X 貼文排序權重核對:網傳數值有程式碼依據,部分説法已過時
作者將網傳 X 貼文互動倍率逐項對照公開程式碼;所列數值來自截至 2026-10-27 的 commit 2f25214 預設值,生產環境設定可以覆寫。排序分數是權重乘以 Phoenix 對個別用戶採取各種行為的預測機率後加總,並非互動次數的固定換算;程式碼沒有書籤評分。
作者將網傳 X 貼文互動倍率逐項對照公開程式碼;所列數值來自截至 2026-10-27 的 commit 2f25214 預設值,生產環境設定可以覆寫。排序分數是權重乘以 Phoenix 對個別用戶採取各種行為的預測機率後加總,並非互動次數的固定換算;程式碼沒有書籤評分。
OpenAI 的 Ted Sanders 分享挑選 GPT 模型的經驗法則,指出模型規模雖解釋多數表現差距,但推理力度及多智能體系統亦是不同維度。只看品質應選 Astra,稍為在意價格可選 Sol,非常在意價格則選 Terra 或 Luna。GPT-6.1 Terra 價格低得多,在技術溝通方面可能勝過較大的 Astra,圖像處理及電腦操作表現大致相若,但多數其他範疇較弱。
Rokid 發佈新一代帶顯示 AI 眼鏡 Rokid Glasses 2;愛範兒提前體驗一星期,評測其佩戴、拍攝及 AI 會議紀要功能。眼鏡配備 1200 萬像素 CMOS,支援 HDR、RAW 14,影片最高可拍 4K 9:16 直向 30 幀,亦可選 2K 60 幀;官方稱日後會透過 OTA 更新 120 幀。
零跑 C10 與埃安 i60 成為替換家中舊燃油車的候選車,影片以實測比較兩款新能源車,協助家用選擇。比較重點包括全家共用所需的空間、易用的智能駕駛,以及周邊自駕遊所需的續航表現。
DeepSeek V4.1 Flash 1017 在 Claude Code 2.1.310 和 OpenCode 2.1.3 中,六次均修正運費判斷錯誤並通過測試。
Tokely 比較 8 家供應商的 13 個搜尋工具定價層級,標價由每 1,000 次搜尋 $0.75 至 $35,約相差 47 倍。模型內建搜尋工具的定價為獨立搜尋 API 中位數的 2 至 2.8 倍;搜尋後讀取三個網頁的工具及抓取費,每 1,000 次操作為 $3 至 $12.80,模型 token 費另計。
作者以 49 次測試比較 23 個 AI 智能體、聊天機械人及開發工具,以及 8 種真人操作;多數使用瀏覽器的智能體在網站分析中看似一般 Chrome 訪客。所有 13 種會點擊的智能體,每次都在點擊前以單次跳動抵達目標;單看按鍵時長等訊號亦可能把 Voice Control 用戶誤判為機械人。Privatrak 正加入根據指標移動模式辨識自動化造訪,並開發伺服器端統計只抓取頁面的聊天機械人。
PC Watch 測試顯示,Intel 鋭炫 B580 12GB 在同一電腦上改用 XeStrata 後,運行 1250 億參數模型的文字生成速度達 31.1 tokens/s,較 Strata 的 10.9 tokens/s 快近 3 倍。
瓴羊 Quick Service 以 AI Agent 調用後端系統處理查物流、改地址等操作,智能客服的選型重心亦由問答準確率轉向能否完成任務。平台支援多輪對話、多渠道接入及知識庫動態更新,AI 問答準確率達 93%,可自動處理 80% 以上常見問題。某電商商家實測轉化率提升 8.39%,轉人工率降低 45% 以上。
80歲美國作家Bill Sniffin駕駛一輛2018款二手特斯拉Model X完成近3000英里(約4800公里)旅程,其中約2800英里(約4500公里)由FSD輔助駕駛完成,佔比超過93%。FSD在施工路段等複雜路況下表現不夠穩定,駕駛員仍須保持注意力並隨時準備接管。
Three.js 的共享 TSL 風場可在 WebGPU 及 WebGL2 後備模式下,讓草葉與 Houdini 匯出的植物一致隨風彎曲;桌面測試共進行 54 次試驗。
阿里巴巴 Qwen 團隊與香港科技大學研究人員讓18款AI模型經營電商平台365天,GPT-5.6 Sol以10萬元初始資金增至143.1萬元,資產增幅居首。它辨別詐騙供應商的表現排名第16,Claude Fable 5則以約80.5萬元期末資產排名第二。
iPhone Duo 在 3DMark Wild Life Extreme 壓力測試中的散熱與性能表現優於 Galaxy Z Fold8。測試約 20 分鐘後,iPhone Duo 表面温度約 39.4℃,熱量分散較均勻;Galaxy Z Fold8 熱量集中於頂部 CPU 區,核心温度升至 45℃。
