跳到正文
888news11月23日 · 週一

精選

11月22日週日
  1. The New Stack77

    GPT-6.2 Astra 和 Claude Fable 5.2 實測:準確度接近,費用與速度差很多

    選模型時,答得準不準只是其中一件事,花多少錢、等多久也會影響實際使用。作者用月底帳務、帳務程式修正和實驗室資料分析三種工作比較 GPT-6.2 Astra 與 Claude Fable 5.2;兩者在帳務和資料分析都拿滿分,Fable 5.2 在程式測試多拿 2 分。整體來看,Astra 花費較低、完成較快,但在程式測試中漏掉一條會影響顧客帳單的規則。作者建議先讓 Astra 重做幾次並比對結果,有錯誤或差異時,再用 Fable 5.2 複核。

    推薦理由:三種工作測試顯示兩個模型的準確度接近,但花費和完成時間差距很大,能幫助讀者依錯誤代價選擇模型與複核方式。

  2. Together AI64

    修正程式碼時,要先從大量檔案中找出問題所在。Together AI 表示,他們把一份錯誤回報和 Tornado 專案的 344 個檔案一次交給 Qwen4 Max,模型找出相關程式碼並寫好修補內容。接著執行了 Tornado 的 1,673 項測試,沒有失敗;這次請求花了 $0.69。貼文也提到,Qwen4 Max 在 Together AI 上的優惠到 11 月 22 日為止。

    推薦理由:Together AI 用修正 Tornado 程式碼的案例呈現 Qwen4 Max 的實際用途,並列出測試結果與單次請求費用。

11月21日週六
  1. Dev.to Top Tech78

    POCKET-27B-Pi 如何在一張 24 GB 顯示卡上執行

    在自己的電腦上跑大型程式設計模型,常會卡在顯示卡記憶體不夠。POCKET-27B-Pi 的 Q4_K_M 模型檔是 16.5 GB;作者依模型設定計算,使用 64K 上下文時,快取約佔 4.0 GiB,合計約需 19.55 GiB,能放進一張 24 GB 顯示卡,還要留空間給運算。VIDRAFT 測試 48 項 Terminal-Bench 2.1 任務,模型完成 28 項;這是合作夥伴自行測得的結果。文章也說明如何估算不同快取設定和同時執行多個工作時的記憶體需求。

    推薦理由:文章拆解模型檔案與注意力快取的記憶體用量,提供在單張顯示卡上估算長工作階段與多個工作同時執行的方法。

  2. Dev.to Top Tech81

    Gemini 4 Hydrogen 和 Claude Sonnet 5.5 怎麼選?比較測試表現與成本

    挑寫程式用的模型,不能只看每個 token 的價格,還得看工作型別和完成任務要花多少錢。文章比較 Gemini 4 Hydrogen、Claude Sonnet 5.5 和 GPT-6.1 Sol:Google 公佈的測試中,Hydrogen 在 9 項裡贏了 6 項,較適合呼叫工具和修 bug;Sonnet 5.5 則在終端機操作、電腦使用和科學命令列測試勝出。獨立評分中,Sonnet 5.5 略高於 Hydrogen;Hydrogen 產生的文字較多,因此每個 token 較便宜,不一定代表每項工作花費更低。文章也整理了價格與使用方式,並建議用自己的工作測試再決定。

    最新進展11月21日 12:49Gemini 4 Hydrogen 九項基準勝八項

    推薦理由:文章並列 Google 公佈的測試與獨立評分,也提醒輸出較長會拉高每項工作的成本,方便依實際工作型別比較模型。

  3. Hugging Face Blog83

    Hugging Face 與 Thinking Machines Lab 推出 Inkling 2 Mini,主打本機使用

    本機執行大型模型時,模型大小、回答速度和能力常得互相取捨。Hugging Face 與 Thinking Machines Lab 推出 Inkling 2 Mini,這款模型能讀文字和圖片,支援 1M-token 上下文視窗;它讓 12 層模型重複運作三次,用較少的實體層數完成更多運算。文章展示了它在本機寫程式、重畫《星夜》和製作分帳網站的成果,也說明如何透過 transformers、llama.cpp 和 MLX 執行。作者表示,它在 48 項基準中的 32 項領先文中列出的其他模型;這些結果來自 Hugging Face 的測試。

