跳到正文

全部動態

RSS
今日 5 則
11月14日週六
  1. Artificial Analysis47

    Speechify 推出語音模型 Simba 3.5,在 Artificial Analysis 的 Controlled Voice Arena 排名第一,成績與 HeyGen Voice 統計上不分高下,也領先 Qwen-Audio-3.1-TTS-Plus。其他測試中,Simba 3.5 的 Provider Voice 排名第五,發音穩定度排名第七。它每秒能生成 139.6 個字元,每 100 萬個字元收費 $6.58;Eleven v4 Turbo 則是每秒 105.3 個字元、收費 $40。Simba 3.5 是價格圖表中最便宜的模型,代表它在這項比較裡兼具較快速度與較低價格。

  2. Dev.to Top Tech41

    Google 推出 Gemini 4 Hydrogen,主打日常寫程式又快又省力

    寫程式時,不是每件事都需要很會深度推理的模型,有時候更需要快速處理日常工作。Google 推出 Gemini 4 家族的新成員 Gemini 4 Hydrogen,主打寫程式、除錯和處理多步驟的 AI 助理工作,也能讀文字、圖片、音訊和影片,輸入與輸出的內容合計最多可達 1 million tokens。它和專注複雜推理的 Gemini 4 Carbon 分工,讓開發者能依工作挑選模型。

  3. Arena.ai45

    LMSYS Arena 本週公佈多款模型在不同競賽的表現。Claude Fable 5.2 (Max) 在 Agent Arena 排名第 1,根據 7.8k 次真實使用記錄,淨改善幅度為 +30.5%;Gemini 4 Hydrogen (High) 則是前 10 名中速度最快的模型,每個常見步驟約需 7.3 秒。Muse Ember (Max) 以每項任務 $0.03 的中位成本登上 Code Arena: WebDev 第 37 名;Inkling 2 Small 則以 1647 分拿下該榜開放權重模型第 1。這些排名讓人能比較模型的表現、速度與成本;推文也提到,採用 Apache 2.0 的開放權重即將推出。

  4. Arena.ai50

    Claude Fable 5.2(Max)在 Agent Arena 排名第一;在和 Claude Opus 5.5(Max)都有排名的 10 個類別中,Fable 有 9 類領先,另一類差距小到無法分出高下。Fable 的視覺設計表現特別突出,整體進步分數是 30.48%,視覺設計則是 45.34%;Opus 5.5 分別為 19.51% 和 23.29%。不過,這些分數只顯示誰領先,還無法說明原因,因此發文者接著比較兩個模型在真實使用情境中的表現。

  5. NVIDIA66

    教每種機器人做每件事,都得從頭示範,花費不少功夫。NVIDIA 發布 GR00T 2,這款開放模型是為機器人研究打造的;它能從人的示範中學習技能,也能預測自己的動作會怎麼改變周遭的實體世界。學到的技能還能用在不同機器人身上,減少每換一種機器人就得從頭教起的工作。

    推薦理由:GR00T 2 能從人的示範學習技能,並把學到的技能用在不同機器人上,可瞭解這種方法如何減少逐臺重新教學的需要。

  6. MarkTechPost61

    Perplexity 發布 Decider v1.3,新增 Locate 文字片段擷取功能

    分類工具常要在幾個選項中判斷答案,卻不一定能指出文字裡的依據。Perplexity 發布 Decider v1.3 和較小的 Flash 版,模型會替每個選項給出機率,也能回答文字或圖片相關問題;新增的 Locate 則可從文字中找出指定內容,並標出起訖位置,適用於辨認人名、個人資料或回答文字擷取問題。Perplexity 自行公佈的評測中,v1.3 在 63 項查詢分類任務的平均準確率為 91.6%,Locate 平均分數為 69.0。兩款模型也能透過 API 使用,輸入價格分別為每 1M tokens $0.02 和 $0.01。

  7. MarkTechPost79

    2026 年 AI 影片模型評測:畫質分數、每秒價格和開放權重一次比較

    挑 AI 影片模型時,分數高不一定最省錢,開放權重也可能有限制。MarkTechPost 依 Artificial Analysis 的盲測偏好分數,整理文字轉影片與圖片轉影片的模型排名,再對照每秒價格和權重是否開放。榜首 Wan 3.0 的文字轉影片分數最高;Seedance 2.5 的圖片轉影片分數最高,但價格也偏高。MiniMax H3 是榜上排名最高的開放權重模型,不過授權限制部分地區部署,解析度上限為 768p。文章也提醒,排名第 3 到第 8 的模型分數接近,較適合看成同一群,而非嚴格分出高下。

