MultiO 研究指出,AI 模型獨有主張即使大致正確,也可能因誇大而誤導
MultiO 的模型分歧研究發現,AI 模型獨有主張即使方向大致正確,也可能因機制、措辭強度或數字誇大而誤導。
MultiO 的模型分歧研究發現,AI 模型獨有主張即使方向大致正確,也可能因機制、措辭強度或數字誇大而誤導。
作者介紹自己把 Claude Code 與 Codex 的協作流程移至 Orca,對範圍清晰的工作以 issue、隔離 worktree 和 quick commands 取代每次必備的 task.md。
RetryKit 提供針對 AI 應用程式的 TypeScript 可靠性工具,旨在解決通用重試邏輯引發的流量暴增、帳單錯誤重試、串流文字重複及工具呼叫訊息歷史損壞等問題。
作者認為,智能體將吸收更多 SaaS 記錄與工作流,但仍須依賴無法自行生成、稀缺、受監管或具狀態性的外部服務。文章將這些「rails」分為支付、語音及電話、聯絡人與公司資料、身份與授權,以及收件箱、瀏覽器、日曆和審計,並列出 ACP、AP2、x402 等方案。文中提醒,不同支付方案的付款與授權模型各異;供應商工具頁顯示支援智能體接入,並不代表企業 SaaS 已被取代。
作者比較 GPT-6.2 Astra 與 GPT-6.2 Sol 在 C# 開發工作中的價格、基準表現及部署選擇,並提供 .NET 10 程式讓兩款模型執行相同任務。
AI 購物時代,電商團隊應先完善機器可讀、完整一致的商品資料,而非優先整合結帳。文中列出的不同口徑數據顯示,美國樣本中 6.9% 的 ChatGPT 對話有購買意圖,Adobe 2025 年美國假日數據則顯示 AI 引薦流量的轉化率高 31%,兩者不可直接比較。
OpenAI 的編碼智能體現可在無需人手協助下完成 46% 原需人類花 2 至 4 小時的研究任務,3 月比例為 23%。對需 4 至 8 小時的任務,成功率由 13% 升至 35%;各類任務表現不一,監察訓練運行的成功率為 79%,為推理及服務系統編寫程式碼則為 25%。OpenAI 提醒,研究員可能隨智能體進步而改變交辦任務,令成功率數據亦反映任務選擇的變化。
文章以保險公司案例拆解,如何計算經 API 使用模型與自行託管模型的損益平衡點。示例假設 API 單價為每 million tokens $2、自託管每月固定成本 $6,000,得出每月 3,000 million tokens 的損益平衡點;試行用量為 800 million tokens,低於門檻。
ChatGPT Ads 已在 Free 和 Go 方案的對話答案中投放,亦可在圖片生成流程中以視覺廣告形式出現。廣告主透過 OpenAI Ads Manager 建立活動,新活動可選 Target CPA 或 Target CPC;美國電商品牌亦可使用品牌智能體,讓點擊進入產品對話。目前價格、最低投放額及公開成效基準均未公佈,作者建議以小額且可追蹤轉換的測試,對照現有渠道評估。
推薦理由:作者提出以單一產品、可追蹤轉換和現有渠道作對照的小額測試框架,讓廣告主在缺乏公開價格與成效基準時衡量投放。
BAMS Digital 創辦人 Alisa Bolokhovets 在 2026 年 11 月 17 日測試 ChatGPT with search、Google AI Overviews 和 Perplexity,檢查公司在 49 個回答中的 AI 能見度。
Xenos 與 Giannopoulos 的研究測試 GPT-6.1 Sol 在沒有工具的情況下直接讀取、修改及撰寫可執行檔位元組,並正確辨識四個測試程式。模型在 FreeBSD 的 ministat 二進位檔中發現,標示為 99.5% 的選項實際使用 99.8% 的臨界值。延伸及從零撰寫測試均只允許一次作答,研究亦未提供方法能否擴展至大型真實執行檔的證據。
作者比較 Excel 內置工具、ChatGPT 和專用 OCR 應用程式從 PDF 擷取表格的效果,指出各自適合不同檔案狀況。Excel 適合文字已存在的 PDF,ChatGPT 有助理解版面結構但可能抄錯數字,OCR 則較能處理淡字掃描檔。擷取後應抽查原文中的數字並核對總額。
提示詞快取重用重複的穩定前綴;文章稱,長前綴工作負載可使該部分輸入費用減少 50–95%。能否命中取決於前綴逐字一致,以及在快取到期前重用;文章並比較 Anthropic、OpenAI、Google Gemini 和 DeepSeek 的快取方式、期限與額外費用。
