Google AI Studio 推出 Gemini 全端 Android 應用程式建置及發布功能
Google AI Studio 現支援以 Gemini 4 Carbon 和 Gemini 4 Hydrogen,從單一提示詞建置全端 Kotlin Android 應用程式,並發布至個人 Google Play 收藏庫。
推薦理由:更新將資料持久化、登入、Gemini API 保護及 Google Play 發布接入同一建置流程,並以模擬器截圖回傳支援視覺調整。
AI 寫代碼的一切:編碼助手、Vibe Coding、代碼模型評測與開發工作流變革。
Google AI Studio 現支援以 Gemini 4 Carbon 和 Gemini 4 Hydrogen,從單一提示詞建置全端 Kotlin Android 應用程式,並發布至個人 Google Play 收藏庫。
推薦理由:更新將資料持久化、登入、Gemini API 保護及 Google Play 發布接入同一建置流程,並以模擬器截圖回傳支援視覺調整。
Microsoft 在 Ignite 2026 發佈七款新模型,涵蓋網絡安全、編碼、圖像生成、即時語音、轉錄及決策。
推薦理由:文章按網絡安全、日常企業編碼等場景列出基準表現及成本比較,呈現不同模型在任務表現與價格之間的取捨。
OpenAI 發佈 GPT-6.2 Astra 和 GPT-6.2 Sol,分別面向高難度專業項目及日常工作,並以較少輸出 token 處理高要求任務。
推薦理由:文章比較 Astra 與 Sol 在專業工作、日常任務及基準測試中的定位與成本差異,並交代可用範圍和網絡安全防護限制。
TokenEconomizer 是 UC Berkeley、Microsoft Research 和 Microsoft Security 開發的開源插件,透過程式碼庫過往工作階段學習,降低 AI 編碼智能體後續任務的成本。
推薦理由:研究在 277 項修復程式錯誤任務中評估跨工作階段學習,呈現智能體利用程式碼庫經驗降低成本、同時維持大致穩定任務成功率的做法。
阿里巴巴於 2026 年 11 月 16 日正式發佈 Qwen4-Max,千問 AI 平台同步開放 API 按量計費及 Token Plan 調用。
推薦理由:文章並列官方與第三方評測及成本口徑,呈現 Qwen4-Max 的效率和費用變化,也交代其在部分基準上的落差,便於按任務類型評估選型。
Amazon Bedrock 的開放權重模型現已支援顯式提示詞快取,並可透過 Chat Completions API 標記可重用的提示詞前綴。文章以 Python 範例比較隱式與顯式快取,並示範 OpenCode 編碼智能體工作階段如何使用隱式快取及檢視快取用量欄位。快取讀取的費率低於標準輸入,快取寫入費率則視乎模型而定;回應中的用量欄位可用來核對快取讀寫。
推薦理由:文章比較隱式與顯式快取的適用情境,並以 Python 範例展示快取讀寫欄位,再示範 OpenCode 工作階段中的快取讀取。
Alibaba 發佈 Qwen4-Max,作為 Qwen 系列的新旗艦 AI 模型,但不開放權重。模型採用 MoE 架構,擁有 2.4 trillion parameters,可處理文字、圖像及影片,單次提示詞最多支援 one million tokens。
推薦理由:文中列出 Qwen4-Max 在兩項編碼測試的不同表現,並註明分數由 Alibaba 提供、TNW 未作獨立核實,讓讀者掌握基準比較的限制。
阿里巴巴發佈新一代基座模型 Qwen4-Max,具備原生視覺能力、支援百萬上下文,並強化智能體與編程能力。
推薦理由:文章對照 Qwen4-Max 與上一代在編程評測中的 Token 用量、得分及單任務成本,並列出汽車加工和金融投研場景的量化數據。
阿里正式發布新一代旗艦模型 Qwen4-Max,並已接入千問 App、千問辦公、Qoder 和 Qwen Studio。Qwen4-Max 在 Arena Agent Arena、Code Arena 和 Vals Index 三個榜單均為國產模型排名第一。
推薦理由:文章並列官方任務成本數據與多個第三方榜單,亦呈現不同編程基準的落差,方便比較 Qwen4-Max 的成本變化和表現邊界。
阿里千問發佈Qwen4-Max,總參數2.4萬億、激活71B,支援百萬Token上下文。在Terminal-Bench 4.0同為Xhigh思考檔位時,其每次嘗試平均Token用量較Qwen3.8-Max減少約47.5%,評測得分提升近28%。Qwen4-Max已在千問AI平台提供API服務,亦可透過阿里Token Plan調用,或在千問辦公、Qoder、千問APP體驗。
推薦理由:這組同檔位對比把Token用量與評測得分放在一起,呈現Qwen4-Max相較Qwen3.8-Max在編程評測中的效率及表現變化。
美團公開 LongCat-2.5 權重,這款面向長程多步驟智能體任務、尤其是編碼的 1.6 trillion 參數模型,全程以中國硬件訓練。它每個 token 約啟用 48 billion 參數,並可透過 API 一次處理最多 1 million tokens、生成最多 128,000 tokens,支援文字、圖像和影片輸入。