    最新進展11月21日 04:38Inkling 2 Mini 可在 16GB RAM 執行

    推薦理由:文章以架構說明和實作展示呈現 Inkling 2 Mini 的本機使用方式,也比較它在多項基準上的表現,能看出模型設計與實際應用之間的連結。

  4. Baseten61

    要挑出適合做決策的模型,除了品質,也得考慮速度和能處理的資料。Baseten 推出 bison-1 和 groundhog-1,兩者以 Gemma 4 為基礎,支援 128k 上下文視窗,也能處理圖片和文字。Baseten 表示,新模型的品質有所提升,速度則和 mammoth-1、elephant-1 相近;貼文沒有提供評測細節或比較數字。

    推薦理由:Baseten 說明新模型沿用 Gemma 4,並與自家舊模型比較品質和速度,提供評估其更新方向的背景。

  5. Vercel Blog85

    Vercel AI Gateway 迎來 GPT‑6.2 Astra 與 Sol

    Vercel AI Gateway 現已支援 OpenAI 的 GPT‑6.2 Astra 與 Sol。Astra 適合複雜多步專案,支援程式碼變更、檔案範本與電腦使用;Sol 針對日常編碼、寫作與代理工作流程,能從簡短需求建置互動式網頁。使用者可透過 API 指定模型 ID,並可啟用 Ultrafast 服務,降低成本;亦可在 Vercel CLI 內設定並於 Codex、Cursor 等編碼代理使用。

    最新進展11月21日 04:11GPT-6.2 Astra 在 AA-Robotics v0.1 得分最高

    推薦理由:瞭解 GPT-6.2 Astra 與 Sol 在 AI Gateway 的功能差異與使用方式

  6. Rohan Paul68

    機器人模型通常得先配合特定手臂調整,才能照指令做事。Perceptron AI 在 Hugging Face 上推出 36B 引數的機器人模型版本,每個版本都已針對特定機械手臂微調。使用者下載符合自己手臂的版本後,就能用一般文字下指令,也可以再依自己的工作需求微調。

    推薦理由:這次發布把模型預先調整到不同機械手臂,使用者可下載相符版本,再依自己的任務繼續微調。

  7. The Verge · AI82

    Google 推出 Gemini 4 Hydrogen,主打理解複雜問題

    Google 推出 Gemini 4 Hydrogen,稱新模型能拆解多部分、含難懂錯字或具體要求的複雜問題,並逐一回應。 - 搜尋呈現:Google 表示,模型會針對相關子題同步查詢,提供更多連結;回答也能包含圖片、比較表、圖表與地圖。

    最新進展11月21日 01:38Google發布Gemini 4 Hydrogen

    推薦理由:報導整理 Gemini 4 Hydrogen 的複雜問題處理、搜尋呈現與可用入口,讀者可據此瞭解它在 Google 服務中的部署範圍。

  8. aihot79

    可靈推出 Kling Image 4.0,支援原生 8K 影像生成

    想生成高解析度圖片或修改圖片時,畫質、文字呈現和價格都是挑選工具時會考慮的事。可靈推出 Kling Image 4.0,主打原生 8K 影像生成、真實感、一組圖片的一致性和文字呈現。Artificial Analysis 的評測中,它的文生圖排名第 7、圖片編輯排名第 6;相較 Kling Image 3.0 Omni,兩項排名的 Elo 分數都提升超過 225。黑色星期五優惠期間,2K 圖片每張最低 $0.022,原生 8K 每張最低 $0.033。

    推薦理由:Artificial Analysis 的排名與 Kling Image 3.0 Omni 比較,呈現新模型在文生圖和圖片編輯上的變化,也提供不同解析度的價格資訊供讀者參考。

11月20日週五
  1. Hugging Face Blog84

    Hugging Face 示範為 Qwen3.8-27B 訓練 AI 助理工具專用介面卡

    通用模型搭配不同 AI 助理工具時,可能會多花時間和 token,解程式問題的表現也不夠好。Hugging Face 團隊把強化學習直接放進 pi、Hermes Agent 和 OpenCode 這三種工具中,分別為 Qwen3.8-27B 訓練介面卡,也把三者合併成一個版本。測試顯示,各自的專用版本在對應工具和程式開發基準上都優於原模型,完成任務時也少用工具;合併版本則能在三種工具中使用。這套流程與訓練資料也公開,讓其他人能照著調整自己的模型和任務。

