成本效益,並建議以對抗測試及通信資質核驗評估方案。
Perplexity Comet 是 2026 年較值得轉用的 AI 瀏覽器,尤其適合以研究和閲讀為主的用戶。它免費提供,支援 macOS、Windows、iOS 和 Android,並原生支援 Chrome 擴充功能;AI 功能可整理多個分頁、代用戶瀏覽網站及填寫表格。
Ring 宣佈室內 AI 無人機攝影機 Ring Drone Cam 將於 2027 年 1 月 27 日在美國發售,售價 $249.99。它可由 Ring 感應器觸發,沿預設路線飛往指定位置,並在 Ring app 即時串流及錄影。作者在發佈活動目睹它完成 1 分鐘飛行;Ring 稱單次充電可飛 5 至 8 分鐘,每分鐘飛行需充電 8 分鐘,而失去 Wi-Fi 時只能降落。
Scale Labs 與 CAIS 的 Remote Labor Index 顯示,Fable 5.2 以專業品質完成 41.3% 的自由工作項目,高於 Opus 5.5 的 21.3% 和 GPT-6 Astra 的 20.8%。該指數比較三者完成自由工作項目的表現。
作者在阿里雲 14G 記憶體、2 核 ECS 上測試多款 CMS 生成靜態檔案的效能,PageAdmin 用 10 分鐘 12 秒生成 110842 篇文章,較 PhpCMS 和帝國 CMS 快約 20 倍。PhpCMS 全量生成需 4 個多小時,帝國 CMS 需約 3 小時;WordPress 和 DedeCMS 亦未能滿足作者的大量資料需求。
Anthropic 的 Fable 5.2 在 Scale Labs 的真實自由工作任務基準中完成 41.3% 的專業工作,遠高於約一年前 Manus 的 2.5%。
作者在 Cursor 中讓 Claude Fable 5.2 無人工幹預完成三個純前端項目,認為其審美出色,但與 Claude Opus 5.5 相比提升不明顯,工作速度亦未見改善。
推薦理由:三個純前端項目的實測呈現 Claude Fable 5.2 的視覺表現、修正耗時與實際花費,並提供與 Opus 5.5 的比較。
InferenceKey 在單張 32 GB RTX PRO 4500 Blackwell 上實測 NVIDIA Nemotron 3.5 Transcribe,評估提示詞如何選擇逐字稿、清理稿或附逐字時間戳的説話者輸出。
pyannote.audio 在 MacBook Air M3 上改用 Apple GPU(MPS)後,180 秒音訊的説話者分離由 1 分 33 秒縮至 21 秒,整體流程估算由 1 分 59 秒縮至 48 秒。
CNET 評測者全年測試窗戶保安攝影機後,選出 Eufy E10 Window Cam 作為送禮首選。這款售價 $80 的攝影機提供 2.5K 解像度、免費 AI 偵測及本機影片儲存,並可向下調整拍攝角度。人類偵測可靠,寵物偵測表現較不穩定;安裝毋須訂閲。
Mago 是隨 Mage-OS 4.0.0 推出的開源 Magento 管理後台助理,作者評測其安全設計,並介紹自行開發的 MCP 外掛。它會在資料送往 AI provider 前過濾姓名、電郵、電話及地址等個人資料,寫入操作須經確認,對話、工具呼叫和查詢亦會留下記錄。