跳到正文
11月10日週二
  1. Unite.AI46

    E2B 測試 NVIDIA Vera 的高密度智能體沙盒叢集

    E2B 公佈 NVIDIA Vera 預量產測試結果:單台雙插槽伺服器經調校後,四次測試均維持 1,400 至 1,550 個載入中的沙盒。單線程計算吞吐量為 AMD EPYC 9B45 參考值的 1.51 倍,記憶體填充吞吐量則為 3.61 倍;這些微基準不代表端到端智能體速度或叢集容量優勢。測試並非正式生產部署,容量結果亦受主機設定及指定的延遲與錯誤率目標限制。

  2. DEV Community65

    GAWE 智能體經 125 次提示詞注入測試,沒有攻擊步驟執行

    作者以 Claude Sonnet 5.5 對 GAWE 進行 125 次提示詞注入測試,沒有攻擊步驟執行,模型在 122 次可判定測試中亦未受騙。由於模型未受騙,這輪測試未能驗證 GAWE 的政策、審批和計劃驗證能否阻止受騙模型;30 份未受攻擊的對照文件全部完成任務。在 CUAD 合約條款測試中,召回率為 94%、精確率為 51%;整次測試費用為 $15.77。

  3. DEV Community41

    GPT-6.1 Sol 與 Claude Opus 5.5:Godot 物理卡車遊戲實測

    Claude Opus 5.5 在 Claude Code、GPT-6.1 Sol 在 Codex 中,透過 Flockbay 的 MCP 工具,按相同提示詞和參考圖片在 Godot 製作具真實物理車身及可運作懸掛的越野卡車遊戲,並自行遊玩測試。按 API 價格估算,兩次執行的費用相差約 7 倍;評測比較外觀、駕駛表現、賽道通過情況及成本。

  4. MarkTechPost60

    百度 ERNIE Evolve 自動化研究系統在 NanoChat、NanoGPT 基準測試超越多項紀錄

    百度推出 ERNIE Evolve 自動化研究系統,系統會按程式碼庫、目標及評估準則選擇研究方向、修改訓練與推理程式碼並執行實驗。它在 4 項公開指標中有 3 項超越最佳公開結果;ERNIE-5.5-Flash 的生產測試則錄得 Kunlunxin P800 生成速度達基準的 623.6%、確定性吞吐量提升 33.7%,以及單請求解碼速度提升 14.9%。

  5. DEV Community52

    Vladimir Diu 比較 10 款供全新 iOS App 使用的 ASO 工具,整理價格與首日功能

    Vladimir Diu 比較 10 款供全新 iOS App 使用的 ASO 工具,整理價格、免費方案、關鍵字資料及 MCP 支援情況。價格取自各工具的定價頁,並於 2026 年 11 月 8 日核對;他亦分析 350,712 項 App Store 搜尋結果及 82,818 款上架不足 6 個月的 App,其中 41,891 款進入 top 10。

11月9日週一
  1. DEV Community38

    AI 智能體目錄 TapToAgent 評測 openconstructor:8/10,指出一項合理批評

    TapToAgent 評測免費開源 AI 介面建構器 openconstructor,評分 8/10,並指出修改內容時頁面風格可能漂移。測試中,工具約 36 秒生成完整咖啡店登陸頁,約 25 秒完成後續改價;作者同日修正了修改提示詞。用戶每日可免帳戶免費生成 3 次,登入免費帳戶後可生成 20 次;工具本週新增網頁瀏覽功能。

  2. DEV Community57

    2027 年 9 款 AI 工作流程自動化工具比較

    文章按可靠性與治理評比九款 AI 工作流程自動化工具,n8n 排名第一,Barndoor Automations 與 UiPath 同列第二,總分均為 66.7。評分涵蓋輸出驗證、故障處理、執行記錄,以及身份、政策與審批、審計、變更控制和託管與數據控制,兩組權重相同。文章亦按自託管、Microsoft 365、用戶權限及 Git 等需求整理選擇方向,並建議實際使用前測試空白輸入和模型呼叫失敗情況。

  3. DEV Community70

    提示詞快取命中率由 70% 升至 90%,AI 智能體任務中位成本下降 38%

    AICostbudget.com 以 72 個模型、13 家供應商的標價估算固定任務成本,提示詞快取命中率由 70% 升至 90% 時,中位成本由 $0.46 降至 $0.29,減少 38%。在 59 組同供應商比較中,提升命中率在 35 組比改用下一個較便宜模型節省更多。價格採用截至 2026 年 11 月 9 日的標價;任務規模及命中率是作者設定的情境,並非對真實 AI 智能體的測量結果。

