Fable 5.2 花 8 小時、約 550 美元生成可玩的 FPS 原型
Anthropic 工程師 Felix Rieseberg 使用 Fable 5.2,花 8 小時、約 550 美元生成一個可玩的 FPS 小型關卡原型。3D 模型、聲音和紋理均由 AI 從零生成,使用 445 million input tokens(大部分經快取)及 2.7 million output tokens。
Anthropic 工程師 Felix Rieseberg 使用 Fable 5.2,花 8 小時、約 550 美元生成一個可玩的 FPS 小型關卡原型。3D 模型、聲音和紋理均由 AI 從零生成,使用 445 million input tokens(大部分經快取)及 2.7 million output tokens。
Anclum 團隊在一台 Linux 主機上逐字執行目錄中 20 條 MCP 伺服器安裝命令,10 個程序成功啟動、6 條失敗,另有 4 條未能判定。6 條失敗中有 5 條源於 Anclum 的命令抽取流程,另 1 條因上游套件命名空間失效。團隊已修正文字清理流程,並新增檢查以攔截句子式命令和套件名稱尾隨標點;測試只涵蓋一台主機上的 20 個伺服器,並非普查。
SatBotly 探測 458 個回傳有效 HTTP 402 的端點,比較 x402、L402 和 MPP 的每次呼叫價格;中位數分別為 $0.015、10 sats(約 $0.008)和 $0.005125。整體中位數為 $0.01,238 個端點(52%)收費不超過一美仙;這次探測只讀取未付款的 402 價格挑戰,並非成功購買的收據。
FineBI Cloud、永洪 BI、觀遠 BI 與阿里雲 Quick BI 在對話式問數的口徑一致性、溯源完整性和權限控制上採用不同技術路線。FineBI Cloud 以指標中心、三級溯源和行列級權限控制為基礎;Quick BI 採用模型直連與權限透傳,永洪 BI 和觀遠 BI 依賴語義層或指標平台。企業選型應結合數據治理基礎,並以真實業務場景驗證答案口徑、數據來源和權限邊界。
阿里雲 AIDBS Data Agent 在 BIRD-CRITIC-1.0-Open、DAB 和 BIRD-INTERACT 三項公開評測中均排名第一。它在三項評測的任務成功率或 Pass@1 分別為 52.28%、88.2% 和 42.33%,涵蓋 SQL 診斷修復、真實數據任務及動態多輪交互。其 Data Agent 現已開放免費體驗,每天 30 分鐘。
阿里雲瑤池資料庫 AIDBS Data Agent 在 BIRD-CRITIC-1.0-Open、DAB 和 BIRD-INTERACT 三項公開評測中均排名第一。它在三項評測的成績分別為 52.28% SR、88.2% Pass@1,以及在 BIRD-INTERACT 600 項動態交互任務中達到 42.33% 任務成功率。AIDBS Data Agent 現已開放免費體驗,每天 30 分鐘。
Tech Analysis & Insights 以同一需求測試 15 多款免費 AI 登陸頁建立工具,指出 Manus 可輸出整潔程式碼,Base44 則能連同頁面生成身份驗證、資料庫及 Stripe 整合。
作者以 CADEC 語料測試六種 LLM 可靠性層,發現各層主要按可信度篩選答案,幾乎沒有修正錯誤。模型憑記憶回答 SNOMED CT 代碼時,有 13% 至 18% 的代碼並不存在;改為從選單挑選,得分高出十倍。文章指出,準確率會掩蓋被擱置的正確答案,因此應同時衡量產出率,即全部記錄中的正確答案比例;任何後置層都無法補回抽取器漏掉的提及。
阿里雲瓴羊 Quick Service 面向大型企業,結合高並發架構與私有化部署,提供雲原生微服務、秒級彈性擴縮容及「答辦一體」服務。系統在萬級並發場景下 P99 響應時間低於 1.5 秒,峯值可用性達 99.99%,並提供 SaaS、私有化及混合雲三種部署模式。
YoAgent、Dify、釦子 Coze 和阿里雲百鍊面向製造業的多智能體協同、知識應用與質量追溯場景各有側重。YoAgent 結合企業語義建模、知識庫、智能問數與流程編排,適合評估跨業務對象的完整任務。選型應以企業真實資料、現有系統和完整任務驗證適配性,並納入實施及維護成本。
阿里雲瓴羊Quick Service透過直連後端API,在對話中執行修改地址、催促發貨及退換貨等售後操作,核心差異是由「能答」走向「能辦」。系統支援十多款模型,並提供公有雲SaaS、混合雲及私有化部署。它適合售後執行複雜、需要多系統協同的企業,並非追求極簡啟動的個人或微型團隊之選。
瓴羊Quick Service面向跨境賣家,透過直連訂單、物流等後端系統,讓 AI Agent 在對話中辦理改地址、催發貨及退換貨,而非只提供操作指引。產品支援多平台接入、ChatGPT、Claude、LLaMA 等模型,以及 SaaS、私有化和混合雲部署。文中列出複雜業務處理時長縮短60%、AI問答準確率93%等廠商及合作方數據,並指出跨平台獨立驗證仍有限。