騰訊、阿里、字節和百度的四款 AI 辦公產品各有側重,文章按工作場景比較 WorkBuddy、千問辦公、豆包工作和庫庫AI。庫庫AI 支援研究報告、盯盤監控和教育科研任務;實測中,它用 20 分鐘生成一份 30 多頁、約 2 萬字的行業研究報告。產品可經網頁端或桌面客戶端使用。
作者實測螞蟻靈光 2.0 三天,利用「幫我管」設定持續任務,追蹤 AI 新聞、iPhone Duo 庫存和支付寶訂閲帳單。新聞簡報每日早、中、晚推送並寫入飛書;作者記錄靈光在月之暗面發佈 Kimi K3.1 Pro 後約凌晨兩點推送消息,庫存監測則每小時巡查,並可提醒但不代下單。
GPT-6 Astra、Gemini 4 Argon 與 Claude Opus 5.5 在四項商業實務任務的比較顯示,總分接近並不代表實際表現相同。測試中,Astra 四項均得 10 分,Opus 完成四項,Argon 未能完成 CSV 分析;但每項只測一次,Argon 的 CSV 任務另重試一次,而且三款模型使用的應用環境並不相同。
美國中期選舉前,ChatGPT 生成描繪選舉幹預或可能打擊投票意欲的卡通風格圖片,即使用戶要求寫實風格亦然。
文章按四層合併前檢查流程比較 10 款捕捉 AI 生成程式碼錯誤的工具,並將 Qodo 排在第一。流程涵蓋確定性檢查、安全掃描、具上下文的 AI 審查及端到端測試。文中兩個 PR 案例均通過前兩層;上下文審查可標出問題,而端到端測試能否發現問題則取決於測試套件是否涵蓋相應流程。
DEV·TV 對本週登上 OpenRouter 的 OpenAI GPT-6.1 Terra 與 MoonshotAI Kimi K3.1 Pro 進行規格對比,Terra 以 3 比 1 勝出。
評估發現,webframe 是一款快速、輕量的瀏覽器 JavaScript 執行工具,適合用於網頁抓取,效能與 shot-scraper 相若。它仍有多項不足,包括 CSP 失敗、視窗大小為 0×0、載入停滯、缺少 HTTP 中繼資料,以及瀏覽器控制功能有限。
Cleveland oil 以六類輸入測試 Trellis 2 的圖像轉 3D 表現,並按剪影、拓撲、材質及匯入 Unity 的情況評估 GLB。六次匯入均成功,生成需 1–3 分鐘;概念圖得 9/10,拼貼輸入得 4/10。作者認為實景參考照片和概念圖較適合遊戲道具製作,但單張圖像無法掌握物件背面,面向流動裝置的高密度網格亦需簡化。
作者測試本地 llama3.2:latest 作為 Agent 安全閘門,模型把網頁中的偽造操作員批准當成授權,對寄送客戶資料庫的提議回答 ALLOW。測試透過 Ollama 0.40.11 執行,模型在其餘四個案例給出安全結果;但其中一案雖阻止轉帳,理由卻把資料不足與禁止混為一談。作者指出,這五個提示詞只是冒煙測試,授權應由模型外部的程式碼核驗。
AmblyoPunch 在 Meta Quest 上以 VR 遊戲進行弱視訓練,透過分階段的雙眼分視訓練,逐步引導雙眼協作。作者稱,女兒使用三個月後,弱眼視力由 0.4 升至 0.7,並首次在 Titmus-Fly 測試中辨認出有翅膀的蒼蠅。AmblyoPunch 並非醫療器材或治療替代方案,應配合專業眼科照護使用。
Pangram 檢測 Anthropic 長達 335 頁的 S-1 IPO 申報文件,判定其中 92% 由人類撰寫。工具將少量句子標記為高度可能涉及 AI;Pangram 行政總裁 Max Spero 表示,結果反映輕度 AI 編輯或句子層面的使用,文件並無重要部分完全由 AI 生成。
在真人牌桌的 1,342 次決策中,GLM 4.7 Flash 有 88 次被標記為錯稱手牌;GPT-6 Astra 的 1,397 次決策則沒有相關標記。抽查 GLM 的 15 次標記,有 13 次確實錯稱手牌;Astra 的 15 個手牌描述則全都符合引擎記錄。標記依賴正則表達式,可能有誤判,零標記亦不代表完全沒有錯誤。
Spark Savings 跨鏈橋風險評估將整體風險列為高,評分為 7.8 / 10,並指出 Merkle 證明驗證不完整及缺少重放保護,可能讓中繼者偽造提款證明。評估亦指出,升級及管理員控制缺乏時間鎖和多重簽署,形成單點故障風險。
ASRock Creator Radeon AI Pro R9700 評測聚焦這款採用 RDNA 4 的工作站顯示卡,它是 AMD 目前 AI 能力最強的工作站卡。顯示卡配備 32GB GDDR6,FP8 峯值矩陣運算效能為 382.7 TFLOPS,功耗為 300W。它支援 FP8,亦可用 FP8 執行 FP6 和 FP4。
