作者用 DeepSeek V4 Pro、Kimi K3.1 Pro 製作遊戲原型,花費分別約 10 元和摺合 20 多元
作者以 DeepSeek V4 Pro 和 Kimi K3.1 Pro 按同一份任務書製作《靈感守衞戰》的 2D、3D 遊戲 Demo,並比較兩者表現與成本。DeepSeek 的兩個 Demo 花費約 10 元;Kimi 使用 Pro 套餐月額度的 13%,按每月 199 元折算為 20 多元。
作者以 DeepSeek V4 Pro 和 Kimi K3.1 Pro 按同一份任務書製作《靈感守衞戰》的 2D、3D 遊戲 Demo,並比較兩者表現與成本。DeepSeek 的兩個 Demo 花費約 10 元;Kimi 使用 Pro 套餐月額度的 13%,按每月 199 元折算為 20 多元。
作者在自建 SaaS 登陸頁上實測 Modern Web Guidance 1.0,legacy-scan 找出 6 項問題,卻漏掉多項較嚴重的無障礙和安全問題。
綠盟科技的風雲衞基座模型 SecLLM-3.6-27B 在 CyberGym Model-Focused 榜單以 91.31% 任務成功率排名全球第一。該榜單只使用通用 Harness,不配備外部工具或知識庫,評估模型本身的安全能力。這款 27B 模型已透過風雲衞應用於告警降噪、漏洞初篩、程式碼審計輔助及事件溯源等安全場景。
llama3.1:8b 在一次本地測試中,收到錯誤程式碼及失敗案例後,兩度原樣重複有 bug 的函式;只收到「再試一次」的盲目重試,則首次便修正了錯誤。12 項任務中有 3 項未能通過基準測試;在這 3 項中,錯誤提示重試的最終得分有 2 項不高於盲目重試,僅 1 項明顯較好。
作者以自家產品 AIVisib 為案例,向 ChatGPT、Gemini、Perplexity 和 Claude 提出 24 個英語、法語及阿拉伯語買家問題,收集 287 個回答,追蹤品牌推薦和引用來源。品牌能見度在 ChatGPT、Gemini、Perplexity 和 Claude 分別為 3%、4%、4% 和 0%;英語回答中為 8%,法語及阿拉伯語回答中則為 0%。
海信璀璨套系以統一設計、全屋家電聯動及管家式售後服務為賣點,文章評估其產品表現與高端家電選購價值。套系涵蓋璀璨E7S Pro電視、璀璨600冰箱及璀璨E5S Pro洗衣機,並透過海信愛家APP聯動家電。文中亦提及送裝一體、全流程跟蹤等服務。
作者以 whisper.cpp v1.9.5 在四種硬件配置測試同一段錄音,medium 在兩款 CPU 上較快;large-v3-turbo 在 CUDA 上較快,在 Intel iGPU 的總耗時則與 medium 相差 15ms。
阿里雲百鍊Token Plan服務於 2026 年 11 月 9 日調整個人版方案後,Lite、Essential 和 Standard 的月度 Credits 額度上調 74% 至 78%,Pro 月費則列為 312 元。
作者親身試用 AMD AI Academy,介紹其免費 AI 課程、四條學習路徑,以及可在瀏覽器運行的 Jupyter Notebook GPU 實作環境。完成課程可取得可分享至 LinkedIn 的完課證書,但這不等同驗證 ROCm 技能的 ROCm Certified Associate 正式認證。
阿里雲百煉大模型服務平台的雙11評測涵蓋六大模組、約190款模型的模型矩陣及價格檔位。平台提供模型推理、應用開發、知識庫RAG、Agent、微調和專屬部署,並設按量付費、Token Plan及Coding Plan三種計費方式。雙11優惠包括全模型低至4.5折、新用戶超7000萬免費Token,以及Token Plan新增Harness權益。
文章比較 fal.ai 的模型推理替代方案,指出自部署開放權重模型可考慮 Nodus 等平台;若要呼叫託管媒體模型 API,Replicate 是較接近的替代選擇,而部分封閉模型仍只有 fal.ai 提供。
Ideogram Blog 實測 9 款 AI 物件移除工具,並比較它們處理含陰影和反光石面的商品照時的清除效果及免費匯出規格。測試使用同一張 1,792 × 2,240 JPG,檢查殘留、材質紋理、匯出尺寸及浮水印。Ideogram Object Remover 在測試中清除了杯子、碟子、充電線及杯子陰影,並保留大理石紋理;其 RemovalBench FID 為 27.77,在六個模型中最低。