矽谷對 AI 末日的迷戀正令科技業部分人士走向近似邪教的虔信,Maple 修道院是文章聚焦的案例。前成員稱,Maple 監錄住民日常生活,並打算用錄音訓練一個以創辦人心智為模型的 AI;Maple 領導層否認幾乎所有相關指控。
作者實測 ChatGPT 語音功能,並測試三種 OpenAI API 路線,發現這些系統能依歌詞辨認歌曲,卻幾乎不能只憑哼唱辨認旋律。在 MTG-QBH 測試中,逐字稿路線和 gpt-audio-1.5 各辨認有歌詞歌曲 71/76 首,gpt-realtime-2.1 辨認 74 首;對 30 段無詞錄音,三者分別只辨認 0、1、1 首。
黃仁勳於11月12日辭去 NVIDIA CEO 後,多名科技業領袖及投資者聯絡他,表達支持並談及爭取復職。特朗普據《紐約時報》報道曾敦促他爭取保住職位,Travis Kalanick則提出號召員工集體離職聲援;Sam Altman、Satya Nadella及Gavin Baker也談及對他的支持或關心。NVIDIA 董事會表示沒有讓他復職的計劃。
推薦理由:文章對照盟友的支持與建議,以及 NVIDIA 董事會無意讓黃仁勳復職的表態,呈現外部聲援與公司決策的落差。
多助手協作應為第二個 AI 助手指定不同交付成果,並由一名作者負責整合公開文本。9 November 的準備快照中,Claude 提供完整工作流程,Kimi 的回覆未完成;Gemini 和 Antigravity 因本地預留限制未參與,Codex 代作者完成三部分,但仍待審核。這次協作沒有測量時間或成本節省。
OwlMem 透過共享記憶和收件箱,讓 Claude 把未完成任務連同目標、範圍及驗證方式交給 Codex,毋須重新交代背景。啟用 auto-wake 後,Codex 有待辦任務時會由背景程式啟動;每個 AI 同一時間限處理一項任務,每項限時 30 分鐘,逾時會停止並標記為 declined。
Oracle 表示,已透過本月稍早完成的 $20bn 債務及股權融資,備妥履行 OpenAI 基建合約所需的全部資金,並稱自己是本輪投資週期中首家資金全數到位的大型雲端服務商。
作者向來自 30 間公司的 65 個 AI 提問 127,918 次,發現不同用戶經常收到相同建議。書籍推薦中,73% 的回答是《Man's Search for Meaning》,而 90% 的求學建議指向電腦科學;在一個可逐階段測量的開放模型中,常見答案於監督式微調階段出現。測試亦顯示,提供個人細節可把常見預設答案比例由 53% 降至 11%,要求列出 10 個選項後自行挑選則降至 17%。
OpenAI 為 GPT-6.2 Astra 和 Sol 公佈可直接使用的提示詞範本,涵蓋寫作風格、主動執行任務及編碼方式。提示詞建議模型在獲授權時自行推進可逆步驟,令最終答案獨立完整;編碼時沿用現有邏輯,只有在提出要求、儲存庫規定或需防範特定回歸時才新增測試。
robots.txt 只能表達網站對 AI 爬蟲的偏好,不能阻止請求;要確實封鎖,須透過 CDN、伺服器規則或登入限制執行。OpenAI 和 Anthropic 分別設有訓練、搜尋及用戶觸發抓取的爬蟲,網站可按用途設定,並在封鎖訓練抓取的同時允許搜尋引用。llms.txt 則是尚未成為標準的提案,透過精簡資訊和頁面連結協助 AI 助手準確讀取網站內容。
CoreWeave 透過大量借貸建設 AI 數據中心,債務已達 $47bn,文章以此分析 AI 基建擴張對融資和客戶需求的依賴。超過 $10bn 債務將於明年到期,公司預計下一季度利息支出超過 $1bn;其融資包括以 GPU 作抵押的貸款及無抵押票據。客戶預付款、客戶償付能力和數據中心項目延誤均關係到其償債能力,CoreWeave 則稱已有 $132.5bn 合約承諾。
Buckmaster 與 Anthropic 的 Levent Alpöge 在 GitHub 發布一份證明,主張 Navier–Stokes 方程在沒有外力作用下也會於有限時間爆破。
推薦理由:報道將無外力 Navier–Stokes 證明與 OpenAI 先前的帶外力構造並置,並指出數值證書及 Lean 形式化流程的具體缺口。
OpenAI 的 Performance Factory 使用 Codex 智能體調查並修復 ChatGPT 的效能回退,其 Regression Workflow 在略多於 3 個月內追蹤逾 1,700 次調查,並找出逾 600 宗個案的根因。
作者以相同任務、提示詞和輸入,讓 Claude Code 與 Codex 對戰,並用事先編寫的標準答案及 100 分評分表比較結果。評分涵蓋準確度 40 分、返工 20 分、速度 15 分、品質 15 分及遵循指令 10 分,人工修正也計入評分。
