跳到正文
11月21日週六
  1. DEV Community47

    OpenAI 的 MedChemBench 將 AI 帶入藥物研發實驗室,評分仍需結合背景理解

    OpenAI 推出 MedChemBench 評測 AI 的藥物化學推理能力,GPT-6.2 Astra 在 xhigh 設定取得 84.5% 可得分數。基準涵蓋 99 道題目、117 篇論文及專利中的 761 個分子結構,測試模型根據已公開資料重建研究決策。分數不代表成功研發藥物的機率;模型能否發現新藥或改善實驗室決策,仍未獲證明。

  2. DEV Community52

    RevHive 安全 Agent 對照測試揭示原 10/10 結果來自備用模型

    RevHive 作者補做對照測試後發現,原先安全 Agent 的 10/10 結果並非來自設定的 deepseek-v4-flash,而是觸發速率限制後改用的 sensenova-6.8-flash-lite。10 個普通提交的回退案例中,7 次沒有評論,另外 3 次則把程式回歸誇大為安全漏洞。作者計劃以 100 個提交、3 或 4 個項目和固定模型進行盲測。

  3. Unite.AI58

    Fathom AI 評測:免費會議筆記實用,但人名和行動項目需核對

    作者實測 Fathom AI,發現會議摘要和數字整理可靠,但轉錄人名、行動項目歸屬及跟進電郵仍會出錯。兩場腳本會議的逐字稿字詞準確率約為 96% 和 92%;Ask Fathom 能指出未有討論的資訊,並連結至錄音中的相關片段。免費方案提供不限次數的錄音、轉錄、儲存及片段;作者建議分享前核對人名,若需要上傳錄音或更準確的逐字稿,可考慮 Otter 或 MeetGeek。

  4. DoNews43

    OpenAI 發佈藥物化學 AI 評測基準 MedChemBench

    OpenAI 發佈 MedChemBench,評估 AI 模型在藥物化學領域的推理能力。基準包含 99 道題目,涵蓋 761 個分子結構;GPT-6.2 Astra 在 xhigh 檔取得 84.5% 可用分,結構重建得分為 95.4%,化合物篩選與數值預測則僅約 50%。OpenAI 指出,基準反映模型應用歷史知識的能力,不等同於真實新藥發現能力。

  5. BBC Technology54

    AI 真的能幫忙找到黑色星期五優惠嗎?實測結果好壞參半

    BBC 使用四個模型的免費版本搜尋黑色星期五 55 吋電視優惠,結果好壞參半;測試並非嚴謹的科學實驗,推薦中出現失效連結、價格或尺寸不符,以及超出預算的商品。ChatGPT 首選是 Joybuy 上售價 £499、原價 £649 的 Hisense 電視,但它另列出的 John Lewis 和 Richer Sounds 連結均顯示該電視已不再網上銷售。

  6. DEV Community44

    LoanPro AI 貸款服務助理如何運作

    LoanPro 將多智能體 AI 助理部署於貸款服務流程,據供應商及其 AWS 合作夥伴提供的數據,通話時間縮短 15%,內部工單減少近 8%,但結果未經獨立驗證。助理由三個專責 Agent 協作,在 150 個帳戶的基準測試中,檢索、摘要及行動選擇達到 99% 準確率;測試方法及生產環境表現仍未有充分資料。

  7. OpenAI News47

    Hebbia 藉助 GPT-6 Astra 改善金融研究

    Hebbia 測試 GPT-6 Astra,改善金融研究中的來源檢索和簡報製作。在 Hebbia 的測試中,模型引用所需類型來源的得分比最佳替代模型高 13.6 個百分點,所引段落有 99.5% 與問題相關;另有 97.9% 的適用簡報要求獲得滿足。使用者可循引用和投影片註腳追查來源。

  8. Browser Use65

    Browser Use 評測的 +5.1 分增幅,最多一半來自自身錯誤

    Browser Use 修正用於在智能體評測中運行 Claude Code 的 adapter 後,分數上升 5.1 分;其後發現評審只讀到答案中位數 2,102 個字元中的 433 個,答案截斷錯誤佔增幅 1.8 至 2.6 分。團隊重判 200 次舊基線後估算,智能體改動帶來 +2.5 分,但其區間包含零。文章建議保存評測證據、重判基線,並以相同任務作配對比較。

  9. DEV Community62

    2026 年 CodexBar 替代方案:8 種在 Mac 追蹤 Claude Code、Codex 和 Cursor 用量上限及重設時間的方法

    E Daugherty 比較 8 種在 Mac 追蹤 AI 編碼工具用量與重設時間的方案,包括 CodexBar、其他應用程式和 Claude Code 狀態列。各方案的服務支援範圍、介面、提醒、成本和平台要求不同;例如 CodeBurn 提供成本分析,其桌面及選單列版本預設會傳送可關閉的匿名使用報告。

  10. DEV Community60

    METR 時間跨度圖顯示 AI 編碼能力增長快於判斷能力

    METR 發佈的最新時間跨度圖顯示,自 2021 年起,AI 在軟件工程基準上可自主完成的任務時長約每七個月翻一倍;判斷類任務的時間跨度則較短,改善也較慢。該圖只追蹤有明確正確答案的任務,不能直接用編碼任務的增長趨勢推斷判斷類工作的進展。文中建議採用任務專屬基準評估模型,並在需要細緻判斷的工作中保留人工參與。

  11. CNET27

    我試用 xBloom Studio 後,改變了對智能咖啡機的看法

    CNET 作者試用 xBloom Studio 後,改變了對智能咖啡機的保留態度,認為它能以自動化沖煮手沖咖啡,並讓用戶細緻調整沖煮參數。咖啡機內置磨豆器有 80 種研磨設定,秤重精確至 0.1 克,亦可透過 app 搜尋及執行沖煮配方;但每次只沖一杯,而且價格不低。

11月20日週五
  1. Recraft 自有模型與設計產品50

    2026 年最佳 AI 海報生成器:比較 6 款工具

    6 款 AI 海報生成器按印刷尺寸與出血位、文字編輯、品牌色彩、匯出格式及免費方案作比較,Canva 是綜合首選,Recraft 則適合從提示詞生成原創插畫並匯出 PNG 或 SVG。Recraft V4.1 免費方案每天每種風格可生成 3 次,但圖片公開且沒有商業授權;Canva 的印刷流程支援出血位。Adobe Express Premium 每月 US$9.99,附有 250 個生成點數。

  2. 阿里雲開發者社區 AI27

    阿里雲伺服器一年多少錢?2026 年 CVM 配置及 30 款價格整理

    文章整理阿里雲伺服器的配置、年付價格與選購建議,涵蓋輕量應用伺服器 L1、經濟型 e、通用型 g7、計算型 c7、超算型 sc3 及 GPU 圖形型 gn8i 等機型。文中列出 L1 約 ¥99 - ¥118/年、g7 約 ¥600 - ¥700/年,並建議按業務需求選擇配置、留意共享型 CPU 積分及啟用自動快照。

  3. DEV Community61

    Pomerado 評測:一小時內把網站任務轉成 MCP 工具

    Pomerado 讓智能體先在網站完成一次指定任務,再將流程轉成可重複呼叫的 MCP 工具;創辦人稱每個工具可在一小時內建立。後續工具呼叫通常需 5-30 秒,執行方式具確定性,而非 computer use。文章建議有官方 API 時優先使用;Pomerado 適合沒有 API、需要反覆執行的高頻網站任務,另有 MIT 開源版及免費託管版。