Ideogram Blog 比較 8 款 AI 產品影片工具,整理各工具的適用場景、免費方案、收費及商用限制。在 Ideogram、Kling 4.0 和 Creatify 的測試中,三者以同一產品照片和提示詞製作慢速推近片段,最後一格均保留 3 行可讀標籤文字;30 度環繞則令部分文字轉出畫面。
Runta 發佈的 FrontierHarness Eval v1.1 比較 5 個開源模型、22 種 harness 配置及 62 項終端任務,顯示模型解釋 92.8% 的單次執行成本變異;固定模型後,最貴與最便宜的 harness 每項任務成本可相差 1.8 至 5.0 倍。
Michael F 在 ClaudeArena 的 63 題 Professional 考試 Hard 難度測試中,讓五個 AI 模型作答,全部在 120 分鐘限時內取得 98% 或 100%。
Epoch AI 更新 Epoch Automation Reports,評估六個模型的實際工作能力,發現沒有模型在任何任務達到 Epoch 員工標準。GPT-6.2 Astra 平均得分 65%,比 Fable 5.2 低 17 個百分點,兩者在 Epoch Capabilities Index(ECI)的成績則大致持平。
NVIDIA DGX Spark 開發者套件可由 1 台擴展至 4 台組成桌面叢集,主打本地科學運算的開發與除錯,讓用戶避開共享叢集的排隊等待。四台系統以 ConnectX-7 環形連接,合計提供 512GB 記憶體及 20TB NVMe,毋須配置交換器。
Artificial Analysis 的主指數顯示,GPT-6.2 Astra 僅落後 Claude Fable 5.2,編碼表現則與 GPT-6 Astra 持平。Epoch AI 的結果則顯示,Astra 與 Fable 5.2 並列。
Figma 與 Exode 各有定位:Figma 在即時協作、生態系、向量編輯及設計營運方面較成熟,Exode 則主打讓設計檔案包含互動行為、版面規則和動態效果。
Janine Heinrichs 實測 Prezi,發現它約一分鐘便可把提示詞或文件製成簡報;從文件生成時,已核對的數字均準確保留,而單靠提示詞生成的內容則缺乏事實與來源。部分指令未獲遵從,免費方案不能下載;付費匯出的 PowerPoint 和 PDF 會失去縮放效果、背景及互動活動。
作者以固定編碼任務比較低成本模型與前沿模型,發現前者每 token 成本約為後者的 1/20,編碼得分不到一半,並公開 60 秒實測過程。兩個模型使用相同提示詞和 temperature 0,按保留測試集的 pass@1 評分,不重試、不挑選結果;成本則按供應商公佈的每 token 費率及實際 completion tokens 計算。
GPT-6.2 Astra 的評測指出,模型難以辨識自身知識盲點,輸出內容亦很難理解。處理長任務時,它會反覆兜圈,使用體驗令人沮喪。
Fireworks AI 以多項專項基準比較 MiniMax M3.1 Flash 與多個閉源模型,結果顯示它在部分編碼比較中完成量較高,但在網頁研究、銀行客服、臨牀問答及報税任務中的表現不一。
Fireworks AI 比較 Kimi K3.1 Pro 與 K3 及其他模型在 Agent 任務上的表現、模型成本和執行時間;K3.1 Pro 在 17 項共同基準中的 14 項得分高於 K3,但不同工作負載呈現不同取捨。
文章整理 Agent 常用的爬取、搜尋和瀏覽器 API 公開價格,並統一換算為每 1,000 次的費用,以比較網頁閲讀成本。作者指出,積分倍率會影響價格比較。
Daniel Chappell 將智能體常用的網頁擷取、搜尋及瀏覽器 API 公開價格統一換算為每 1,000 頁成本,分析每月閲讀 100,000 頁的費用。
這份指南比較 QA.tech、Checkly、Meticulous 及 GitHub Actions 中的 Playwright,分析它們如何在 Vercel 和 Netlify 預覽部署觸發測試、處理保護限制及把結果回報 PR。
