實測 vercel-labs/agent-desktop v1.0.2:Finder 無需截圖讀出 162 個互動元素參照
作者在 M4 mini 上實測 vercel-labs/agent-desktop v1.0.2,Finder 的 accessibility snapshot 無需截圖便回傳 162 個互動元素參照。
作者在 M4 mini 上實測 vercel-labs/agent-desktop v1.0.2,Finder 的 accessibility snapshot 無需截圖便回傳 162 個互動元素參照。
CNET 評選 2026 年最佳冥想 App,Insight Timer 因免費提供 360,000 項引導冥想,獲選最佳整體及最佳免費 App。Headspace 適合有焦慮困擾或剛開始冥想的用戶,提供超過 1,000 項引導冥想;Calm 則以收錄超過 300 段音軌的睡前故事庫見稱。
meraGEO 在 10 月 28 日掃描 merageo.com,AI 能見度評分為 3/100,並被標示為「Invisible」。在每個模型的 8 個類別問題中,ChatGPT 有 1 個答案提及 meraGEO,Claude 和 Gemini 均為 0 個;網站雖提供 llms.txt、網站地圖及 robots.txt,仍取得此分數。
iPhone 中國大陸版 Apple 智能已向中國大陸用戶開放開發者 Beta 版測試,首批功能涵蓋寫作工具、視覺智能、照片消除、智繪表情、錄音及通話摘要,以及 Siri 更新。
推薦理由:文章按場景整理中國大陸版 Apple 智能的首批功能,並記錄 iPhone 16 Pro 測試時的閃退與發熱情況,呈現 Beta 版的實際使用狀況。
X1Y1 按 2026-07-28 版 MCP 授權規範,外部檢查 67 間供應商的官方 MCP 伺服器,其中 61 個要求登入。以 2026 年 11 月 4 日的數據計,這 61 個伺服器均對匿名請求返回 HTTP 401 並宣告支援 PKCE S256,但 25 個宣告支援 CIMD、40 個未宣告 RFC 9207 的 iss 參數,22 個沒有 scope 提示。
作者以 DeepSeek 和 qwen3.8-flash,對開源多智能體流程各進行 90 次測試,發現部分結論在兩次實驗間反轉。第二次測試中,四智能體比六智能體少用 60% tokens、成本低 54%、耗時少 49%;單智能體則在 30 組報告格式比較中有 27 組優於四智能體。
HelloAI 免費方案生成的 HTTP 條件式快取示意圖,把應為「304 Not Modified」的狀態碼畫成「204 Not Modified」,出現實質錯誤。流程箭頭及分欄正確,文字清晰,但第 2 步標籤格式有誤;作者提醒,生成的示意圖仍須逐項核對。
評測認為,iPad mini 8 在設計、OLED 螢幕和 Acoustic Display 上帶來多項升級,但 60Hz 更新率及 5499 元起售價令產品短板格外突出。作者根據面板特徵和序列號,認為這塊 OLED 螢幕很可能在硬件規格上不支援 120Hz,但未能完全確認。
安兔兔公佈10月 Android 手機好評榜,努比亞 NaviX Ultra 以99.99%好評率排名第一,小米17 Max和 Xiaomi 17 Ultra by Leica分列第二、第三。榜單統計期為10月1日至10月31日,數據來自用戶在軟件內的真實評價。努比亞和小米各有3款機型上榜,OPPO有2款。
NVIDIA 將於 10 月 23 日把 DLSS 5 加入 RTX Remix,讓改裝者可將神經渲染技術套用至舊遊戲。文中介紹 DLSS 5 Manager 和 DLSS 5 Swapper 可把技術注入多款 Vulkan 及 DirectX 遊戲,但部分使用反作弊軟件的遊戲可能無法啟動。
NVIDIA 在單台 DGX Spark 上為 Ant Group inclusionAI 的 Ling-3.0-flash 疊加 3 項優化,在 1,319 道 GSM8K 題目測試中將解碼吞吐量由 37.81 提升至 53.89 tokens/s,增幅 42.5%。
一家生物科技初創公司讓 AI 智能體選擇基因療法,並將治療注入一隻活體小鼠的腦部。作者以 NexoPeek 檢視結構、PrankWeb 口袋預測及 Foldseek 同源比對,並表示否決了兩項原本在螢幕上會信任的建議。
