跳到正文
10月27日週二
  1. The Decoder46

    OpenAI 的 Ted Sanders 分享挑選合適 GPT 模型的經驗法則

    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。

  2. DEV Community63

    23 個 AI 智能體造訪測試網站,多數看似真人

    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。

  3. 阿里雲開發者社區 AI36

    智能客服新時代:如何選擇智能客服系統?瓴羊 Quick Service 助力企業提升客戶體驗

    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。

  4. DoNews25

    iPhone Duo 散熱測試表現優於 Galaxy Z Fold8

    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℃。

  5. 阿里雲開發者社區 AI63

    實測螞蟻靈光 2.0 三天:智能體追蹤新聞、iPhone Duo 庫存並檢視帳單

    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。

  6. DEV Community59

    GPT-6 Astra、Gemini 4 Argon 與 Claude Opus 5.5 的 4 項實務評測:AI benchmark 有多可信?

    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。

  7. DEV Community52

    2026 年 10 款在合併前捕捉 AI 生成程式碼錯誤的最佳工具

    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。

  8. Simon Willison34

    webframe:作為網頁抓取工具及沙盒的評估

    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。

  9. DEV Community50

    Trellis 2 六類輸入的 GLB 輸出品質評測

    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。

  10. DEV Community61

    作者測試 llama3.2:latest 作為 Agent 授權閘門的安全性

    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。

  11. DEV Community46

    AmblyoPunch VR 遊戲如何訓練弱視兒童雙眼協作

    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。

  12. DEV Community19

    Spark Savings 跨鏈橋風險評估

    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。

  13. DEV Community50

    Runway、Kling 與 Luma 比較:哪款 AI 影片工具適合不同鏡頭需求?

    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。

  14. Unite.AI48

    Brand24 評測:覆蓋面廣,但值得信賴嗎?

    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。

10月26日週一
  1. DEV Community52

    Dify RAG 流水線基準測試:負載下的 Token 消耗、快取命中率與檢索延遲

    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。

  2. CNET60

    Meta Muse 改善 Facebook Marketplace 購物體驗:我如何設定它協助網購

    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。

  3. DEV Community46

    MCP 工具描述洩漏:描述正規化基準測試

    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。

  4. DEV Community44

    Google Maps 排名靠前的本地商家會獲 ChatGPT 推薦嗎?70% 未被提及及 10 月 26 日引用核查

    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。