HoverAir Versa 是結合手持雲台相機與迷你無人機的二合一裝置,評測評分為 8/10。它支援 4K/60 fps,配備 1/1.3-inch 感光元件,但沒有避障功能,亦缺少進階相機模式。受美國監管問題影響,當地供應情況未明。
開發者 Jim Bruges 在配備 16GB 內存的 Arduino Ventuno Q 上運行 7440 億參數、419GB 的 GLM-5.3,約 7 分鐘才生成地球、火星、金星三個詞。模型生成速度僅為 0.03 Token/s,測試全程由 CPU 推理,SSD 讀寫速度成為效率瓶頸。
在 300 條 Amazon 產品評論的情感分析測試中,Mistral Small (2603) 以 97.7% 通過率達到 88% 門檻,每項成功任務成本為 $0.000019,是九個模型中最低,並與基準 GPT-6.1 Sol 相符。
分類器能標記 85% 的真正緊急票單,同時也會標記 7% 的非緊急票單。
阿里雲瓴羊 Quick Service 的體驗報告聚焦 AI Agent 如何把智能客服從回答問題推進至在對話中辦理事務。系統可調用後端 API 處理查物流、改地址及退款,AI 問答準確率為 93%,複雜業務處理時長縮短約 60%。報告亦指出,企業需評估數據工程門檻,以及與阿里商業生態的耦合程度。
阿里雲瓴羊 Quick Service 把 AI Agent 接入訂單、物流及退款系統,讓用戶在對話中完成改地址、物流攔截和退換貨等售後流程。文章披露,某頭部美妝電商的退換貨處理縮至 90 秒全自動完成,人工介入率由 35% 降至 8%。平台採用 AI 託管、人工監督的模式,並支援多渠道及企業自有後端系統。
Nanbeige 4.2 3B 的 4-bit 量化版本可在 16GB MacBook Pro 上使用,但回應速度是作者測試過的系列中最慢。模型檔案大小為 2.1 GB,簡單文字問題約需兩分鐘,小型編碼任務則約需十分鐘思考;輸出表現不俗,亦能生成可用程式碼。
作者以相同專案和指示,測試 Cursor、Copilot、Codex 和 Antigravity 開發 SprintBoard 網頁應用;Codex 的首輪成果最出色,Antigravity 則在 UI 修飾和瀏覽器測試方面表現最好。Cursor 擅長規劃和除錯,Copilot 適合已使用 VS Code 或依賴 GitHub issues 和 pull requests 的團隊。
Anthropic 的 Claude Fable 5.2 每百萬 token 價格下調 20%,但每項任務輸出 token 數由 118,000 增至 274,000,文中引述的估算顯示每項任務成本約翻倍。
GPT-6 Astra 對 Qwen3.5-0.8B 進行權重編輯後,MATH-500 分數由 7.9% 升至 48.1%;大語言模型可從權重讀出訓練資料的主張則未通過獨立審核。編輯只改動 131,072 個權重(模型的 0.016%),獨立重跑得 51.0%;分數提升主要來自修復重複生成迴圈,而非新增數學能力。
HUAWEI 暢享100系列按畫質、護眼、手感與聲場比較三款手機的追劇體驗,HUAWEI 暢享100 Pro Max主打大屏、AI HDR視頻增強與立體聲場。HUAWEI 暢享100 Pro以OLED屏和2160Hz高頻PWM調光兼顧畫質與長時間觀看舒適度;HUAWEI 暢享100則採用LCD屏及電子書模式,定位較實惠。
Ziva 在 Godot 4.7.2 中用 3 分 58 秒建立主選單和設定頁,並在 5 種視窗尺寸檢查版面,均未發現裁切。不過,未勾選的 Fullscreen 核取方塊在深色背景上幾乎不可見,尺寸檢查未察覺;再次要求檢視截圖後,Ziva 才修正其圖示。文章亦提供以容器安排版面、檢查不同視窗尺寸和畫面狀態的做法,並説明這只是單一專案、單次執行的示例,並非基準測試。
Ziva 實測修復一段由論壇作者藉助 ChatGPT 編寫並拼接的 GDShader,修正編譯錯誤並找出精靈變暗的原因。問題源於 `texture(TEXTURE, UV) * COLOR` 重複套用紋理;改用 `COLOR` 後,像素檢查確認預設設定下兩個精靈沒有像素差異。
Next.js 16.4.6 會自動壓縮未預先壓縮的 Route Handler 回應;實測顯示 SSE 與 AI SDK 7.0.166 串流仍約每 500 毫秒送出一段。但自帶 gzip 的回應會遭重複壓縮;Content-Length 自 16.4.5 起仍被移除,600 KB PDF 因而以分塊方式傳送。測試只直接使用 next start,未涵蓋反向代理、CDN 或 Vercel。