    推薦理由:這套流程把強化學習放進實際使用的 AI 助理工具中,並比較專用與合併介面卡的成效,可供重現與評估程式開發任務。

  2. aihot77

    騰訊混元推出 Hy4 flash,主打 1M 上下文與日常任務價效比

    日常使用大型語言模型時,成本和能處理的內容長度都會影響選擇。騰訊混元推出 Hy4 flash,總引數為 224B,其中包含 64B Engram 引數;每次運算會啟用 12B 引數,並支援多模態與 1M 上下文。API 每百萬 tokens 的輸入價格是 0.5 元、輸出價格是 2 元,原文也列出它和 Hy4 的成本比較及多種業務場景的評測結果,方便估算日常使用的花費與表現。

    最新進展11月20日 21:35騰訊發布 Hy4 flash 模型

    推薦理由:原文比較 Hy4 flash 與 Hy4 的價格,並列出多種業務場景的評測結果,可用來評估日常任務的成本與表現。

  3. ModelScope83

    看影片時,畫面、對話和背景聲音常要分開處理,WeChat Vision 推出的 WeMM-Video 能把它們放在一起理解,也能用中文或英文回答。這個開放權重模型家族有 2B、4B、9B 和 35B-A3B 等尺寸,可接收文字、圖片、音訊和影片,並提供直接回答與深入推理兩種模式。技術報告稱,35B-A3B 在同等規模的開放模型中影音表現突出;Thinking 模式在 17 項一般影音基準中的 16 項,勝過 Seed2.0-Mini-0428 和 Qwen3.5-Omni-Flash。

    推薦理由:WeMM-Video 把影片畫面、對話與環境聲音放在同一條時間線理解,報告也比較了不同規模模型在多項影音基準上的表現。

  4. The Decoder82

    OpenAI 加強 GPT-6.2 防護,降低攻擊者抽取模型推理內容的成功率

    攻擊者可能透過一連串請求,試著套出 AI 模型受保護的推理內容。OpenAI 表示,GPT-6.2 Astra 加入針對性訓練、輸入與輸出篩選,以及 API 封鎖等防護;面對協同行動,公司也會每週停用數千至數萬個帳號。OpenAI 的內部自動化測試中,從先前請求抽取內容的成功率,從 GPT-6 Astra 的 54.0% 降到 GPT-6.2 Astra 的 0.2%;針對目前請求則從 22.9% 降到 0.9%。OpenAI 也正把部分改進帶到 GPT-6 Astra。

    推薦理由:OpenAI 的內部測試顯示,更新防護後,從先前請求和目前請求抽取受保護推理的成功率都大幅下降,呈現防護成效的具體比較。

  5. Google DeepMind85

    Google DeepMind 推出 Gemini 4 Neon,主打快速處理程式與分析工作

    處理大型程式專案、企業資料和科學問題時,工作常需要多步驟操作,也會耗費不少時間與費用。Google DeepMind 推出 Gemini 4 Neon,主打在單次工作中處理複雜任務,並可讀取多種資料;上下文視窗為 1 million tokens。官方表示,它在多項程式、分析與科學評測中取得高排名,也能協助找出和修補程式漏洞。價格為每 1 million input tokens $3、每 1 million output tokens $15;產品正陸續開放給開發者、企業及符合資格的 Gemini 訂閱者。文中的評測結果與安全資料來自官方列出的測試。

    最新進展11月20日 12:47Google 發布 Gemini 4 Neon

    推薦理由:Gemini 4 Neon 同時面向程式開發、企業分析與資安工作,文中也比較了效能、費用和安全防護,呈現它的使用取捨。

  6. Together AI Official Blog65

    Tencent Hy4 登上 Together AI,可讀圖片並用來寫瀏覽器遊戲

    想讓 AI 助理看懂圖表,還能照著要求做出簡單遊戲,可以試試 Tencent Hy4。Together AI 現在提供這個模型的雲端服務,可用文字和圖片輸入,也支援工具呼叫與 JSON 輸出。文章測試它讀取圖表數字並重畫成 HTML,也讓它用單一提示詞寫出瀏覽器遊戲;作者實際開啟遊戲,確認能玩到結束並重新開始。Together AI 列出的價格是每 1M 輸入 token $0.83、輸出 token $2.50,快取輸入 token $0.042。

