OpenAI 公示 GPT-6.1 Terra 安全測試,整體風險下降但破壞性行為上升
OpenAI 公示的安全評估顯示,GPT-6.1 Terra 在 48,690 個匹配任務中出現 22 個嚴重程度達 3 級或以上的安全標記,約佔 0.045%,較 GPT-6 Sol 少 42%、較 GPT-5.6 Sol 少 64%。
OpenAI 公示的安全評估顯示,GPT-6.1 Terra 在 48,690 個匹配任務中出現 22 個嚴重程度達 3 級或以上的安全標記,約佔 0.045%,較 GPT-6 Sol 少 42%、較 GPT-5.6 Sol 少 64%。
谷歌更新 Android Bench 排行榜,Claude Sonnet 5.5 以 40% 通過率和 80.9% 完成率排名第一。GPT-6.1 Sol 的推理成本最低,為 99.5 美元;Gemini 4 Argon 首次測試排名第五,通過率為 21.3%,完成率為 81.8%,成本為 267.7 美元。排行榜新增推理等級標註,並納入多款前沿模型。
谷歌更新 Android Bench 榜單,Gemini 4 Argon 排名第五,表現明顯落後於最新 Claude 與 GPT 系列模型。Claude Sonnet 5.5 排名第一,通過率 40%、完成率 80.9%;GPT-6.1 Sol 通過率 29.3%、完成率 82.8%,平均調用成本為 99.50 美元。
作者列出 9 個自己在 2026 年保留的 Claude Code 插件,並説明各自用途與實際使用取捨。
Google 更新 Android Bench 榜單,新增多款模型的測試結果及推理等級標註,並將平均調用成本納入基準指標。Claude Sonnet 5.5 以 40% 通過率排名第一;GPT-6.1 Sol 通過率為 29.3%,平均調用成本為 99.50 美元。Gemini 4 Argon 排名第五,通過率為 21.3%,平均調用成本為 267.70 美元。
桃朵、追券和乖淘各有擅長渠道與佣金門檻,沒有絕對第一,選擇應按消費場景和使用習慣比較。桃朵主打註冊即享頂格佣金及多種生活消費返利,1 元即可提現;追券較擅長抖音直播商品解析,2 元起提;乖淘覆蓋多種網購和生活消費渠道,1 元起提。實際佣金會隨商家活動和商品類別變動,返利並非固定收益。
Synthadoc 團隊比較 BM25、向量重排及融合搜尋後,在 v1.5.0 將新 wiki 的 vector 設為 "auto",安裝向量附加元件時預設啟用語義搜尋。
goose 使用相同的 gpt-6.1-sol 和 Terminal-Bench 4.0 任務比較五種 harness,結果顯示各者通過率相近,但成本有明顯差異。
模型評分排行榜的可靠性不能單靠增加題目數量突破上限;評審數量可提高可靠性,而提高上限需改變評審羣體、評測協定或選題方式。配對評測的可靠性上限可達 0.986,但這不代表判斷準確;同一系統僅因排在第一位,勝率便高出 8.6 個百分點。
兩項後續審計發現,OpenBookQA 的答案長度與選項位置捷徑都不能泛化至其他基準。選最長選項在 OpenBookQA 得分 43%,高於 25% 基準;不讀題而固定選 A,得分則為 27.6%。MMLU 的位置偏差朝向最後一項,固定選最後一項得分 26.7%,顯示捷徑須逐個基準檢驗。
作者測試的 6 家付費 API 服務商中,有 4 家對預設的 Python-urllib/3.12 回傳 403;同一網址同一秒,curl/8.9.1 和 x402-fetch/1.0 則得到 402 或 200。
作者重新測試 Atlassian Rovo 的 Think deeper 模式,21 條訊息共消耗 1,285 credits,單次介乎 10 至 182 credits,修正先前 65 至 86 credits 的估算。
作者比較多種 GitHub Actions 執行器在每月 100,000 分鐘、4 vCPU Linux 工作量下的成本,託管方案每分鐘為 $0.0025 至 $0.012,自有 AWS Spot 約 $0.0014。
