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。
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。
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。
PacketHound 是免費、採 GPL-3.0 授權的 Windows 防火牆工具,應用程式首次連線被封鎖後才會提示,但 Windows 11 遙測會無提示放行。
Anthropic 表示,Mythos 5.2 和 Fable 5.2 在預發佈測試期間,將費馬最後定理的證明形式化,並解決兩個尚未解決的黑洞物理學問題。原標題指這兩項成果均出現在預發佈測試期間。
Sony Bravia 7 II 在 RGB LED 電視測試中脱穎而出,成為作者最喜愛的型號,Black Friday 前最高減 $1,000。測試中,它覆蓋約 87% 的 BT.2020 色域,亮度約為 2,243 nits,並具備出色的局部調光效果。65 吋型號在 Best Buy 和 Sony 網店減 $1,000。
Anthropic 與 Diode Computers 合作,讓 Claude Fable 5.2 設計會議揚聲器、語音助理中樞及手持虛擬寵物,並製成三款可運作原型。
Muse Ember (max) 在 Artificial Analysis Intelligence Index 得 36 分,每項任務成本為 $0.14,是得分至少 36 分的最低成本模型。
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。
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%。
這項 BigQuery 數據建模工具評測選出 SqlDBM 為最佳整體方案,並比較其與 dbt、Google Cloud Dataform、Looker 等工具的差異。SqlDBM 在同一工作區結合原生 BigQuery 支援、dbt YAML 與 Git 整合,以及語義建模。Mercadona 利用 SqlDBM API 自動生成 dbt 模型,治理近 5,000 張 BigQuery 表。
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。
作者在單顆 Cloud TPU v5e 晶片上,比較六種引擎執行 Gemma 4 E2B 的速度、吞吐量及 GSM8K 表現。
agent002 比較 ElevenLabs 與 Deepgram 的文字轉語音和語音智能體定價,指出前者按字符計費的語音生成成本差距大,但智能體每分鐘費用接近。
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。
作者比較發票照片抽取工具,40 張照片的預設總額準確率最高為 82.5%;配置後 Textract 達 85%,自訂 Bedrock Data Automation 藍圖達 100%。
文章比較 Cursor 與 Lovable 的架構和適用場景:Cursor 面向複雜程式碼庫,讓開發者以 AI 輔助編寫和修改程式碼;Lovable 則透過自然語言提示詞生成全端應用程式。Cursor 是 VS Code 分支版本,提供 Composer 和 Agent 模式;Lovable 可生成 React/Supabase 應用程式。
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。
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。
作者以 Playwright 1.63.0 和 Chromium 153.0.8010.12 在單一 Linux 環境測量同一頁面的截圖差異,發現時鐘、CSS 動畫、轉場中的截圖及文字遊標會令 PNG 不一致。
Crypt-in 作者 Tommy 以 Claude Opus 5 對自家硬件加密產品進行紅隊測試,發現解鎖狀態可被另一個 HID handle 共用,且 PIN 會以明文經 USB HID 傳送。
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。
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。
作者以 10 份 ChatGPT 生成的 PDF 測試多種轉換,發現編輯後的發票仍帶有指向舊內容的原簽署 manifest。qpdf 和 pikepdf 重新儲存後仍保留 manifest,但 c2pa-python 0.38 無法讀取;列印或光柵化則移除 PDF 憑證。
HUAWEI 暢享100系列面向戶外作業提供三款選擇,均採用玄甲機身並支援40W快充,主要分別在防塵抗水等級、屏幕、電池容量及衞星通信。暢享100 Pro Max配備8800mAh電池、IP65及北斗衞星消息;暢享100 Pro和暢享100則配備6100mAh電池及IP64,適合按續航、通信需求和預算選擇。
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。
作者實測 adventists-ai 的 Sophon-Realtime,因兩張 24 GB RTX 3090 未達 README 所列的一張 80 GB GPU 門檻,且磁碟只有 12 GB 可用,未能開始評估準確度。
標題提出 Opus 5.5 是否遭削弱的疑問,並指出其思維模式在 11 月 3 日發生變化;正文未提供更多背景或驗證細節。
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。
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。
Y Combinator 與 Olam Labs 將 50 個 GPT-6.1 Sol 智能體放進 Minecraft,要求它們在三小時內建立繁榮文明,實驗最終失敗。
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。
作者以 30 天實測電費和雲端 API 價目比較,指出本地 LLM 是否划算取決於硬件成本、電費、使用量和雲端模型價位。
作者以 452 個字符的英文段落測試三種 OCR 引擎,指出 OCR 文字高度應按大寫 H 墨跡邊界框的像素高度計算,而非字體大小或行高。在這組樣本中,達至零錯誤的最低 H 高度,Tesseract 為 16 px、macOS 為 12 px、ImgIng 為 8 px;英文行高約為 H 高度的 1.37 倍。
作者用相同兩條提示詞各生成一次,實測 GPT Image 2.6、Nano Banana Pro、Nano Banana 2.1、FLUX 2 Pro、Seedream 5 Pro 及 Z-Image Turbo。
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。
iPad mini 8 帶來機身設計、OLED 屏幕和 Acoustic Display 升級,但評測認為 60Hz 刷新率仍是主要短板。文中根據面板特徵推測,這塊 OLED 屏幕的硬件可能不支援高刷新率。iPad mini 8 起售價為 5499 元,與起售價 5999 元的 iPad Air 接近,購買考量主要落在大屏或小屏。
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。
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。
SuperCLUE 發佈 2026 年 11 月月度評測,標題列出 Kimi-K3.1-Pro 為中國第一,並稱韓國模型 Darwin 首次上榜。Darwin-180B-RSI-R3 在數學與科學推理以 73.68 分排名 19 款模型第二,僅低於 GPT-6.1-Sol 的 76.32,並居開放權重模型之首。
騰訊 Hy4 正式版在實測中展現更強的視覺與 Agent、Coding 能力,但複雜工作流程仍需人工協助。相比預覽版,DeepSWE 從 64.3 升至 74.9、Terminal-Bench 從 26.3 升至 44.4;OSWorld 為 78.9,MMMU-Pro 為 78.6。