Stave 作為基底:五種推理範式共用一份快照
Stave 提供引擎無關的輸入格式,讓五種推理範式以同一份匯出資料進行推理,與採用單一推理範式的 AWS Compliance Mod 形成類別區分。試驗涵蓋 SMT、Datalog、ASP、Prolog 及機率模型檢查,五項規格修正後均通過;Prolog 和 Clingo 的盲測亦通過。
Stave 提供引擎無關的輸入格式,讓五種推理範式以同一份匯出資料進行推理,與採用單一推理範式的 AWS Compliance Mod 形成類別區分。試驗涵蓋 SMT、Datalog、ASP、Prolog 及機率模型檢查,五項規格修正後均通過;Prolog 和 Clingo 的盲測亦通過。
作者以 guard 0.4.11 評估 83 份公開 anthropics/claude-code issue 報告中的 107 條命令,結果為 24 條拒絕、52 條詢問及 31 條未作判定。
一名科技專家兼新手媽媽實測 17 款嬰兒監視器,按整體、預算、牀邊安裝及嬰兒健康監測等用途選出推薦型號。整體最佳 Momcozy BM04 售價 £142.49,支援 Wi-Fi 及非 Wi-Fi 連線,影像和聲音測試表現突出。VTech VM6361HD 獲選最佳預算型號,售價 £79.99。
PlaceBench 在 150 條有關真實地點的日常問題中,選取 20 條向 6 款 AI 助手各提問三次,測試答案能否保持一致。Dots 有 17 條問題三次全答對,且從未答錯;Instinct 則有 15 條問題的評分在多次作答間改變。測試指出,單次答對不足以確認答案可靠,20 條問題的樣本亦較小。
同一 Codex 模型執行同一任務時,T3 Code 用時 10 分 26 秒,原生 CLI 用時 6 分 07 秒;扣除等待人工批准清理步驟的 6 分 6 秒後,T3 Code 的實際工作時間為 4 分 20 秒。T3 Code 預先準備環境,減少了工具呼叫;測試中,Codex 的兩個版本各有一項可重現缺陷。作者指出,這只是每種方式各跑一次,尚不足以證明速度差異。
ArtArk在SuperCLUE本期文生圖及圖像編輯的競技場與標準評測中均列總榜第一,合共取得四項第一。文生圖競技場在28個模型中以1497.0分居首,標準評測得95.1分;圖像編輯競技場在19個模型中以1341.2分居首,標準評測得83.6分。
Manus 發布 2026 年 11 款 AI 角色生成器指南,按用途比較各工具的角色一致性、功能、價格與限制。指南涵蓋從照片轉換角色、在圖像及影片中重用角色,到製作像素或 3D 遊戲角色等用途,並整理各工具的免費方案與付費起價。
ui-ux-pro-max 透過 Python 腳本搜尋技能目錄內的 14 個 CSV 檔案回答設計問題,執行時不呼叫模型或連接網絡。目錄涵蓋風格、配色、字體配搭等資料;styles.csv 有 89 行,當中 51 行標記為 active,而資料新鮮度依賴人工核實。
OSTA 星芒首款鴻蒙 AI 手機 OSTA O1 Pro 將 AI 互動置於系統前台,用戶可透過小藝處理不同任務,並查看深度研究等複雜任務的進度。購買 OSTA O1 Pro 可享價值 1588 元的無憂大禮包,包括屏幕、進水、後蓋、後攝及電池保障,另有兩年官方保養。
Arm 提出面向智能體 AI 的 CPU 性能測評新框架,經 Signal65 獨立驗證,對比 AMD EPYC 9755/9965 的平均性能達 1.99 倍。沙箱場景的性能為 1.7~2.2 倍;框架涵蓋從單個智能體到整個機架的測評。
作者比較 6 款供語音智能體使用的語音隔離 API 與模型,指出只有 Krisp Voice Isolation 和 Arctan Eigen 專為移除第二個説話者而設。
Raphaël Aubry 比較 Semrush AI Visibility Toolkit 與 7 款替代工具,並於 2026 年 11 月 20 日核對各家官方定價頁。
文章比較追券、桃朵和乖淘三款返利 App,並按購物習慣和使用需求整理選擇方向。追券主打抖音直播、大件家電及母嬰商品;桃朵適合自用、母嬰日用品復購和社羣分享;乖淘則涵蓋網購及本地生活。返利受商家傭金政策影響,下單前應查看返利説明和結算頁展示。