作者讓 Claude Fable 5.2 根據侄子的手繪設定,一夜生成一款 12 關的橫向捲軸格鬥遊戲,經後續測試和修改後擴展至 18 名角色,並支援四人遊玩。
SAG2 是面向本地知識庫的多跳檢索方案,建庫時不調用大語言模型、不產生嵌入向量或使用向量資料庫,改用 BM25 建立關鍵詞索引。同為 11,656 段文本,SAG 論文報告的建庫時間為 4.57 小時;文中引述的測試在 M4 Pro、64 GB 記憶體的 Mac 上重建三次,取中位數為 2.36 秒。
QuickSilver Pro 實測 Claude Code 在 GitHub Codespaces 與 QuickSilver Machines 執行同一重構任務,平均耗時分別為 24.0 秒與 24.5 秒。
VDB 在 11 月 2–8 日記錄到 180 個首次出現的不存在套件名稱,10 個名稱至少被一個模型再次生成,沒有名稱在模型推薦後被註冊。新名稱包括 PyPI 103 個、npm 47 個、crates.io 25 個及 Go 5 個;gpt-4o-mini 生成 158 個,claude-haiku-4-5 生成 22 個。名單目前共收錄 2,199 個名稱。
Nodus 團隊比較 TensorDock 的訓練替代方案,指出 Nodus 會在替換主機上恢復最新已提交的檢查點,而 TensorDock 用戶須自行恢復訓練狀態。
ByteDance 的豆包工作在 SuperCLUE-Office 10 月測評中,以 85.33 分在 8 款中國辦公 Agent 中排名第一;Kimi Work 以 84.57 分排第二,前四名總分相差 2.65 分。豆包工作文檔處理得 87.12 分,Kimi Work 則以 88.00 分在數據分析範疇居首。測評以真實辦公任務檢查可編輯文件等交付成果,編造數據最多倒扣 4 檔。
Qwen3.8-27B-DSpine-b16 的模型卡數據顯示,接受長度較 DFlash2 平均增加 22.8%,吞吐量則只增加 14.0%,10 組數據的吞吐量增幅均較低。草稿模型有 2,025,910,000 個參數,大小為 4.05GB,佔目標模型 27.78B 參數的 7.3%。數據均為作者報告;分析者沒有執行檢查點或重現結果,只讀取 safetensors 標頭。
Claude Fable 5.2 在人工分析中取得 65 分,創下迄今最高分。能力指數衡量模型在特定能力及行業的表現,涵蓋 Token 使用量、成本、上下文窗口,以及每項任務所需時間、輸出速度、首次回答 token 時間和首個 token 時間。
Pydantic AI 將 Pydantic AI Harness 列為 2026 年 Python 智能體 harness 的整體首選,並比較另外七款方案的功能和限制。Pydantic AI 與 Harness 合計涵蓋 80+ 項能力;Harness 支援 30+ 個模型供應商、12 個沙盒與遠端工作區,以及 9 個持久化執行引擎。文章亦按現有技術堆疊等條件列出其他方案的適用情境。
SQLite 數字解析擴展的原型實驗比較 C 與 Rust 的動態庫體積及執行效能,並以 Claude 協助生成和迭代實作。初版 C 動態庫為 14 KB,但使用 strtod 的 C 實作慢於兩個 Rust 版本;加入 Clinger 快速路徑後,C 在 200 萬行資料的混合、整數和小數測試中均有最低的每行淨耗時。結果只適用於這次原型比較,不能據此判定兩種語言普遍的效能高低。
Claude Fable 5.2 在 Artificial Analysis 得分 65,創下目前最高分。原文未提供評測細節或模型的可用性資訊。
Handshake 展示金融建模、科研圖像判讀和文件操作安全三類場景,呈現前沿模型評測如何涵蓋任務工作流、專業判斷及執行軌跡。金融場景採用 ATLAS-Finance 模擬銀行環境,科研圖像場景使用 VIALS;安全場景則追蹤文件存取和工具操作。這些演示指出,評估智能體不能只看最終答案,但不構成對模型整體能力的排名。
作者在 Linux x86_64 上比較 12 個 rustls worktree 的平行建置,Cargo 用時 3 min 42 s,Mitts 用時 9.3 s;這是整批完成時間,未計入初始預熱建置。Mitts 透過共用快取重用符合條件的已完成結果,各 worktree 的輸出仍分開。冷建置時 Cargo 在多數項目較快,單檔修改測試中亦有部分項目由 Cargo 勝出。
在所報告的測試設定中,Qwen3.5-0.8B 使用 50 次前向傳播後,MATH-500 評分由 7.9% 升至 48.1%,答案觸及 token 上限的比例則由 93.0% 降至 33.1%。Gemma 3 270M 的評分基準為 6.8%,使用 25 次及 50 次前向傳播後分別為 7.7% 和 7.0%,增幅尚未確立。結果顯示,解除生成瓶頸不等於證明數學能力有所提升。