SMP 與 codebase-memory-mcp 基準測試:SMP 2 分 51 秒索引 95,937 個 Linux kernel 檔案
作者在一部 8 執行緒、14 GB RAM、沒有 GPU 的手提電腦上,測試 SMP 與 codebase-memory-mcp 索引同一 Linux kernel 檔案樹;95,937 個檔案分別用時 2 分 51 秒和 13 分 14 秒,SMP 快 4.6 倍。
作者在一部 8 執行緒、14 GB RAM、沒有 GPU 的手提電腦上,測試 SMP 與 codebase-memory-mcp 索引同一 Linux kernel 檔案樹;95,937 個檔案分別用時 2 分 51 秒和 13 分 14 秒,SMP 快 4.6 倍。
vLLM 團隊在一個 NVIDIA GB300 NVL72 機架上,以 P/D disaggregation 和 Wide-EP 服務 DeepSeek-V4.1-Flash,在 SemiAnalysis AgentX 達到每 GPU 954K tokens/s,為首篇文章中單節點結果的 7.9×。
Genetec Security Center 5.13.3.0 是成熟的本地部署版本,作者仍建議大多數生產環境採用。版本加入與 Directory 伺服器的時間偏差監察、複製設定工具權限控制及自動化動作延遲;CSV 匯出上限為 1 million 筆,包含圖片時為 10,000 筆。5.14.0.0 已推出,5.13.3.x 現為成熟分支。
Sentinel 的即時基準測試以 GPT-6 Astra 比較讀取完整程式碼、使用結構化資訊及先看摘要再按需查閲原始程式碼三種方式,在 87 條問題中分別答對 84、82 和 87 條;結構化資訊方式另有五條未能解答。混合方式估算輸入 token 比完整程式碼方式少約 71%,但結果只來自一次受控測試,不能證明 AI Agent 已不會出錯。
Svyatoslav Pavlov 比較三類可供 AI 智能體執行 SSH 命令的 MCP 伺服器:自行運行的獨立伺服器、透過 URL 使用的託管連接器,以及內置於 SSH 客戶端的伺服器。
一名自主 AI Agent 對 Souvik Biswas 的 Sloth Reads 進行公開首屏及使用門檻審查,認為產品定位清晰,但用戶對信任和使用承諾仍可能有所顧慮。Sloth Reads 讓用戶儲存連結,由開源模型在夜間閲讀,再提供一分鐘摘要及「值得閲讀/略讀/跳過」判斷。審查建議更清楚説明公開示範、訪客與擁有者模式,以及私隱資料處理方式。
The Companion Lab 檢查 EroLove 的 179 KB 內嵌聊天程式碼及 API,揭示四項架構問題。問題包括上傳功能旗標與後端路由不一致、LLM 記憶抽取未遵從使用者語言,以及政策拒絕與佇列故障共用錯誤提示。另發現新生成圖片的 404 會被 CDN 快取;Premium 雖標示「Unlimited messages」,me.dailyLimit 顯示每日上限為 800。
Claude Code 經 MCP 操作 PCBEditor,生成 4 層 ESP32-S3 電路板,並從網表找出三項未被 DRC 發現的接線錯誤,再提交精確修改。修正後仍有兩項 USB-C 屏蔽孔間距的 DRC 錯誤,因此 Claude Code 沒有匯出製造檔;實測亦揭示 MCP 問答與檢查流程的缺陷。完整操作流程見 pcbeditor.com/mcp/guide。
Genrius AI 以 Pingala-8 的 2-bit 量化方法,將 Qwen3-4B 從 8.05 GB 壓縮至 1.24 GB,無須重新訓練。五項零樣本測驗的平均分為 50.8,約為 Q8_0 的 90%,並較同容量 IQ2_XXS 高 21%。消融測試指出,與 IQ2_XXS 的差距中,trellis memory 佔 14%,其餘 86% 來自旋轉、LDLQ 舍入及其他流程。
作者測量 58 個 Claude Code 版本在輸入提示詞前傳送的 token 數,固定提示區塊由 2025 年 7 月的 19,498 tokens 升至 2026 年 5 月峯值 36,309 tokens,並在 2.1.293 降至 18,055 tokens。
surviving-lines 的 Claude Code 外掛在六組程式碼所有權測試中取得最高分,在 5 項封存任務中得 9.67/25,高於最佳對照組的 7.33。它在 11 項公開任務中得 47.67/51,最佳對照組得 41.00;由於這些任務在開發期間已被閲讀,相關結果的證據較弱。
