Strands Agents SDK 實測 Graph、Swarm 與 Workflow 在同一個作業系統程序中的組合
Pin Xiong 使用 strands-agents 1.63.0、strands-agents-tools 0.8.11 和 amazon.nova-pro-v1:0,進行九組實驗,比較 Graph、Swarm 與 Workflow 在同一個作業系統程序內組合時的資料傳遞、失敗處理及成本。
Pin Xiong 使用 strands-agents 1.63.0、strands-agents-tools 0.8.11 和 amazon.nova-pro-v1:0,進行九組實驗,比較 Graph、Swarm 與 Workflow 在同一個作業系統程序內組合時的資料傳遞、失敗處理及成本。
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。
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。
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。
Warp、iTerm2 與 Alacritty 各自採取不同設計方向,分別側重 AI 輔助及現代化介面、豐富功能,以及高速文字渲染。Warp 的 AI 功能結合 GPT-4 和廠商自家微調模型;Alacritty 啟動時間低於 100 毫秒,而 iTerm2 僅支援 macOS。
OpenAI 推出 MedChemBench 基準測試,評估 AI 模型在藥物化學研究中的推理能力;基準包含 99 道題目,取自 117 篇論文與專利,涉及 761 個分子結構。
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。
tappers 在 VM221 以 gemini-3.8-flash 比較兩種編碼智能體 linter,附帶具體修復提示的方案在隱藏評分套件同樣取得 20/20(100%),並將累計輸入 token 減少 69.6%。該方案令規則手冊查閲由 1 次降至 0 次、模型呼叫由 3 次減至 2 次,執行時間由 21.60s 降至 14.86s。
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。
作者測量 Apify 託管 MCP 伺服器上的 10 個 Actor,工具定義共 27,797 tokens,單次三列結果最高達 7,434 tokens。
Monomem 與 agentmemory 在 LongMemEval-S 評測中的分數差異未達統計顯著,作者將結果視為平手。作者以同一數據檔重跑 agentmemory 自行發佈的評測,重現 84.7%;Monomem 得分 86.0%(470 題中答對 404 題),exact McNemar test 的 p = 0.29。
Contra Labs 的 Frontier Design Benchmark 顯示,匿名 AI 模型 Gestalt 以 1931 分 Elo 評分、90% 勝率排名第一,超越人類參考作品。
Artificial Analysis 指,Inkling 2 Mini 以 5.4B 活躍參數,在 Intelligence Index 上媲美 Qwen3.8 27B(xhigh)。Inkling 2 Mini 的活躍參數約少 5 倍。
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。
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。
Browser Use 修正執行 Claude Code 的智能體評測 adapter 後,分數上升 +5.1 分,之後發現 LLM 評審此前只讀取 FINAL ANSWER: 標記後的文字。
Ideogram Blog 比較 8 款 Midjourney 替代工具,並以三組設計簡報實測 Ideogram 4.6、Midjourney V8.2 和三款免費工具。
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。
Business Insider 把 iPhone 18 Pro Max 列為 2026 年最佳 iPhone,並推薦 iPhone 17 作為不需要高階相機時較實惠的選擇。指南亦比較 iPhone Duo、iPhone Air 和舊款,按價格、效能、螢幕尺寸及相機功能説明不同型號的取捨。
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。
METR 更新時間跨度圖,加入判斷要求較高的任務。更新後的分析發現,部分 AI 能力仍呈指數增長,但模型在設計 AI 評測方面仍落後。
文章比較 Denvr Dataworks 的 H100 訓練替代方案,列出 Nodus 按需價為每 GPU 小時 $2.60,低於 Denvr 的 $3.00。
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。
作者用自建 Chrome 擴充功能檢查 63 間網店的 165 個頁面,指出只看頁面內 JavaScript 呼叫,未必能確認像素事件是否真正送出。測試中,一款常見工具在 71 個頁面顯示了 52 個未離開瀏覽器的事件;這 165 個頁面中另有 38 個 Meta 事件來自 Shopify 像素沙盒。
Sandscale 與 E2B 都以 Firecracker microVM 執行智能體編寫的程式;文章指出,兩者主要差異在閒置計費、治理、部署選項和文件功能,而非隔離技術。
Sandscale 比較其 AI Agent 沙箱與 Daytona,聚焦預設隔離方式、閒置時間計費及暫停後記憶體狀態。文中假設 2 vCPU、4 GiB 沙箱運行 60 分鐘、實際工作 10 分鐘,估算 Daytona 預設 15 分鐘自動停止時每次 $0.0690,另加磁碟費;Sandscale 計入 0.333 awake vCPU-hours。
評測者實測 14 款抽濕機,記錄除濕表現、耗電量和噪音,並選出不同用途的推薦款式。Ebac 4650e獲評整體最佳,現於 Argos 售 £229。
Genkit 與 LangChain 的比較顯示,Google 開源框架 Genkit 以具型別、可追蹤及可部署的流程為核心,LangChain 配合 LangGraph 則以智能體及狀態圖編排為主。
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。
作者根據 2026 年 11 月 20 日的資料,比較了 37 個名稱含「Postgres」的 MCP 伺服器,指出全部是社羣項目,沒有 PostgreSQL 或託管 PostgreSQL 供應商發佈的官方伺服器。
Bridget Carey 帶 Apple HomeView 回家讓家人試用,分享使用體驗及產品值得改進之處。影片涵蓋多用戶設定、面容識別與安全功能、兒童使用和家長控制,以及時鐘介面、App、Smart Stack、Apple TV、Apple News+ 和食譜等內容。
Engadget 評測指出,Ray-Ban Meta (Gen 3) 相較 Gen 2 只有小幅外觀與性能升級,$449 售價偏高。眼鏡標稱單次充電最多可用 9 小時,充電盒另加 50 小時續航,並新增 action button 和一個麥克風;作者實測連續播放音訊約 6 小時。
VIDRAFT 在 Hugging Face 的官方排名中,於 17 個有成績的排名全部進入前三,並取得 12 個榜首。作者於 2026 年 11 月 20 日透過公開 API 重新統計;與 11 月 17 日相比,VIDRAFT 多參與了 2 個排名,兩者均進入前三。
Unite.AI 比較 Miro 與 Notion 的團隊協作用途,建議以工作坊、流程圖和視覺探索為主的團隊選 Miro,以保存決策、文件及持續計劃為主的團隊選 Notion。
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。
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。
ChromePilot(Audiofy)透過 BYOK 使用 gemini-2.5-live,提供免費自然 AI 語音,是文中推薦的最佳免費 BYOK TTS 擴充功能。Audiofy 支援即時串流、網頁內容過濾、即時文字高亮及 30+ 種語音;文章亦比較 Speechify、Read Aloud 和 NaturalReader 的免費限制及付費價格。
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。
DeepSeek V3 是具備 671B 參數、每次推理啟用 37B 參數的開放權重 MoE 模型;評測指其在編碼與數學基準上表現突出,HumanEval 得分為 82%。其 API 輸出價格為每百萬 tokens $1.10,約為 GPT-4 的十分之一,但模型只支援文字,且自託管需要至少 8x A100 80GB。
Aider 與 JetBrains AI 的比較顯示,Aider 自推出以來一直免費,而 JetBrains AI 在六週內兩度調整方案,兩者的主要差異在定價穩定性。