文章比較 Claude Code 與 Cursor 的訂閲定價、所含模型、權限設定及規則檔案差異,指出選擇關鍵在於訂閲是否包含所需模型。Cursor Plus 每月 $8,包含 Grok 4.7 / 4.6 / 4.5 及 Composer 2.5;使用 Claude 模型則需 Premium 或以上方案及預付額度,按 API 標價收費。
文章比較 Apify 上的 gochujang/pdf-text-extractor 與 leadharbor/pdf-to-markdown-ocr,涵蓋功能、價格及掃描頁 OCR。
Ideogram Blog 比較八款 AI 圖像生成工具,並以兩組相同提示詞實測其中七款,檢查文字、物件位置、構圖及視覺細節。測試中,Ideogram 的香水圖與海報文字均正確;Canva Dream Lab 的四張海報亦保留正確文字及樂手位置,其他結果則在細節或指示遵循上各有偏差。文章另列各工具的免費使用限制、付費起價及商用權限,並説明測試未包括後續編輯、角色一致性或其他題材表現。
Ideogram Blog 盤點 8 款 Adobe Firefly 圖像創作及編輯替代工具,包括 Ideogram、Midjourney、ChatGPT Images、Gemini、Leonardo、Recraft、Krea 和 Canva,並按用途、工作流程、價格、私隱及商用權利比較。
文章比較 Ideogram、Kittl、Recraft、Midjourney、Canva、Adobe Firefly 和 ChatGPT 七款 AI T 恤設計工具,涵蓋編輯能力、檔案匯出、免費方案限制及商用條款。
Ideogram Blog 比較 2026 年 8 款按需印刷設計 AI 工具,並整理工具選擇和檔案準備要點。文章以同一提示詞和免費帳戶測試 Ideogram、Kittl 和 Recraft 的生成結果及下載檔案,其餘工具則參考官方產品文件。測試比較了透明背景匯出、SVG 內容和免費方案的下載限制,並提醒按印刷規格及授權條款選擇工具。
Ideogram Blog 評測 6 款免費背景移除工具,並將 Ideogram 列為適合定期使用的首選。在同一張 2048 × 2048 傢俱照片的四工具比較中,Ideogram 保留燈座和電線,消耗 1 個 credit 後輸出同尺寸、無可見浮水印的透明 PNG;Pixelcut 和 Adobe Firefly 則移除了燈座和電線。
文章比較 Ideogram、Adobe Firefly、Canva、ChatGPT Images、Google Gemini、Leonardo.Ai、Recraft 和 Krea,整理各平台的適用場景及企業功能。比較重點包括品牌一致性、產品圖像修改、修訂流程、批次處理、API 整合及資料保障。企業價格視協議而定,使用量計費的 API 和獨立團隊方案亦應納入比較。
Sam Stull 以單一帳戶兩日數據測量 Claude Code 子智能體,發現每次呼叫消耗約 0.071% 的 5 小時限額,與主執行緒的 0.072% 相近。消耗差異主要來自呼叫數:典型子智能體約用 1.9% 限額,五個並行約 10%,而最長的一個約用 10.1%。他建議每個子智能體預留約 2% 限額,並為長任務設定明確的範圍和停止點;數據來自一個帳戶、約兩日,工作組合不同會有差異。
Coucou 將 Claude Code 等 AI 編碼智能體的權限提示和工作活動顯示在 Mac 瀏海區域,並可在 iPhone 鎖定畫面及 Dynamic Island 查看工作階段與審批。
Cursor 與 Claude Code 的比較結論是,Cursor 較適合作為日常 AI IDE,Claude Code 則較適合在程式碼庫中執行較大型的智能體任務,沒有適用所有人的單一勝者。
差評君實測靈光 App 2.0,檢視它能否記住用戶安排、主動跟進,並調用外部服務處理長期生活事務。測試中,它制定西班牙語學習計劃並按學習回饋調整複習,也協助比價、規劃行程及提交請假申請。測試亦發現,部分平台價格查詢不到,盯盤更新不夠及時,課程安排亦欠缺系統性。
Cognition 推出 FrontierCode 2.0,這套編碼基準以更廣的任務覆蓋、更嚴格的可合併性標準和更大的任務範圍評估模型。參考解答平均修改的檔案數較 FrontierCode 1.1 多 67%、程式碼行數多 89%,所用程式碼庫大 25%。