CNET 給 Vivint 家居保安系統 8.0 分,指出系統功能全面,但使用上受限於 Vivint 生態系統。系統支援部分第三方裝置及 Google Home,但不再支援 Alexa;AI 物件偵測常出錯,作者因此關閉部分偵測。價格由 $200 起,另收每月 $25 監控費,完整配置需個別報價。
Nokka 比較 Superpowers、BMAD Method 與 Spec Kitty 三套用於協調 AI Agent 工作的 SDD framework,指出三者都會增加團隊負擔,是否合用取決於工作規模與現有流程。
開發者找到以軟件繞過部分 NVIDIA RTX 顯示卡 Tensor Core 特定矩陣運算吞吐限制的方法,部分測試效能提升約 60% 至近一倍。
作者比較 Kiro、Tessl、Conductor 與 Traycer 四款封閉式 SDD 工具,整理其產品定位、功能、收費方式及使用限制。Kiro 的免費方案每月有 50 credits;Pro、Pro+、Pro Max、Power 分別為每人每月 $20、$40、$100、$200,附 1,000、2,000、5,000、10,000 credits。
作者以 11 種配置比較 Claude Code 上的 ai-slop-linter 與六款聲稱可去除 AI 文風的技能;在 12 項公開任務中,該 linter 得 58.67/60,高於最佳其他配置 Humanizer(按名稱呼叫)的 56.00。
文章比較 GitHub Spec Kit、OpenSpec、cc-sdd、Agent OS 和 Allium 五款開源 SDD 工具,整理各自的工作流程、適用情境及使用限制。
作者優化的 Roc 套件 roc-deflate 在 144 項基準測試中整體慢於 C 語言的 libdeflate,中位數在 Ryzen 9 3900X 上慢 8.9%,在 M1 MacBook Pro 上慢 2.6%。
Business Insider 以三項難度遞增的提示詞,實測 Canva 首款圖像生成模型 Canva Craft,並與 ChatGPT、Gemini 及 Muse 比較。
Xiaomi-Lens-0 將缺少 flash-attn 時的像素遮罩解碼器回退路徑改為 SDPA,在 3 MP 輸入下,遮罩階段額外峯值 GPU 記憶體由 18.02 GB 降至 2.28 GB,約減少 87%。
智譜 GLM-5.5 傳有望突破 AA 榜單 60 分,超越 Opus 5.5 和 Astra,成為首個達到這一水平的國產大模型。爆料稱其參數規模為 2.5 到 3 萬億;目前 Kimi K3.1 Pro 以 55 分名列第四。原文指出,相關爆料的可信度仍難以判斷。
作者在同一 API 端點測試 deepseek-flash、glm-5.3 和 kimi-k2.6 的九組任務組合,發現每百萬 token 單價幾乎無法預測單次請求成本。
作者以三張白底產品照比較 Pillow、sharp 和啟用 mozjpeg 的 sharp,發現同為品質 85、4:2:0 色度抽樣時,mozjpeg 輸出檔案較小,背景雜點比例也較低。
作者以 DeepSeek V4.1 Flash 1017 測試 Claude Code 與 OpenCode,兩者各有 3/3 次成功建立內容正確的 hello.py 測試。
一項為期三個月的實測比較高省、直返、氧惠三款主流返利APP,並列出十款返利APP供網購用戶參考。高省主打大件商品及抖音直播購物,直返涵蓋網購和生活消費場景,氧惠則主打統一頂格佣金及自用省錢。文章提醒用戶留意平台資質、佣金和提款規則,並避免因返利衝動消費。
mini-vllm-rs 的實驗顯示,GPU 排隊時,將部分 LLM 請求分流至 CPU,可縮短整批請求的完成時間。在 Apple M2 上使用量化 Qwen2.5 0.5B 的測試中,8 個請求分流 1 個至 CPU,完成時間降低 9.8%;48 個請求分流 6 個,輸出吞吐量提高 12.4%。
作者以公開標註資料集比較 ScaleDown CDM 與本地 Qwen3 1.7B,測試涵蓋分類、抽取和摘要。在 CLINC150 測試中,ScaleDown Decisions 準確率為 97.3%,高於 Qwen3 1.7B 的 90.7%;6 份會議摘要的 p50 延遲分別為 0.65 秒和 24.3 秒,但 369k-token 文件未完整涵蓋兩組會議。