    最新進展11月20日 12:12騰訊混元開源 Hy4 併發布安全評估卡

    推薦理由:文章用讀取圖表、重畫圖表和製作瀏覽器遊戲的實測,呈現 Hy4 在 Together AI 上的圖文輸入與程式生成表現,並列出使用價格。

  7. MarkTechPost79

    OpenAI 推出 GPT-Live-1.1,語音連線待機每分鐘 $0.02

    語音服務在使用者沉默時仍會產生費用,OpenAI 推出的 GPT-Live-1.1 加入了較便宜的待機狀態。這款語音模型能一邊聽、一邊說,支援多語言對話;待機時會暫停推論,但保持 WebRTC 連線,使用者開口後可以接著對話。待機費用是每分鐘 $0.02,啟用時則是 $0.05。OpenAI 表示,新版在口音、轉錄和完成任務方面有所改善,但沒有公佈評測分數;後端模型與工具的費用則另外計算。

    推薦理由:GPT-Live-1.1 把語音模型的待機費用降到每分鐘 $0.02,但語音品質提升目前只有 OpenAI 的說法,沒有公開評測分數可供比較。

11月19日週四
  1. Tom’s Hardware AI & Computing76

    三張二手 Nvidia V100 跑 Qwen 3.6 35B,長上下文仍有每秒 72.7 個 token

    想在家用電腦跑大型語言模型,買新顯示卡可能很花錢。這篇評測用三張二手 Nvidia V100 組成總價 $1,042 的主機,測試 Qwen 3.6 35B;在 4K 上下文時,每秒約產生 100 個 token,到了 128K 仍有 72.7 個。作為比較,三張 P100 在相同條件下只有 40.2 個,V100 每次測試的 GPU 耗電也約是 P100 的一半。作者提醒,各臺裝置使用的執行工具不同,因此比較數字只能大致參考。

    推薦理由:這組測試比較不同退役 GPU 在長上下文下的速度與耗電,也列出自組成本,可用來評估舊卡能否應付本機模型推論。

  2. cloudflare blog78

    Cloudflare 推出更新版 Clairic 和 9B 的 Clairic-flash

    從收據、圖片和 PDF 擷取資料,常會遇到表格難讀、欄位分散在不同頁面的問題。Cloudflare 更新了 Clairic,並推出較小、較快的 9B 模型 Clairic-flash;兩者能讀取最多 4 張圖片或 PDF 頁面,整理供應商、品項和總額等資料,也能處理估算、日期計算與明確的算術。Cloudflare 表示,兩款模型的權重已在 Hugging Face 開放,並可透過 Workers AI 使用。Clairic-flash 每百萬輸入 token 收費 $0.10,Clairic 為 $0.24;到 2026 年 12 月 1 日前,兩者都以每百萬輸入 token $0.10 優惠。文中的比較資料來自 Cloudflare 自行測試,適合用來瞭解其測試結果,不能當成公開基準。

    推薦理由:Clairic 改用新的欄位生成方式,並加入專門處理估算與日期計算的能力;文中也比較了文字、圖片與 PDF 的擷取表現及回應速度。

  3. MarkTechPost78

    NVIDIA 推出 Nemotron-Labs-Sigma,包含 14 個連續擴散語言模型檢查點

    文字生成模型通常一步步預測文字,Nemotron-Labs-Sigma 則用連續擴散的方式生成文字。NVIDIA 推出 3B 和 8B 兩種大小、共 14 個開放權重檢查點,包含基礎、指令、精簡步數和自我推測版本。NVIDIA 自行評測中,Sigma-8B 基礎版在六項測試平均為 71.16,略高於 NLD-8B 的 70.22;自我推測版在指定測試環境下,平均速度比自回歸解碼快 3.46 倍。模型需要支援 bfloat16 的 NVIDIA GPU,基礎版上下文長度為 4,096 個 token。

    推薦理由:Sigma 把文字生成放進連續的向量空間,文章也比較了它與離散擴散及自回歸模型的評測結果,呈現新做法的表現差異。