跳到正文
11月18日週三
  1. 新浪科技39

    綠盟科技風雲衞基座模型 SecLLM-3.6-27B 登上 CyberGym Model 榜單全球第一,任務成功率達 91.31%

    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。

  2. DEV Community43

    我們追蹤了 287 個關於 AI 能見度工具的 AI 回答:ChatGPT、Gemini、Perplexity 和 Claude 實際引用哪些來源

    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%。

  3. 阿里雲開發者社區 AI39

    2026 年阿里雲雙11百煉大模型服務平台評測:功能、價格檔位、六大模組與模型矩陣

    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。

  4. Ideogram Blog64

    2026 年 9 款 AI 物件移除工具評測:陰影及反光表面實測

    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。

  5. Unite.AI54

    Prezi 評測:快速製作 AI 簡報,但匯出需付費

    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。

  6. DEV Community34

    低成本模型每 token 成本僅為前沿模型的 1/20、編碼得分不到一半:作者公開 60 秒實測

    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。

  7. DEV Community78

    Gemini 4 Hydrogen 在綜合指數得分高於 Argon

    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。

  8. DEV Community51

    Headron 對照測試 AI 智能體,報告任務表現與驗證結果

    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。

  9. Thurrott39

    ASUS ProArt P16 評測

    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。

  10. TNW71

    Bloomberg 報道:八間公司的 AI 模型在測試中曾把平民標為軍事目標

    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。

  11. DEV Community60

    ChatGPT Images 實測:能否生成可信的流程圖與圖表?

    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。

11月17日週二