  4. DEV Community41

    AI Agent 使用哪個模型 API,是一項成本決策

    企業選擇 AI Agent 時,所調用的模型 API 不只是技術選項,也會影響使用成本、客戶資料風險及日後轉換所需的工作。文章列出 OpenAI API、Anthropic Claude API、OpenAI Realtime API 及 xAI Grok API 的評分,分別為 8.45、8.1、8.0 及 7.85(滿分 10 分),並指出它們均按用量收費。

  5. DEV Community61

    BuildProof 對 44 個真實程式錯誤的測試捕捉 32 個

    BuildProof 作者以 BugsJS 中 44 個來自 Express、ESLint、Hexo 等專案的真實錯誤測試其工具,捕捉到 32 個。工具會為程式變更生成測試,分別在舊版與新版程式上執行,再由另一個 AI 判斷行為改變是否屬於錯誤。在以實際修復版本進行的反向測試中,44 次有 4 次誤報,單次檢查成本約 $0.15。

  6. 阿里雲開發者社區 AI64

    FLUX Image 3、Nano Banana 2.1、GPT Image 2.6 七場景實測:像素成本相差 4.7 倍,改圖表現各異

    這次七場景單次實測比較 FLUX Image 3、Nano Banana 2.1 和 GPT Image 2.6,發現三者在像素成本及圖生圖保真度上差異明顯。按 3:4 畫幅計,GPT Image 2.6 每百萬像素成本為 ¥0.231,約為 FLUX Image 3 的 4.7 倍;Nano Banana 2.1 在三個圖生圖場景的保真度均排名第一。

  7. 阿里雲開發者社區 AI42

    AI 電話客服選型:從「接得起來」到「辦得下去」,阿里雲瓴羊 Quick Service 處於甚麼位置?

    阿里雲瓴羊 Quick Service 以任務型 AI Agent 為核心,連接語音交互、業務系統與人工坐席,讓電話客服能處理查物流、改地址、退款等業務,並在轉人工時同步客戶資訊。官方披露,其單輪對話意圖識別準確率為 93.2%,複雜多輪業務辦理成功率為 87%。文章建議企業以真實通話場景進行 PoC,驗證任務能否辦結及交接資訊是否完整。

  8. Business Insider Tech53

    我用 OpenAI 的 Dot 智能體協助辦公室搬遷,它向搬家公司連發數百封電郵

    Plato 聯合創辦人 Robert Farlow 使用 OpenAI 的 Dot 智能體協調辦公室搬遷,Dot 在幾天內向搬家公司、保險人員及新舊大廈管理人員發出約 300 封電郵。它反覆追問細節,並把其他相關人士的資訊發給搬家公司;搬家公司表示無暇回覆,Farlow 隨即關停 Dot,之後改由 AI 起草電郵並自行審閲。

  9. 新浪科技45

    顯存不夠傲騰湊!純 CPU 跑 2.8 萬億參數 Kimi K3,差點燒壞主機板

    一名 Reddit 用戶以純 CPU 環境,利用第二代傲騰持久內存運行月之暗面的 2.8 萬億參數 Kimi K3。模型經量化後仍至少需要 610GB 內存;1-bit 量化推理速度為 0.85 Token/秒,3-bit 時降至 0.75 Token/秒。這套配置需要主動散熱,速度不適合即時對話,但可用於不講求時效的離線批次處理。

  10. DEV Community32

    Sonnet 5.5 與 Opus 5.5 API 測試:132 次呼叫能證明甚麼、不能證明甚麼

    Sonnet 5.5 與 Opus 5.5 在 132 次 API 呼叫的測試中,已核實任務的正確度相同;Opus 在較重任務中得分較高,但延遲較長、輸出 token 較多。測試涵蓋 22 項任務,每項由兩個模型各執行三次;結果只適用於這些任務,不能代表模型整體表現。測試未評估價格,延遲亦受網絡及負載影響。

  11. DEV Community58

    12 個 Claude 技能真的能免費取代影片團隊?作者核查 12 個儲存庫後指出隱藏成本

    Nokka 核查網上「12 個 Claude 技能可免費取代影片團隊」的説法,查看全部 12 個儲存庫後指出,技能免費不等於影片製作零成本。實際支出仍可能包括 Agent 配額或 API、Remotion 授權、ElevenLabs 用量、GPU 和素材使用權;Suno 免費方案不允許商業用途。文章另指出,三個儲存庫沒有清楚列明授權。

  12. DEV Community25

    恐龍血液中的生物分子保存 1.15 億年,如今人類可走進蛋白質結構

    一項刊於《Proceedings of the National Academy of Sciences》(PNAS)的研究,在巴西一具 1.15 億年前的幼年 Aratasaurus museunacionali 股骨中發現礦化紅血球、血紅素中的血基質及膠原蛋白氨基酸。文章亦介紹 NexoPeek 如何透過 VR 將蛋白質結構以三維方式呈現,並提供分子檢視及分析工具。