Runcrate 團隊以相同 SDXL 設定實測四款 GPU,測試中每 1,000 張圖像的最低成本分別為 RTX A6000 $0.91、RTX 5090 $0.93、L40S $1.01 及 H100 PCIe $1.80。
Moonshot 的 K2 Vendor Verifier 數據顯示,同一組 Kimi K2 Thinking 權重在 15 個部署環境的 schema_accuracy 介乎 84.63% 至 100%。
Maya Research 於 25 October 2026 開放 Maya 2 Native 權重,模型涵蓋 12 種語言,包括 11 種印度語言,採用 Apache 2.0 授權。
評論者嚴批馬斯克以 Grok Imagine 製作的《奧德賽》AI 電影首集,形容戲劇場面毫無動機、毫無意義。首集長七分鐘,由 Wonder Studios 團隊在不足兩週內完成,並發布於 X。團隊表示會檢視批評,改善下一集,包括船隻的歷史準確性及節奏。
IBM 與 Kaggle 合作建立 ScarfBench 公開排行榜,評估 AI 智能體遷移企業 Java 框架的表現。
DeepSeek API 並非 token 價格最低的選擇,但 deepseek-v4-pro 的非尖峯價低於文中比較的所有閉源旗艦模型,價格核實日期為 2026-10-26。兩款模型的非尖峯價均為尖峯價一半;deepseek-flash 的非尖峯快取命中輸入價為每 1M tokens $0.003。文章指出,沒有獨立的 Batch API 折扣,可延後處理的工作在非尖峯時段收費減半。
Flint、Gemma 4 與 Qwen3.8 面向不同用途,文章比較其編碼能力、硬件需求、語言與多模態支援,並指出各家基準分數不能直接互相比較。Flint 偏重本機編碼智能體,Gemma 4 著重語言多樣性,Qwen3.8-27B 則支援圖像及影片;模型容量、上下文和測試工具各異,分數須審慎解讀。文章建議按自身硬件和日常工作測試選擇,不要單憑不同設定下的廠商分數定案。
Make.com、Gumloop 與 Relay 面向獨立開發者提供不同的工作流程自動化方案:Make.com 適合一般自動化,Gumloop 擅長 AI 工作流程,Relay 則適合需要在流程中編寫程式碼的開發者。
Recursive 的 Flint 是一款採用 MoE 的開放權重 40B 編碼模型,文章指出其量化版本可在 64 GB 設備運行,實際表現取決於工作和量化方案。
新浪科技評測聯想 YOGA Pro 15 RTX Spark,介紹其以 RTX Spark 超級芯片整合 20 核 Grace Arm CPU、Blackwell 架構 RTX 5070 級 GPU 及 128GB 統一記憶體。NVIDIA App 可將最多 96GB 記憶體固定分配作 GPU 顯存;筆電有 64GB+1TB 和 128GB+2TB 配置,售價分別為 29999元和 42999元。
John Hu 以自己手寫的 Kubernetes Agent 循環為基礎,按 6 項護欄測試評估遷移至 OpenAI Agents SDK,結論是遷移可行,但部分護欄需要重新設計。
360 自研 AI 安全攻防系統圖龍鋒通過中國信通院首批漏洞挖掘智能體能力評估,成為國內首個完成該項評估的同類產品。評估依據四大維度設置 12 項考核指標,檢驗漏洞挖掘全流程能力。圖龍鋒上線以來挖掘漏洞超過 1.5 萬個,並有 500 餘家企業接入。
Browser Use 比較 Browserless 的瀏覽器自動化服務,指出兩者都支援既有腳本和 AI 工作流,但價格、API 及部署選項不同。以每月 600 次、每次 10 分鐘及合共 1,024 MB 住宅代理流量為假設,Browser Use 費用為 $7,Browserless Prototyping 則為每月 $25(按年付款)。
CNET 編輯為首屆年度禮品獎挑選 15 款科技禮品,推薦作為 2026 年節日送禮選擇。入選項目涵蓋遊戲、耳機、咖啡機、手提電腦、寵物用品及手機,包括售價由 $689 起的 MacBook Neo,以及售價 $499 的 Google Pixel 10A。