《影之刃零》初體驗:實測 NVIDIA DLSS 4.5 下的 2K、4K 效能表現
IT之家實測《影之刃零》在 RTX 5070 的 2K 及 RTX 5080 的 4K 效能,涵蓋光柵與路徑追蹤設定。最高畫質及路徑追蹤下,配合 DLSS 質量模式,兩張顯卡的平均幀率分別為 67 和 61 幀。加入 DLSS 4.5 的 6 倍多幀生成後,平均幀率分別達 280 和 225 幀。
IT之家實測《影之刃零》在 RTX 5070 的 2K 及 RTX 5080 的 4K 效能,涵蓋光柵與路徑追蹤設定。最高畫質及路徑追蹤下,配合 DLSS 質量模式,兩張顯卡的平均幀率分別為 67 和 61 幀。加入 DLSS 4.5 的 6 倍多幀生成後,平均幀率分別達 280 和 225 幀。
作者在隔離環境比較兩種 AI 編碼智能體上下文策略,Tree-sitter 介面骨架模式以 2,316 個輸入 token 通過全部 20 項隱藏測試。完整依賴原始碼模式使用 45,270 個輸入 token、經 3 輪後通過 17/20。骨架保留公開函數簽名、型別註解和契約文件字串;文中提供以 Python `ast` 將函數實作摺疊為 `...` 的篩選器範例。
作者在隔離 VM 中比較兩種編碼智能體測試流程,結構化 JSON 過濾器只保留失敗測試資訊,將累計輸入 token 從 92,385 降至 5,445,減少 94.1%。兩種流程均通過隱藏評測套件的 20/20 個案例;過濾流程的 API 成本為 $0.0100,執行時間為 16.88 sec,原始輸出流程則分別為 $0.0770 和 25.94 sec。
星衍智能的通用具身 Harness 框架 Auriga 在 RoboDojo 零樣本評測中,以 57.74% 平均任務成功率及 64.00 平均過程評分領先榜單。評測不針對目標任務預調優、不提供專家示範,且每個案例只執行一次、不重置環境。Auriga 在 RoboCasa365 Target50 的 50 項任務、250 個測試 Episodes 中,取得 73.2% 總體成功率。
作者以 TigerBeetle 搭建退休基金交易原型,測試以現代架構取代 COBOL 金融帳本的可行性,並在本機及 Google Cloud 進行效能測試。本機單節點測試達每秒約 4,000 筆供款,另一次逾 6,000 筆;GKE 測試涵蓋 300,000 名員工及 12 間公司,日終結算耗時 5 分 56 秒。
作者以 TigerBeetle 建立退休基金金融引擎實驗,雲端測試顯示,對需要逐步擴展的小型金融企業,這套架構可在特定條件下取代 COBOL。
北京大學團隊完成 ABACUS 在鯤鵬 920 全系列平台上的適配,並優化 19 類材料領域核心算子。相同 28 核配置下,SVE 版本在標準測試集上快 1.3 至 3.9 倍;單節點滿核並啟用矩陣運算單元時,最高快 10.7 倍。相關程式碼已推送至 GitHub 開源社區。
測試發現,聊天機械人回答美國中期選舉問題時,依賴三個鮮為人知、由 AI 建立的投票網站。Copilot 在 75% 的測試中引用易出錯的 Ballot Brief,ChatGPT 則在 22% 的測試中引用。
BenchTested 在乾淨的 Windows 11 虛擬機上實測並排名 12 款項目管理工具,ClickUp 以 7.4/10 位居第一。八步測試涵蓋 CSV 匯入、看板載入速度、權限及內置 AI。5 人團隊最低付費方案的標價年費由 $300 至 $1,740;除 Smartsheet 外,其餘工具均有免費方案。
作者 Advik Divekar 建立 The Last Satellite,使用 TabPFN-v2 分析 OPS-SAT 遙測,並以 Tinker 微調 Qwen3-8B,將留出文件的欄位完全匹配率由 72.2% 提升至 86.3%。
Nvidia RTX Spark 評測指出,平台在產品形態與就緒度方面問題重重,整體表現令人失望。Paul Thurrott 使用 ASUS ProArt P16、HP OmniBook Ultra 16 和 Lenovo Pro 9n 超過兩週,指出這些筆電價格高昂、沉重、發熱且嘈吵,RAM 擴展性及頻寬亦不及 Apple Silicon。
Michael K. Saleme 用不接受付款的 x402 v2 規格伺服器測試 Agent Security Harness,發現原有測試結果不能證明付款攻擊遭拒。
Gemini 4 Argon 在付費 Gemini API 正式開放 18 天後,於 Artificial Analysis Intelligence Index v5.0 的 high 設定得 50 分,排名第 13/58,執行指數耗用 110M tokens。