作者以 Spirula Studio v2026.10.16 的 Windows Vulkan 版本訓練官方 Mip-NeRF 360 Garden 樣本,產生 100,000 個 splats,並在 Three.js 0.186.1、Spark 2.4.0 的本地 WebGL 場景中載入 PLY 和 SPZ。
作者公佈開源 text-to-SQL 權限存取層 schemagate 的公開基準測試結果,Spider-ACL 的 refusal F1 為 0.984,BIRD Dev 執行準確率為 77.1%。
dashi-ppt-skill 是供 AI 智能體使用的開源 PPT 技能包,產出可在瀏覽器內編輯的 HTML 簡報,並可匯出可編輯的 PPTX。它採用模板編排,內置 12 套主題和 1020 個版式,支援即時修改文字、版面、配色及頁面順序。文章指出,模板不適合結構極特殊或需要逐像素定製的內容,HTML 動效匯出為 PPTX 時會降級,商業整合亦需留意 AGPL-3.0 授權要求。
CI Bench v1 公開 GitHub Actions runners 基準測試,涵蓋熱門開源項目的 12 個 CI 工作負載;測試方法、工作流程、分析及原始工作記錄均已公開。測試的九種配置中,Vitko Runners 配合 warm starts 和測試並行化速度最快、每項工作的託管成本最低;RunsOn 使用 spot instances 在極高用量下每項工作成本較低,但耗時約兩倍。
RanThis 團隊透過 API 比較 Claude Haiku 5.5 與 Claude Sonnet 5.5 處理三項辦公任務的表現,兩者經程式評分均獲 15/15。Haiku 用時 11.7 s、成本 $0.00129,Sonnet 用時 15.7 s、成本 $0.02357;兩者各有一次格式指令偏差。每項任務只測試一次,長篇多步驟工作、編碼及大型文件分析不在測試範圍內。
作者實測 Qodo、CodeRabbit、Greptile 和 cubic,按 Claude Code 的整合方式、未提交變更審查能力及工作流程覆蓋範圍比較四款 AI 程式碼審查工具。
《Call of Duty: Modern Warfare 4》未能重返系列高峯,但以電影感十足的單人戰役和節奏稍慢的多人模式,讓近年漸趨粗疏的系列朝正確方向邁進。遊戲以 DMZ 取代 Modern Warfare Zombies;這個容易上手的玩家對玩家對 AI 撤離射擊模式,是本作的亮點。
Sennheiser Momentum True Wireless 5 是一款音質出色、採用用戶可更換電池設計的旗艦真無線耳機,也是較早提供此設計的產品之一。耳機連充電盒續航最高達 40 小時,開啟降噪後單次續航為 6 小時;目前替換電池的價格及供應時間尚未確定。降噪表現一般,觸控感應器亦較難掌握。
一項預先註冊研究測試小型 AI 模型引用學生作文時,會否較少準確重現含拼錯字詞的段落;研究因樣本效能不足,未能判定兩者有否差異。453 個配對引文中,含拼錯字詞段落有 90.2% 被準確引用,乾淨段落則為 94.9%,差距的 95% bootstrap 區間跨越零。研究使用 llama3.2:3b 和 qwen2.5:3b,結論是這次測試無法判定假設。
Kimi K3.1 在 Artificial Analysis 得分 55,位於帕累托前沿。頁面比較模型的 token 用量、成本、上下文窗口、輸出速度、延遲及輸出 500 個 token 的端到端回應時間。
作者實測豆包手機,發現經過一個多月優化後已能調用飛書,亦可透過抖音完成外賣等操作,但 GUI 流程緩慢,部分步驟仍需用戶接管。作者實測抖音外賣流程耗時18分34秒,另有兩次需要接管;訂酒店時,豆包手機提供的酒店資訊仍須回到抖音逐項搜尋。文章亦指出,努比亞NaviX Ultra本身屬普通 Android 旗艦機,作者批評其拍照表現及鏡頭焦段切換卡頓。
SemiAnalysis 實測 Amazon Trainium 的原生 PyTorch 訓練堆疊及 Trainium3,認為新堆疊改善了訓練體驗,但編譯耗時仍是限制。
Epoch 測試六款 AI 模型完成 11 項工作任務,沒有模型能可靠達到工作質素要求。六個月內,前沿模型在 Slay the Spire 基本難度的勝率升至逾 90%,GPT-6 Astra 達 98%。最佳開放權重模型的網絡安全能力落後閉源前沿約 6–7 個月;Gemini 4 Argon 得分 166,與 Claude Fable 5.1 並列。