甲骨文稱已籌集履行與 OpenAI 合約所需的全部資金。國家數據局提出拓展詞元服務應用場景,並健全詞元計量計費、質量測評等標準規範;南水北調「天河」大模型完成升級,國科微則展示新一代端側 AI NPU。
OpenAI 已在 API 提供語音模型 GPT-Live-1.1,新增待機模式,閒置 WebRTC 時段每分鐘收費 $0.02,低於啟用時的 $0.05。模型支援多語言全雙工對話;OpenAI 稱其口音、轉錄、字母與數字處理及任務完成能力有所改善,但未公佈基準分數。待機期間推理會暫停而 WebRTC 連線保持開啟,閒置逾時可設定為 5 至 60 秒。
Codex 與 Claude Code 通常可共用只採用 name、description 前置資料及純 Markdown 指令的技能,但要分別安裝到各自路徑。
作者測量發現,一張 133.4 KB 的 PNG 圖片若以 Base64 文字貼入提示詞,會佔用 122,584 個 tokens。四個 PNG 樣本每 KB 約消耗 914–931 個 tokens,作者建議以約 920 tokens/KB 估算;支援電郵中的圖片簽名亦可能令每日處理 1,000 封郵件的提示詞大幅膨脹。
EPMOS 發佈每日世界掃描,整理 11 月 20 日核實的動態,包括 Anthropic 宣佈 IPO 及同步私募配售完成,以及 OpenAI 致力打擊 AI 模型的對抗式蒸餾。掃描亦涵蓋 AI 圖表更新、核聚變創業項目及太空晶片等消息;未能核實主要來源的項目則暫不刊出或列為待核實。
PoseWear 是開源虛擬試穿工具,支援用戶選擇服裝、上載照片並以自有 API Key 生成試穿圖。文章介紹 Windows/Android 客戶端安裝、素材挑選與 API Key 設定流程,也説明自行部署網頁版的方法。密鑰、收藏和生成記錄保存在本機,軟件採 MIT 授權,生成費用則按所用服務商收取。
文章建議,向外部助理交接歷史執行上下文時,傳送精簡摘要,並將完整歷史留在本端或雙方可存取的儲存位置。A2A 1.0 的一次傳送只帶一個 Message,摘要可放入文字或資料部分;history 和 historyLength 只控制伺服器回傳的歷史,不會把舊訊息帶入請求,MCP 則把摘要放在工具參數中。
OpenAI 與 Anthropic 的 AI 研究團隊近期提出多項千禧年難題相關成果,涵蓋黎曼猜想、ETH 與納維–斯托克斯等問題,但多項仍處於核驗或審查階段。七題中,龐加萊猜想仍是克雷數學研究所正式列為已解決的唯一一道;黎曼猜想出現完整證明聲明及核驗進展,納維–斯托克斯也有新解答主張。ETH 證否正在接受獨立審查;BSD 與霍奇成果限於特定範圍,楊–米爾斯質量間隙仍未解決。
Apple 在 macOS 27.3 Beta2 調整 Mac 的權限機制,把「裝置控制與資料存取」拆分為兩項,並加入每次需要時重新請求權限的設定。用戶可只向工作流程真正需要的應用授權,或把完全磁碟存取限於指定資料夾;Windows 11 的智能體 AI 功能則預設關閉。文章以跨提示詞注入攻擊及智能體可能造成的非預期操作為例,指出長期、全面授權會帶來數據安全風險。
用戶可透過供應商的用量頁面或 TokenVive,在 iPhone 和 Apple Watch 查看 Codex、Claude Code 的帳戶用量及剩餘額度。
作者讓 Claude 從空資料夾出發,在 $0 現金支出下自行設計、編寫並訓練模型挑戰 GPT-2;三個主要關卡中兩關未達預設標準,另一關在 HellaSwag 超越 GPT-2 small。
OpenAI 正為首款消費級 AI 硬件組建研發與製造體系,首款產品據報是預計 2027 年交付消費者的無屏便攜式設備。Jony Ive、LoveFrom 及多名前蘋果硬件人才參與設計和研發,文章稱立訊精密將是核心製造商。歌爾股份目前僅有供應接洽的消息,未有公開可靠證據顯示其取得定點或量產訂單。
開發者 kurojack-jp 發佈 Sora Commander v0.5.0,並示範在 Codex 的 5 小時限額顯示剩餘 0% 時,透過普通 ChatGPT 聊天使用這個 Windows MCP 伺服器建立檔案。
阿什頓·庫徹與蓋伊·奧塞裏共同創立的 Sound Ventures 累計向 Anthropic 投資約4.35億美元,上市前持股價值據彭博社估算約70億美元,約為本金的16倍。
推薦理由:文章梳理庫徹從早期科技投資到基金管理的轉變,並連結其創業者評估方法與 Sound Ventures 投資 Anthropic 的決策脈絡。