文章比較 DeepSeek-V4.1-Flash-1017、Mistral Large 4 和 Qwen3.8-27B 三款開放權重模型,涵蓋上下文、輸入模態、授權、價格、部署要求及基準資料。
Sean Hollister 用 $50 的 Waveshare ESP32-S3 1.75C,配合 Claude Code 自製可連接 Meta Muse AI 的電子寵物。他加入對話記錄、ElevenLabs 語音、手機遙距拍攝、不同化身及養成小遊戲,並修正按鍵收音問題。Meta 的伺服器有時會延遲;作者表示自己沒有編碼經驗,無法判斷程式碼是否可靠,並認為專用硬件的價值在於可以按需要自行編程。
Hugging Face 官方基準測試排行榜截至 2026-11-01 共收錄 57 項基準測試及 1,169 個排行榜項目,並新增 29 個項目。六項基準測試的榜首模型有所變動,另新增 VDEBench 等 6 項官方基準測試。大部分排行榜項目由模型作者自行申報,評測設定各有不同,只有 Hugging Face 標記為已核實的項目才列為已核實。
作者嘗試以受 Navier-Stokes 方程約束的擴散模型取代 CFD,為 2-D 翼型進行設計,但在首輪測試中,擴散模型不及查表法。改用查表搭配「檢索→微調→驗證」後,命中率達 83% / 97% / 99%,高於查表法的 75% / 91% / 98%;關鍵是利用已儲存的求解器結果判斷候選翼型。測試網格點之間的條件時,擴散模型仍落後於直接以代理模型微調。
AI Labo 的 E20 基準測試顯示,加入僅 5 項、增加 442 tokens 的 MEMORY.md,可令編碼 Agent 避免重複踩中程式庫陷阱,並在隱藏測試中一次通過 20/20;冷啟動探索則為 17/20。加入 MEMORY.md 後,累計輸入 tokens 減少 95.5%,API 成本減少 83.7%,執行時間縮短 54.8%。
文章比較 OpenRouter、LiteLLM、Portkey 與 Kong AI Gateway,整理各自適合的託管方式、控制需求和團隊情境。LLM 閘道可負責模型路由、快取、成本與速率控制,以及請求追蹤。
Bose Sport Open Earbuds 佩戴舒適穩固,音質以開放式耳機而言不俗,並具備 IP54 防護,但音質和續航不及 Ultra Open Earbuds (2nd Gen)。售價 $199,續航最長 7 小時,低於 Ultra Open Earbuds (2nd Gen) 的 9 小時;充電盒支援無線充電,耳機設有實體按鍵控制播放。
Ahmad Shawar 比較 Postgres 多種嵌入向量壓縮方案,指出壓縮後能否保住搜尋召回率取決於嵌入模型,而非單看編碼器。OpenAI ada-002 的 binary + rerank 在 DBpedia 上 Recall@10 為 0.992,GloVe 為 0.348,SIFT 則只有 0.055。
七款語音模型在真實新聞廣播上的 WER 相差不超過 0.94 個百分點,排行榜第一的 30B 模型與 0.6B 模型之間的差異未達統計顯著。測試涵蓋 31 段廣播、共 2.6 小時;速度介乎 13x 至 1,117x,每小時音訊成本約為 $0.003 至 $0.220。選擇模型時,吞吐量和服務配置比模型規模更值得考慮。
Ring 的第三方 AI 應用將安防攝影機和影片門鈴延伸至垃圾監察、業主協會規則、租客、寵物、野生動物、員工及鳥類等用途。文中列出的應用月費例子為 $3 至 $10,多數另需 Ring 訂閲,支援裝置和收集的個人資料亦因應用而異。作者提醒,AI 偵測並非總是可靠,不應單獨作為投訴或採取行動的依據;鳥類辨識亦有免費替代方案。
CNET 手機評測員多年來反覆佩戴 Huawei Watch Ultimate,最看重它的傳統腕錶外形、實用的基本智能功能和長續航。Huawei 稱單次充電最多可用 14 天,作者表示連續使用兩星期也沒有問題;相比之下,Apple 對 Apple Watch Series 12 的續航承諾為最多 24 小時。
實測顯示,靈光2.0在中國移動互聯網生態落地的主要瓶頸,不只是模型推理能力,還包括跨平台權限、安全責任與商業利益歸屬。靈光可讀取支付寶帳單、釘釘羣聊及通訊錄,並在飛書建立雲文檔,但無法發送訊息、載入淘寶購物車或完成付款。服務協議仍由用戶承擔操作後果和風險,文章亦分析商業模式如何影響助理的推薦立場。
InferenceKey 在 24 GB RTX 4090 上部署並測試 Flint 編碼智能體,指出上下文長度是能否連同 KV cache 載入模型的關鍵。16K 可在 GPU 上載入完整模型,32K 則因 KV cache 預留失敗而發生記憶體不足。
Freebuff 是一款由廣告資助的 AI 編碼智能體,無需訂閲、信用卡或點數,提供 Mac、Windows、Linux、終端機及瀏覽器版本。它支援雲端工作串流,並可連接 GitHub、Linear、Notion 等服務。使用者仍須審查程式碼變更,並謹慎設定整合權限及保護機密資料。