    推薦理由:文章把盲測偏好分數、每秒價格與權重開放狀態放在一起比較,也提醒名次接近的模型不宜看成明確勝負。

  8. Dev.to Top Tech77

    Claude Fable 5.2 適合拿來寫程式嗎?作者比較價格、測試結果與使用時機

    寫程式時,功能較強的模型不一定適合每個任務,也可能花更多錢。作者還沒親自用過 Claude Fable 5.2,這篇實用指南整理了 Anthropic 等來源公佈的價格與測試結果,並用作者自己的 Claude Pro 帳號確認方案內容。Fable 5.2 每百萬 tokens 的輸入和輸出價格是 $8 / $40,是 Sonnet 5.5 的 4 倍;在 Anthropic 公佈的測試中,它也比 Opus 5.5 高幾分。作者建議平常先用 Sonnet 5.5 寫、測試和部署,較難的規劃交給 Opus 5.5,只有 Opus 卡住時才升級到 Fable。這些測試數字來自廠商或工具方,作者沒有實際測試 Fable。

    推薦理由:作者把 Fable 5.2、Opus 5.5 和 Sonnet 5.5 的價格與測試結果放在一起比較,並說明不同編碼工作如何選擇模型。

  9. Thurrott82

    Google 推出 Gemini 4 Hydrogen,讓所有人都能在搜尋中使用

    Google 推出 Gemini 4 Hydrogen,讓所有人都能在 Google 搜尋的 AI Mode 使用,也會逐步加入 Gemini app。Google 表示,這款模型著重快速處理各種日常工作,在 Gemini app 中更能照著使用者的指示操作、選用合適工具,減少來回修正;它有四種思考層級,預設為 high。在搜尋中,它也能處理較複雜的問題、提供更多影像內容和相關來源連結。Google Sheets 與 Google Antigravity 的訂閱使用者也能使用;Google 另表示,模型加強了對化學、生物、放射性與核能,以及網路安全濫用的防護。

    推薦理由:Hydrogen 同時進入 Gemini app 與 Google 搜尋,並提供四種思考層級;文章也整理了它在日常任務、搜尋回答和安全防護上的用途。

11月13日週五
  1. Dev.to Top Tech46

    Underdog AI 的 Woof 語音模型縮到約 32MB,可在瀏覽器離線念出文字

    雲端語音服務雖然方便,卻得先把文字傳到網路上;遇到訊號不好或內容敏感時,就不太方便。Underdog AI 的 Woof 把文字轉語音模型做得很小,單一聲音版本約 32MB,可直接在瀏覽器離線產生語音,不必把文字送到遠端 API;另一個雙聲音版本是 40.6MB。不過,實測發現它念簡單句子還可以,遇到一串數字、人名、分數或長篇內容就容易出錯,而且授權只供非商業用途。它讓開發者更容易試做離線語音功能,但要用在實際產品,仍得留意唸錯內容和授權限制。

  2. elvis51

    把一段文字變成有旁白和圖表的解說影片,通常需要花不少時間。Elvis Saravia 用 pi 當作 AI 助理的工作框架,請百度的 ERNIE 5.5 Flash Preview 製作一支解釋遞迴自我改進的短片;模型寫出指令碼、圖表程式碼並完成影片,旁白則由 ElevenLabs 提供,整個過程約 8 分鐘。他表示,用前沿模型做同一支影片會多花 2 到 5 倍時間,也提醒自己還沒測試需要長時間維持連貫性的影片。

  3. Dev.to Top Tech88

    Google 推出 Gemini 4 Hydrogen,主打日常寫程式和多步驟工作

    處理日常程式工作時,模型若花太久推理,或遇到複雜問題只回答其中一部分,都會拖慢進度。Google 推出 Gemini 4 Hydrogen,主打快速寫程式、執行測試和檢查修改;在 Antigravity 裡,Orchestrator 能讓 Carbon 負責協調、Hydrogen 負責建置與測試。Google 表示,它完成任務的速度是預設設定下 Gemini 3.8 Flash 的 2.5 倍,Terminal-Bench 4.1 分數從 18.2% 提升到 57%,這些是 Google 提供的資料。Hydrogen 也已開始用於 Search 的 AI Mode 等服務;文章提醒,速度之外,模型遇到工具呼叫失敗或搜尋無結果時能否謹慎處理,也很重要。

    推薦理由:文章整理 Gemini 4 Hydrogen 與 Carbon、Argon 的分工,也列出 Google 宣稱的速度與基準變化,方便了解快速模型的定位和比較依據。