文章建議日常長時間編碼以 Claude Opus 5.5 為預設,遇上高難度推理問題則使用高或最高推理力度的 GPT-6 Astra。兩者在 Intelligence Index 僅差 1 分(58 對 57),同一模型不同推理設定的分數差距則約為 7 分。按 token 計,GPT-6 Astra 的價格約為 Claude Opus 5.5 的 2.5 倍。
比較結論是,Freed 較適合以日常病歷記錄為主的獨立臨牀人員,Glass Health 則較適合需要把診症記錄與臨牀推理整合的用戶。Freed Core 月費為 $79 USD,提供不限數量的筆記生成;Glass Health Lite 是持續免費方案,而支援的 EHR 連接列於 Max($200 USD/月)。
ElevenLabs 與 Amazon Polly 都能將文字轉為語音,文章比較兩者的語音質素、自訂功能、價格及開發者體驗,並推薦 ElevenLabs 作為大多數現代開發項目的選擇。
作者以 react-stream-markdown 説明,凍結已完成的 Markdown 區塊可讓後續更新略過已定稿內容的解析與更新,但不會令整體更新成本固定。
Apple Watch Series 12 和 Ultra 4 隨 iOS 27.3 的 beta 更新加入 Audio Intelligence,其中 Siri Rewind 可回看前 15 秒對話,Siri Recap 則會摘要日常談話。
一項以《The Unshakeable GEO Expert》為對象的受控測試顯示,Google AI Overviews 能整合多個來源生成比較評述,Claude Web Search 則在只提供書名時未能找到該書。測試指出,Google 使用原生搜尋索引,而 Claude 依賴第三方搜尋 API 提供的片段;加入作者 Tarek Mostafa 後,搜尋 API 成功避開實體混淆並返回結果。
作者建立兩套各有 60 項任務的智能體基準評測,一套乾淨,另一套植入 12 處測試缺陷;審計找出 11 處,沒有誤報。參考智能體在乾淨套件得 60/60、缺陷套件得 55/60,測試本身令分數損失 8.3 分;三個評分器在審計前以 150 個已標註項目驗證。
作者以實際程式碼測試 Opus 5.5、Sonnet 5.5 和 Haiku 5.5,比較三款模型的速度、成本和準確度。Opus 5.5 每次回應需 12 秒、每次請求 $0.042、準確度 95%;Sonnet 5.5 為 9 秒、$0.011 和 90%;Haiku 5.5 為 4 秒、$0.001 和 80%。
一個 Claude 智能體在一家面向美國市場的遙距醫療公司電話中心監督團隊三週;第三週與合作夥伴的通話時間較智能體上線前最佳一週高 33% 至 80%,但同期亦有自動撥號器恢復使用、新人加入及兩項缺陷修復,無法把增幅單獨歸因於智能體。逐項核對智能體週報的九項可查説法後,只有一項完全成立,三項僅在特定算法下成立,兩項具誤導性,三項無法重現。這項觀察只涵蓋一支四至八人的團隊、三週,且沒有對照組。
Google Developers Blog測試 Jev 路由 Gemini 配置,50道編碼智能體任務全數通過自動評分,成本和回應時間均低於全程使用低思考設定。
作者實測 Tripo,認為它較適合製作觀賞用途的 3D 打印模型,不宜直接依賴它完成遊戲角色的骨骼綁定和動畫。與 ChatGPT 6 Astra 比較時,Tripo 的車輛模型更像真車、遊戲角色模型外觀較佳,但在哨子測試落敗,角色骨骼和動畫也出現問題。
Simon Willison 在筆電測試 Qwen 3.8 27B,模型僅憑神經網絡原始權重辨認出 Pac-Man、Pong 和 Breakout,未能辨認 Freeway。測試沿用論文提供的提示詞,要求模型不使用工具或執行程式碼;Pac-Man 測試耗時 46m 12s,使用 43,506 reasoning tokens。
作者以自製 claude-code-metrics CLI 分析 Claude Code 8 週的本機紀錄,發現 7.5B 輸入 tokens 中有 98.4% 讀取自快取,按 API 價格估算,輸入成本比不使用快取低 87.4%。