推薦理由:報道列出多項智能體基準成績,並交代 194 張華為昇騰加速器的部署配置,便於對照模型表現與自建部署的硬件要求。
Om Shree 根據 Google 公開文件分析 Gemini 4 Carbon,整理其產品定位、API 規格、安全設計及官方披露的基準結果,並區分文件內容與作者推論。
推薦理由:文章把 Google 文件中的已披露規格與作者推論分開,並對照公開版和網絡安全限定版的差異,呈現 Carbon 能力數據的適用範圍。
這篇教學示範如何在 Amazon Bedrock 上部署 LiteLLM 與 NVIDIA NeMo Switchyard,將編碼智能體的請求路由至合適模型。Switchyard 的 LiteLLM 整合支援 Stage 與 Random 兩種路由策略,並以路由模型組與單模型基線比較每個成功完成任務的成本。
推薦理由:文章把智能體路由的比較指標從每 token 價格轉為每個成功完成任務的成本,並示範以相同任務比較路由模型組與單模型基線,按測試是否通過判定任務完成。
Google 於 2026 年 11 月 12 日推出 Gemini 4 Hydrogen,定位為面向日常編碼及多步驟工作的快速模型,並已陸續在 Search、Gemini app、Google AI Studio、Gemini API 和 Google Antigravity 推出。
推薦理由:文章將 Hydrogen 與 Carbon 在 Antigravity 中的分工,連同 Google 公佈的速度和 Terminal-Bench 4.1 數據並列,呈現其快速執行定位及已公佈指標。
Google 發佈 Gemini 4 Hydrogen,面向編碼、研究及日常商務任務,並稱其可寫程式碼、修正錯誤及執行測試。Google 稱 Hydrogen 在預設 high thinking level 下比 Gemini 3.8 Flash 快 2.5 倍,並在 Terminal-Bench 4.1 得分 57%,高於 Gemini 3.8 Flash 的 18.2%。
推薦理由:Gemini 4 Hydrogen 與 Gemini 3.8 Flash 的速度及 Terminal-Bench 成績,加上 Orchestrator 的配額與完成時間數據,提供了比較任務效率的依據。
Google 於 2026 年 11 月 12 日發佈 Gemini 4 Hydrogen,並開始向 Gemini API、Gemini app、Google 搜尋等服務逐步推出。
推薦理由:文章並列編碼基準、Antigravity 的模型分工及 Google 搜尋 AI Mode 的更新,呈現 Gemini 4 Hydrogen 在開發與搜尋場景中的部署方式。
Google 發佈 Gemini 4 Hydrogen,這是其六週內推出的第三款模型,主打更快回應、較低成本及更高效的 AI 智能體執行。Hydrogen 面向全球用戶,涵蓋 Gemini 應用、Google 搜尋、AI Studio、API 和企業服務,免費用戶亦可透過 Gemini 應用的自動模型選擇功能使用。
推薦理由:Hydrogen 面向全球用戶,並以速度、成本和智能體執行為重點;文中亦對照多項基準與其他模型,呈現其輕量模型定位。
Google 發佈 Gemini 4 Hydrogen,這是其六週內推出的第三款新模型,主打更快響應、更低使用成本及更高效的智能體執行能力。Hydrogen 面向全球用戶,覆蓋 Gemini 應用、Google 搜尋、AI Studio、API 及企業服務;免費用戶可透過 Gemini 應用的自動模型選擇功能使用。
推薦理由:文章將 Hydrogen 的評測分數、API 定價與執行效率放在其他模型旁比較,呈現這款輕量模型在表現、成本和速度上的差異。
Edge0 開源 Edge0-145B、Edge0-120B,以及統一推理框架和部署工具,供開發者在個人電腦本地執行、評測或微調模型。Edge0-145B 有 145B 參數,文章報告其峯值記憶體為 29GB、解碼速度超過 80 tokens/s,並列出編碼、推理及指令遵循等基準成績。本地推理不產生相應的雲端模型 token 或 API 費用,資料可留在電腦,核心模型能力亦可離線使用。
推薦理由:文章拆解模型架構、訓練、載入與 CPU/GPU 排程如何配合推理框架,呈現大規模模型在個人電腦本地執行的設計方法。
Google 發佈 Gemini 4 Hydrogen,稱其在預設 High 思考模式下,任務完成速度是 Gemini 3.8 Flash 的 2.5 倍。在 Terminal-Bench 4.1 中,Gemini 4 Hydrogen 得分為 57%,Gemini 3.8 Flash 為 18.2%;模型生成虛構內容的情況亦減少超過 5 倍。
推薦理由:文章提供 Gemini 4 Hydrogen 與 Gemini 3.8 Flash 的速度和編程基準對照,另列企業任務速度與 Token 消耗數據,呈現不同工作負載下的效能變化。