  4. Dev.to Top Tech82

    Google 推出 Gemini 4 Carbon,主打較低價格與企業工作流程

    企業挑選 AI 助理時,不能只看每個 token 的價格,還得算上任務做不完時的重試和人工檢查。Google 將 Gemini 4 Carbon 提供給多種服務使用,API 入門價格是每百萬個輸入 token $2、輸出 token $10,並可調整推理程度,在品質、速度和費用間取捨。Zapier 的測試中,Carbon 在 657 項模擬商務工作中完成了 53.9%,每項任務估計花費 $2.12;Gemini 4 Argon 的完成率是 51.3%。Anthropic 則表示,Claude Fable 5.2 在多項程式開發和科學基準測試勝過 Carbon。文章提醒,測試結果會因任務而異,企業仍須用自己的資料和工具評估完成工作的總成本。

    推薦理由:這篇比較 Gemini 4 Carbon 的任務完成率與每項成本,也指出重試和人工檢查會改變實際花費,提供評估企業工作流程的成本角度。

  5. Linus ✦ Ekenstam 🔜 Adobe MAX Miami 202672

    機器要在真實世界試錯,可能會造成損壞;PAN 2 提供一種先在模擬世界練習的方式。MBZUAI 的基礎模型研究所推出這個世界模型,只要給它一個場景和一個動作,它就會模擬接下來可能發生的事。像是從疊高的積木中抽出中間一塊,模型會模擬積木倒下;換成慢慢抽出靠近頂端的一塊,積木則可能站住。AI 助理可以反覆嘗試、檢視模擬結果,再調整動作。研究團隊表示,測試中的 AI 助理也曾透過模擬互動發現看不見的世界特性。PAN 2 的模型權重、訓練程式碼和推論程式碼以 Apache 2.0 授權開放。

  6. MarkTechPost82

    Google 發布 Gemini 4 Hydrogen,稱程式與 AI 助理任務速度提升 2.5 倍

    Google 發布 Gemini 4 Hydrogen,主打程式開發和 AI 助理工作,並表示它完成任務的速度是 Gemini 3.8 Flash 的 2.5 倍。Google 提供的測試結果顯示,它在 Terminal-Bench 4.1 得分 57%,Gemini 3.8 Flash 為 18.2%;與 Carbon 搭配使用時,Google 表示能少用 24% 配額、快 19% 完成任務。API 每 1M 輸入 token 收費 $1.50、輸出 token 收費 $7.50,模型只透過 Google 託管的服務提供,不能自行下載權重或架設。

    推薦理由:原文比較 Gemini 4 Hydrogen 與 Gemini 3.8 Flash 的任務速度、基準成績和價格,呈現新模型在程式與 AI 助理工作上的取捨。

  7. aihot72

    騰訊混元發布 Hy Realtime,新增即時工具呼叫和唱歌能力

    語音模型除了聽懂和回答問題,也可能需要幫忙呼叫工具或唱歌。騰訊混元發布 Hy Realtime,新增工具呼叫與唱歌能力,並已用在元寶語音通話和騰訊客服;近期也將透過騰訊雲提供 API 服務。這則訊息交代了模型的新用途,以及目前已上線的服務。

    推薦理由:這次發布同時加入工具呼叫與唱歌能力,也列出已上線的服務,能看出模型新增能力如何進入實際語音產品。

  8. Dev.to Top Tech78

    Gemini 4 Hydrogen 升級 Gemini 3.8 Flash 值得嗎?成本、速度與 API 差異一次看

    換成 Gemini 4 Hydrogen 後,任務成本和完成時間可能降低,但預設思考等級提高,API 支援也有差異,直接換模型名稱可能讓程式出問題。作者用 Artificial Analysis 的資料比較兩款模型:在 high 設定下,Hydrogen 每項任務成本是 $1.87,Gemini 3.8 Flash 是 $7.77;完成時間分別是 8.3 分鐘和 14.7 分鐘。不過這不是作者親自跑出的測試,數字採用標準牌價,也不是 AIHubMix 的實際帳單。文章提醒,AIHubMix 目前只記載支援 Chat Completions,長輸出、思考等級設定和其他連線方式都還沒確認,遷移前應先用自己的請求測試。