Retool 與 Mythex 的比較指出,Retool 適合有開發人員、需要在現有數據上建立工具的團隊;沒有開發人員的小團隊,使用 AI app builder 通常能更快完成應用程式。按年計費時,Retool Team 為 2 位建置者及 25 位內部用戶每月 $145;Mythex Business 每月 $50 起,提供 100 credits 及不限成員。
Alicia 在配備 RTX 5070 Ti 的 Windows 桌面上測試 Radix 0.0.1 與 Spark 2.3.1,發現三種渲染路徑在 5,000,000 個 splat 下均接近瀏覽器 60 Hz 上限,測試結果不足以得出速度倍數。Radix 的 WebGL2 fallback 雖維持約 60 FPS,但 5M splat 快速環繞測試中,從開始排序到套用結果約需 58 ms。
HUAWEI Mate XT 2 非凡大師於2026年9月12日開售,售價19999元起,主打三折疊形態、移動辦公、影音體驗與影像創作。展開後內屏為10.2英寸OLED,支援全景三分屏;部分配置搭載靈盾防窺屏。產品提供16GB+256GB、16GB+512GB及16GB+1TB三種版本。
開源程式庫 schemagate 在 BIRD Mini-Dev 的 SQLite、PostgreSQL 和 MySQL 評測中均排名第一,分數分別為 81.0、72.6 和 72.4。它會先篩選問題所需資料表,再由 Claude Opus 5.5 編寫查詢;程式庫的主要用途是存取控制。這項結果不代表它在使用隱藏測試集的 BIRD 主排行榜上排名第一。
Halfcycle 對比 Lovable,説明應用程式需要長期維護時,兩者在後端依賴、技術選擇及程式碼管理上的分別。Lovable 提供內置後端,但應用程式的後端、AI 功能及連接器會繼續依賴 Lovable,直至用戶替換它們。Halfcycle 在 Claude Code 中運作,將程式碼保存在用戶的儲存庫,並可接續處理現有程式碼。
重測未發現完整技能文件與精簡版在模糊任務的「無理停止」指標上有顯著差異。明確任務中,精簡版得分為25/30,完整版本為24/30。三款模型共進行180次執行及180次判斷;結果不證明兩版本等效,也不代表強模型一般不需要技能文件。
Floci 是開源 AWS 模擬器,可在本機以單一容器提供服務端點;官方文件列出 137 個服務項目,但仍未涵蓋 AWS 全部服務。官方 README 稱啟動時間約 24 毫秒,第三方測試則量得約 129 毫秒至 3 秒;Docker Hub 上的主映像為 86.8 MB,使用部分服務仍會額外下載映像。
作者以本地 Gemma 3 4B IT 建構並審計一套 EEG 腦訊號解讀系統,發現生成內容主要來自模型先驗。ridge probe 從 200 個概念中以單次 EEG 試次命中率 4.5%(機會水平為 0.5%),平均 16 次呈現後升至 39.5%。
Claude Fable 和 Opus 新模型據稱已進入早期測試,疑似新模型 Obsidian 3 則在 FrontierCode 2.0 取得 46.8 分,超越 Claude Opus 5.5 的 45.5 分。兩者同以 high 推理強度作答時,Obsidian 3 成本是 Claude Opus 5.5 的 3.6 倍;其型號身份及是否屬於 Claude 新模型仍未確定。
Arbitrum Bridge 收益策略優化報告評估其架構、智能合約安全及治理風險,涵蓋約 $3.313 B 的以太坊與 Arbitrum 合計 TVL。報告未發現嚴重漏洞,但指出治理集中及監察不足等風險,整體風險評分為 4.2 / 10。其中,排序器延遲、管理員權限遭入侵及跨鏈流動性挖礦攻擊,可能導致資金凍結或用戶收益減少。
作者以改編自 Battle City 的文字坦克遊戲比較四個模型,Fable 5.1 在 25 場中只勝 1 場,並有 21 場失去基地。Fable 的計劃更完整,卻常離開基地攻擊遠處目標;Opus 則採取直取最近基地、守住路線的策略,表現最佳。
作者修正 EngramGraph 與 code-review-graph 的比較方法,並以新增 40 個提交重新測試,原先顯示的領先結果未能成立。在全部 60 個提交中,允許重試時,code-review-graph 有 51% 的答案正確,EngramGraph 則為 35%;作者指出兩者表現接近,結果取決於智能體是否重試。
Ideogram 比較 10 款面向企業開發者的 AI 圖像生成 API,涵蓋應用場景、價格模式與生產部署條件。文章建議按工作流程評估生成、編輯、SVG 輸出及自訂模型能力,並把修訂、審核和基建成本計入每件可用素材的成本。同一模型透過不同平台提供時,請求格式、價格、儲存政策和商業條款可能不同。