兩項受控研究對 AI 輔助編碼的速度得出相反結果:GitHub 的 Copilot 實驗中,開發者用 AI 從空白檔案編寫 HTTP 伺服器快 55%;METR 則在大型既有程式庫的問題修復任務中測得慢 19%。
Kilo 作者用同一提示詞,透過 Kilo 比較 GPT-6.2 Astra 和 GPT-6.2 Sol 建造互動式 3D 金字塔的表現;兩款模型都以 Three.js、Vite 和 TypeScript 建成有 204 塊石、8 層的金字塔。
BrillMark 以 100 張合成客戶支援工單,測試 Jev、Claude Sonnet 5、GPT-5.6 Sol 和 Gemini 3.8 Flash 的分類表現。Jev 快 4 至 7 倍、便宜 31 至 65 倍,中位延遲為 474 ms;使用 0.90 信心門檻時,自動處理的 61 張工單有 98.4% 的答案一致。測試只涵蓋單次支援分流,結果不應視為普遍效能保證。
作者以 mcpscan 0.21.0 掃描 mcp-atlassian v0.16.0,7 項結果均非真實漏洞,且漏掉兩項已公開 CVE。人工追蹤路徑後,他找到上游在 v0.17.0 修補的 4 個寫入位置;CVE-2026-27825 涉及檔案寫入(CVSS 9.1),CVE-2026-27826 涉及 SSRF。
文章比較多款開發者時間追蹤工具,指出 WakaTime 適合查看逐檔、逐語言及 AI 程式碼指標,ActivityWatch 適合免費本機追蹤,TimeUno 則追蹤整個桌面及 AI 智能體工作階段。
文章以技術實力、實戰效果、垂直專精、服務體系及口碑評價五個維度,評測助客傳媒、詩逸傳媒、丁子傳媒、尼高 GEO 和星火引擎,為深圳及大灣區工業設備製造企業提供選擇 GEO 服務商的參考。五項權重依次為 30%、30%、20%、10% 和 10%;合規與數據安全列為一票否決項。
InferenceKey 在一張 RTX 4090 上透過 vLLM 比較 Qwen3.5-0.8B 權重編輯版與基礎版的 50 題 MATH-500 結果,正確率分別為 62% 和 8%。
以每月 25 小時會議、單人使用並保留一年紀錄計,Granola Business、Fireflies Business 和 Otter.ai Business 的首年費用分別為 $168、$228 和 $239.88。
SaaSPriced 比較 Microsoft 365 與 Office 2024 的費用,指出相較 Microsoft 365 Personal,Office Home 2024 在 18 個月、Office Home & Business 2024 在 30 個月達到損益平衡。
阿里雲瓴羊 Quick Service 評測聚焦 AI Agent 的售後執行能力:它可連接訂單及物流系統,在對話中處理地址修改、物流攔截和退換貨。官方披露,複雜多輪業務辦理成功率為 87%,處理時長縮短 60%,逾 80% 常見問題可自動處理。國際版支援通義 Qwen、ChatGPT、Claude、LLaMA,知識庫最快 5 分鐘搭建,更新生效延遲低於 5 分鐘。
作者比較多種智能客服方案後,選擇阿里雲瓴羊 Quick Service,因其兼顧低成本試用、部署彈性與連接業務系統的能力。免費版提供3坐席以內的基礎智能應答和工單功能,並支援 SaaS、私有化及混合雲部署。其 AI Agent 可調用訂單、物流等系統 API,複雜多輪業務辦理成功率為87%。
Proof of Agent(PoA)網絡的分析顯示,四席同儕評分中,平票約決定五分之一已結算記錄的結果。兩個結算批次合計有 1,249 次平票,其中 1,248 次判為通過;在 E103,改用五席評分每批約需多 2,335 個 seal,而只為 2-2 平票加一席約需 667 個。作者指出,可把超出法定票數的 seal 用於平票裁決,以控制總投票量。
Jose 在 AWS 上為 COCO 2017 驗證集的 5,000 張圖片測試 YOLOv8m 批次物件偵測,流水線化 PyTorch FP16、batch 32 表現最佳。
Maki's Atelier質疑《GTA6》媒體評測的評分標準,指出部分媒體列出遊戲缺點,仍給予滿分。對72篇評測的分析顯示,50家提到性能問題、40家批評劇情,25家提到節奏問題,另有25家對移動和戰鬥系統提出意見。他按缺陷加權計算的理論得分為92.8分,低於媒體實際評分平均值98.6分。