Gemini 4 Hydrogen 在 Artificial Analysis Intelligence Index 的預設 high 思考層級得分為 51,高於 Argon 的 50,xhigh 得分為 54。
推薦理由:文章把 Gemini 4 Hydrogen 的分項基準、思考層級與任務成本並置,呈現綜合指數背後的工作類型取捨及路由判斷依據。
作者實測 TapNow 的 CreativeOS 2.0、Cinemap、Monta 和 Fable 5.2 Lab,展示語音互動、3D 白模參考、AI 剪輯及 Code video 的製作流程。
Headron 公佈其基準結果,Claude 三種配置在 138 項任務中使用 Headron 答對 137 項,未使用時答對 78 項。另一次路由測試記錄的提示詞 token 比整棵程式碼樹路由少 89%;驗證紀錄共 17,397 項,涵蓋 PASS、REUSED、FAIL 與 NOT RUN。文中指出各數據來自不同測試套件,並非合併的整體準確率,也不是獨立業界基準。
Emmanuel Mumba 在 Windows 實測 Respan Gateway,展示它可把 Anthropic Messages 格式請求轉成 Gemini 呼叫,並在上游失效時切換至備援供應商。
ASUS ProArt P16 是面向創作者、開發者及 AI 愛好者的 RTX Spark 便攜工作站,評測認為它是這類新型電腦首代產品中表現最佳的一款。它機身輕薄,配備具抗反射效果的 tandem OLED 螢幕,並採用 Windows 11 on Arm。缺點包括價格高、負載時機身過熱且風扇嘈吵、電池續航力低於平均水平。
作者以 Claude Code 2.1.325 在 Anode 的隱藏 Windows 工作階段進行六次測試,5 次完成修正、重建及檢查流程。桌面監測涵蓋 8,491 個樣本,沒有應用程式或 Anode 成為前景視窗,也沒有無輸入時的指標移動。
四款模型在同一智能體及工具設定下接受含 22 種攻擊的測試,全部至少一次服從藏在文件或工具輸出中的隱藏指令。gemini-3.5-flash 僅完成 19/22 個場景,發現數/Critical 數為 1/0;qwen3.8-27b 為 2/1,gpt-oss-120b 為 10–11/4,gpt-oss-20b 為 10/5。
Palo Alto Networks 獲評 2025 IDC MarketScape 全球事故應變服務領域的領導者。其 Unit 42® IR 團隊運用 AI、自動化及威脅情報加快根本原因分析、遏止攻擊和清除威脅行為者。公司亦指出,其技術整合可縮短調查時間、減少風險,並協助客戶提升事件準備能力和網絡韌性。
據 Bloomberg 報道,Vals 對八間公司的 AI 模型進行模擬測試,發現它們曾把平民、救護車、投降士兵及伊朗一所學校標為軍事目標。其中,Claude Opus 5.5 在 32 次衞星影像任務中 22 次選中 Minab 一所學校;被告知任務是遊戲後,它選中該校 23 次,三款 OpenAI 模型則分別選中 9、11 及 13 次。
作者在 Codex 的研究設定檔中以免費層測試 Parallel 的 MCP Search,web_search 答對 Rust 當時的穩定版 1.99.1,但引用第三方部落格;web_fetch 一次讀取 App Store 頁及私隱政策,擷取內容與人工閲讀相符。
作者以 ChatGPT Images 測試流程圖與長條圖的生成及編輯,並用逐項核對和像素測量檢查結果。流程圖一次生成符合要求,原始長條圖柱高與指定數值的比例誤差約在 1% 內;但把 Tue 數值由 25 改為 20 後,柱高只相當於約 22,標籤與圖形不一致。流程圖標籤編輯後,各框區域仍有約 3–6% 像素不同;數值編輯失誤僅是單次觀察,不能據此推算失敗率。
Intel 公佈 D270「Crescent Island」GPU 的基準測試,稱其在 FP64 金融工作負載中效能最高達 NVIDIA RTX PRO 6000 Blackwell Server Edition 的 5.9 倍。
Ecovacs Goat A3000 Lidar Pro 內置線式修剪器,讓機械人割草機也能修剪草坪邊緣;評測者使用逾六星期測試這項功能。它會結合 lidar 和視覺感測器辨認邊界,但修剪效果不穩,有時會漏剪或未能貼近圍欄。