    推薦理由:文章以同一項任務的成本與完成時間比較兩款模型,也整理 API 支援差異與尚未實測的部分,能幫助評估升級和遷移風險。

  9. ModelScope53

    模型放在本機跑時,記憶體預算和回答品質常要一起考量。Unsloth 為開放權重的 Qwen3.8-27B GGUF 推出 Dynamic V3.1 預覽版,並表示多數測試基準的成績提升了 5–10%。測試涵蓋程式開發、AI 助理和聊天;多數 2-bit 到 6-bit 量化版本都可選,4-bit 版本約需 16–19GB VRAM,或配備 24GB 記憶體的 Mac,實際需求會隨上下文長度和解除安裝方式改變。3-bit 檔案仍保留 UD3,因為這次更新的改善不足以取代它。作者也檢查嵌入向量大小的計算、上下文預算和重複測試,提醒比較成績時要看清楚測試條件。

  10. Dev.to Top Tech52

    Kronos 如何以 K 線資料預測價格與成交量

    Kronos 是以金融 K 線資料訓練的開源基礎模型,可預測價格與成交量,並提供 BTC/USDT 未來 24 小時的即時示範。 運作方式:專用 tokenizer 先將 OHLCV K 線資料轉為階層式離散 token,再由自回歸 Transformer 預測未來數值;訓練資料來自 45+ 個交易所。 模型與限制:Kronos-mini 有 4.1 million 個引數與 2,048 的上下文長度;Kronos-small 有 24.7 million 個引數,Kronos-base 有 102.3 million 個引數,兩者上下文長度皆為 512。Kronos-large 有 499.2 million 個引數,但未開源。 使用與風險:專案提供預訓練模型、批次預測與微調範例;文章提醒 Kronos 是研究模型,預測不是買賣建議,回測範例也不是可直接用於實際交易的系統。

  11. Artificial Analysis64

    挑選 AI 模型協助找出並修補軟體漏洞時,除了看分數,也得考慮花費和輸出的長度。Artificial Analysis 評測 Tencent 的 Hy4,在自家 Cyber Index 得 58%,排名第 3;在測試 AI 助理找出並修補真實軟體漏洞的 CWE-Bench-AA 得 76%,排名第 1。每項任務成本是 $0.92,輸出 64k tokens。這些數字讓人能同時比較漏洞測試表現與成本,但只反映這篇評測採用的測試結果。

    推薦理由:Hy4 在漏洞修補測試中的表現、每項任務成本與輸出 token 數,可一併用來比較不同模型的能力和花費。

  12. aihot74

    美團 LongCat 開源 LongCat-Video-Avatar 1.6,讓語音帶動數位人影片

    製作數位人影片時,嘴部動作不自然、聲音和嘴型對不上,影片變長後畫面也可能不連貫。美團 LongCat 開源 LongCat-Video-Avatar 1.6,改進嘴型、臉部和身體動作的協調,也減少接續生成影片時累積的畫面誤差,能生成超過 10 分鐘的影片。團隊以 33,051 張有效人工投票比較六套系統,這個版本排名第二;新版本也加入推理最佳化,並提供單人和多人影片生成方式。

    推薦理由:LongCat-Video-Avatar 1.6 的人工偏好評測顯示,它在六個系統中排名第二;文中也說明瞭長影片生成與推理速度的改進。

  13. Dev.to Top Tech83

    Gemini 4 Hydrogen 評測:速度與成本優勢,以及基準比較的限制

    Google Gemini 4 Hydrogen 主打日常程式開發與 AI 助理工作流程,在部分基準測試中勝過 Gemini 3.8 Flash,並在 Artificial Analysis Intelligence Index 以 51 分略高於 Argon 的 50 分。

    推薦理由:文章整理 Gemini 4 Hydrogen 的速度、成本與基準表現,並指出比較依據主要來自 Google,適合用來理解執行型模型的取捨。

  14. Hacker News (official RSS)81

    Edge0 開源 Edge0-145B 與 Edge0-120B,主打在個人電腦本機執行大型模型

    Edge0 開源 Edge0-145B 與 Edge0-120B,並同步發布推論框架和部署工具,讓大型模型可在相容的個人電腦上本機執行。

    推薦理由:文章以記憶體、速度與多項基準比較 Edge0-145B 和雲端模型,並說明其在相容筆電上的部署條件,呈現本機執行大型模型的具體取捨。

  15. Dev.to Top Tech92

    GPT-6 Cyber 逆向解析:訓練方式、安全控管與評測結果

    GPT-6 Cyber 是 OpenAI 以 GPT-6 Astra 為基礎、經額外後訓練打造的資安專用模型;本文根據公開系統卡、公告、Linux 工作流程說明與獨立評測,整理其能力、安全控管與限制。

    推薦理由:文章整理 GPT-6 Cyber 的資安測試與部署限制,並比較其攻擊能力、範圍遵循和錯誤回報表現,呈現實際評估這類代理程式時需兼看的面向。