Gemini 4 Hydrogen 與 Sonnet 5.5 的比較顯示,Google 公佈的九項基準中 Hydrogen 勝出六項,Sonnet 5.5 則在三項終端及電腦操作測試領先。
OpenCode v2.3.0 預設讓子代理在背景執行;與 inline 工作相比,背景模式較適合緩慢、可並行且互相獨立的任務,inline 則較適合逐步掌控的工作。子代理在獨立的新上下文中運作,父工作階段會在子代理閒置及後續每輪工作後收到報告;若仍有背景工作,報告會標明仍在執行。版本亦預設將工具呼叫及思考內容收合為摘要行,將 Verbosity 設為 medium 或 high 可恢復詳細內容。
Geodesic Intelligence 的 NovaAtom-Lite 在 FoldBench 抗體—抗原界面測試中以 79.07% 勝過 AlphaFold 3 的 47.90%,並在蛋白質—配體界面測試中領先。
文章比較 Square Squaremates 與 WhatsApp Business AI,建議印度小商戶先用 WhatsApp Business AI,因為它在 WhatsApp Business app 內免費提供,而 Squaremates 目前只向美國賣家開放。
Langfuse、Arize Phoenix 與 LangSmith 的智能體追蹤比較指出,選擇主要取決於自託管與資料存放需求、現有框架及計費方式,觀測工具本身不會令智能體更可靠。
愛範兒實測新款 MacBook Pro,認為 OLED 帶來的顯示改善與減重才是主要升級,觸控仍屬輔助功能。PROLED XDR 採用 Tandem OLED,14 吋及 16 吋機型分別重 1.4 千克和 1.84 千克,較前代輕約 220 克和 300 克。macOS 仍以鍵盤和觸控板操作為主,處理器沿用 M5 Pro/Max。
RocketMQ-Rust 與 Apache RocketMQ 5.5.0 的基準測試顯示,單一請求的同步傳送吞吐量為後者的 1.79 倍;256 個非同步請求共用一條連線時,則為後者的 0.96 倍。
AI-SaaSRadar 將 ElevenLabs 與 Cartesia 的語音生成方案統一換算為每分鐘成本,兩者分別約為 0,165–0,20 $ 和 0,028–0,038 $。按文中 2026 年 11 月 20 日查得的價格,Cartesia 每分鐘約便宜 4 至 6 倍;文章亦指出,ElevenLabs 側重配音及有聲書製作,Cartesia 則提供低延遲語音串流,選擇需配合任務。
DeepSeek-V4.1-Flash 是一款 552B MoE 模型,已在阿里雲百煉上架;其架構、基準表現、適用場景及計費方式均有詳細説明。它在多項編程、終端及自動化基準上的表現高於 V4-Pro,但知識問答類表現略低;上下文窗口為 1M,最大輸出為 384K。快取命中輸入價為未命中的 1/50,阿里雲百煉與 DeepSeek 官方的忙閒時段定義不同,排產須按調用入口區分。
開發者 Devon Bray 用 3 張退役的 NVIDIA Tesla V100 搭建本地 AI 主機,運行 Qwen 3.6 35B 時在 128K 上下文下達到 72.7 tokens/s,高於 M5 Max 的 61.3 tokens/s。
快科技在 NVIDIA 上海實驗室參與 RTX Spark 媒體分享會,介紹這款面向本地智能體的 Windows PC 及其實機演示。
作者以 Krisp 公開數據集的 8 段錄音測試 Krisp Voice Isolation API,並用 Parakeet TDT 0.6B v2 轉錄,整體 WER 由 40.1% 降至 10.2%。在主講者沉默、只有背景人聲的片段,原始音訊轉錄出 331 個背景語音詞,處理後則沒有轉錄出背景人聲。作者亦指出,乾淨電話音訊的改善有限,API 目前只在美國區運行,而測試僅涵蓋 8 段錄音。
Krisp Voice Isolation 在作者以 8 段公開錄音進行的測試中,將背景人聲誤入轉寫的 331 個詞降至 0,整體 WER 由 40.1% 降至 10.2%。