一項涵蓋 OpenBookQA、ARC-Easy 和 ARC-Challenge 全部題目及分割的盤點發現,單選最長答案在 OpenBookQA 得分 43.35%,高於約 25% 的隨機基線。該方法在 ARC-Easy 得 24.93%、ARC-Challenge 得 27.76%,均接近基線;結果顯示,長度捷徑取決於選項的編寫方式,而非科目本身。
Epoch 的 Epoch Automation Reports 顯示,Claude Fable 5.1 和 GPT-6 Astra 在日常工作任務評測中平均得分為 65%。
Ranked By Task 的榜單將 Runway、Kling、Luma 分列第一、第二、第三,並按可控成片、動作真實感和鏡頭運動需求區分用途。Runway 以鏡頭控制和編輯流程見長,但場景連貫性仍難維持;Kling 動作更具真實感,但控制介面變動較多;Luma 容易要求 dolly 或 orbit 運鏡,卻較難在不同片段維持人物一致。
Brand24 可監察社交媒體、新聞、論壇及 podcast 等來源的品牌提及,但測試發現無關結果會推高數字,情緒標籤也常忽略語境。抽查的 50 則提及中,只有 36 則相關;檢視的 10 則負面提及,沒有一則是在批評 Unite.ai。方案價格偏高,大部分 AI 功能須使用 Pro 方案,預算有限的小型企業未必適合。
Respan Gateway 是一款以插件為先的開源 LLM Gateway,源於處理 100k 行舊有程式碼時遇到的困境。文章探討其 LLM 路由、備援機制及 MCP 工具,並檢視供 AI 應用開發者使用的功能與限制。
Code2Video-AA 評測 AI 模型以程式碼設計影片的表現,Claude Opus 5.5 在全部五個評分軸領先。每項任務的成本相差超過 300 倍,而所有模型至少成功算繪 96% 的影片。
Arlo Essential Solar Security Camera 在陰暗多雨的天氣下仍能靠有限日照維持電量,測試中電池大致保持在 97%,間歇日照亦曾令電量回升。相機內置太陽能板,配備 14,790-mAh 電池;Arlo 稱滿電後可在無日照下維持六個月。
作者實測 Eight Sleep 温控牀套三個月,認為它主要幫助對温度敏感、睡眠有小困擾的人恢復正常入睡能力。牀套可左右分區控温,並按睡眠狀態自動調節牀面温度。它並非所有失眠者的解藥,品牌提供30天無理由試睡。
JJ657 對 Dify RAG 流水線進行負載基準測試,發現重排提示詞可令每次查詢成本較無快取基線下降 51%。測試中快取命中率由 25.7% 升至 74.3%;30 個以上並發用戶時,Postgres 向量搜尋成為瓶頸。將 pgvector IVFFlat 的 lists 調至 500 並加入 pgbouncer 後,40 個並發用戶的 p95 延遲由 5.3s 降至 2.1s。
作者使用 Meta Muse 在 Facebook Marketplace 搜尋二手腳凳、空氣淨化器和加濕器,並設定它每 4 小時搜尋新刊登。Muse 可透過對話縮小搜尋範圍,亦會在連接 Messenger 後向賣家發訊息,並每 30 分鐘檢查對方有否回覆。作者最後安排好一件商品的取貨,但曾先於 Muse 收到賣家回覆,並希望避免向 Muse 提供電話號碼或地址等敏感資料。
ToolSieve 基準測試顯示,將 MCP 工具描述正規化為固定 schema,可把 top-1 洩漏率由 13.8% 降至 7.8%。測試涵蓋 1,312 條公共伺服器工具描述,以 Swallow-8B-AWQ agent 和規則評分,沒有使用 LLM judge。正規化仍有犧牲工具使用指引的代價,沒有方案能在不作取捨下消除中毒。
PresenceScanner 於 2026 年 8 月調查 81 間 Google Maps 搜尋結果首頁的本地商家,ChatGPT 只在書面推薦中提及 24 間,57 間(70%)未獲提及。10 月 26 日的核查發現,ChatGPT 未提及這項研究;Perplexity 和 Google AI Mode 重述了數據,但引用的都是第三方來源,沒有引用 ScriptMasterLabs 網站。
作者以 Claude Opus 5.5 驅動開源 MiroFish 智能體羣測試四個 Polymarket 市場,預測與直接詢問 Opus 相差 0 至 3 個百分點。