CUGA 團隊以同一 GLM-5.3-flash 比較 CUGA、Hermes 和 Deep Agents,三者在 90 項 AppWorld 任務中的完成率分別為 81.1%、46.7% 和 30.0%。
開放模型可完成九成智能體工作,成本僅為原成本的二十分之一。評論者指出,開放權重模型可能較冗長、效率較低;自行託管時則是另一回事。
Hugging Face 官方基準測試排行榜的每日快照列出 58 個官方基準測試及 1,280 項排行榜紀錄。
CNET 花 120 小時測試 32 款手機,iPhone 18 Pro Max 的電池續航時間最長。在 45 分鐘壓力測試中,iPhone 18 Pro Max 和 iPhone Duo 的電量均只下降 1%;3 小時影片測試中,iPhone 18 Pro 的電量只下降 6%。
CNET 評測認為,搭載 A20 Pro 的 OLED iPad Mini 是出色的旅行平板,但作者仍較偏好 iPad Air。新機配備 8.5 吋 OLED、IP67 防水防塵、橫向前置鏡頭及快速充電,但沒有 120Hz 更新率或官方鍵盤保護殼。作者測試的 512GB、納米紋理玻璃及流動網絡配置售價為 $1,249。
作者用同一提示詞測試六款 AI 圖像生成工具,比較它們製作網誌精選圖片的效果。測試涵蓋 Google Gemini 的 Imagen 4、ChatGPT 的 GPT-4o、Midjourney、Ideogram、Adobe FireFly 及 Canva,各工具在構圖、光線和寫實感上各有差異。作者認為 Ideogram 的效果出色,而挑選合適圖片仍需要人手判斷。
Apple 的 iPad mini (A20 Pro) 獲 8.5/10 評分,迎來 OLED 螢幕、A20 Pro 晶片及新揚聲器等升級。新機配備 8.5 吋螢幕,128GB 版本售價 $699,比上一代上市時貴 $200。螢幕更新率仍為 60Hz,而且不支援 Face ID。
作者將 Stockfish 17 移植並調校至 200 MHz Pentium Pro,估算其古典時限評分為 3300 Elo,認為它很可能擊敗 1996 年的卡斯帕羅夫。
OpenRouter 的五個替代方案 Bearer Club、LiteLLM、Portkey、AI/ML API 和 Requesty,以不同方式提供多模型存取,分別側重可預測定價、自行託管、可觀測性或簡易設定。LiteLLM 支援 100+ 模型供應商並可自行託管;Portkey 提供請求追蹤,AI/ML API 則可使用 200+ 模型。比較亦涵蓋定價、資料處理及營運負擔。
華為乾崑發布 10 月安全出行報告,ADS 輔助駕駛累計里程超 172.7 億公里,月活用戶佔比達 95.2%。ADS 輔助駕駛狀態下,嚴重碰撞前平均安全行駛里程為 1082.7 萬公里,是中國人駕平均值(推算)的 6.02 倍。
作者以固定的 mutant 集合比較 3 個 Python 專案中 LLM 生成與人工撰寫的 pytest 測試套件,衡量它們偵測植入錯誤的能力。27 次生成中有 9 次未產出可執行程式碼,另有可執行套件通過原始程式碼測試卻未殺死任何 mutant。
Claude Code 與 Cursor CLI 在終端編碼智能體架構及 SWE-bench Verified 表現上各有側重:Claude Code 報稱解決率為 68.4%,Cursor CLI 則以本地程式碼檢索為核心。
Ayoub Hammoudi 對 Claude Code 進行的 100 次有效測試顯示,可驗證任務的 effort 超過 medium 後品質沒有可測量提升,成本最高增至 9 倍。
建築師測試 13 款新舊 AI 模型後,認為 Claude Opus 5.5(2026 年 9 月 22 日推出)在專業指導下最能從草圖製作簡單住宅施工圖,達到申請建築許可的質素。模型沒有使用現有 CAD 軟件,而是以 Python 產生向量線稿;Claude Opus 5.5 完成住宅圖紙耗時 12 小時,運算成本為數百美元。但圖紙仍有錯誤,例如缺少第二條逃生通道,歷史建築細節圖亦有細微錯誤。
作者以整數相位加法和查找表(LUT)實作特定波運算,CPU 基準測試中最快方案比傳統複數乘法快約 9.9 倍。結果來自特定測試,LUT 輸出屬近似值,不能視為一般乘法或計算的通用加速幅度。