跳到正文

#專家觀點

RSS
今日 0 則
11月19日週四
  1. Dev.to Top Tech80

    GPT-6.2 Astra 較容易被越獄,英國 AISI 測試發現防護弱點

    英國 AI 安全研究所測試發現,GPT-6.2 Astra 比前一代更容易被越獄,也能在被突破防護後執行資安任務。研究團隊用一半的模型查詢次數,就攻破兩個上市前版本;OpenAI 隨後調整安全指示與防護措施,但系統卡發布時,英國團隊還沒獨立測試最新修正。四傢俬人紅隊沒有發現高或嚴重問題,OpenAI 自動測試則找到兩個高嚴重度越獄案例。另一項測試中,GPT-6.2 Astra 監看 GPT-6 Astra 的違規對話時漏掉 19%;提供未摘要的推理內容後,漏掉比例升到 51%。這些結果顯示,模型能力測試和內部紅隊結果,不能取代方法多元的獨立檢查。

    推薦理由:英國 AISI 的測試與私人紅隊結果不同,文章據此檢視上市前安全評估能否找到越獄弱點,也指出監控模型可能漏掉違規內容。

11月18日週三
  1. Dev.to Top Tech60

    Kling Image 4.0 宣稱原生生成 8K 圖片,哪些功能值得看?

    Kling Image 4.0 宣稱能原生生成 8K 圖片、在單張圖裡放入最多 2,000 個字,還能用一段提示詞產生最多 10 張風格一致的圖片。這些功能瞄準海報文字容易出錯、同一角色每張長得不同等問題,但作者沒有實際測試,外部也還沒驗證這些說法。Artificial Analysis 的排行榜上,它的文字生圖 Elo 為 1180,圖片編輯為 1183;這是使用者偏好票數的結果,不是受控測試。Kling 尚未公佈價格或 API 是否開放,模型也只能在自家平臺使用。

  2. Dev.to Top Tech68

    Microsoft MAI Code 2 主打日常寫程式,Flash 版瞄準大量工作

    企業想用 AI 助理協助寫程式時,得先看工作內容和費用是否合適。Microsoft 推出 MAI Code 2 和 MAI Code 2 Flash,分別主打日常企業程式工作與大量、重複的寫程式任務。Microsoft 表示,Code 2 的程式表現接近 GPT-6.1 Sol 和 Claude Opus 5.5,但價格較低;這些是 Microsoft 自家的比較,文中沒有提供獨立評測。Microsoft 也說,Code 2 尚未針對基礎科學研究或需要長時間自主規劃的工作調整,因此團隊仍須確認模型是否符合自己的任務需求。

  3. Dev.to Top Tech86

    Gemini 4 Hydrogen 在整體指數上高於 Argon,各項任務表現仍有差異

    挑模型時,只看一個總分或每個 token 的價格,可能看不出它在哪些工作上更合適。Google 推出 Gemini 4 Hydrogen,並公佈它和其他模型在多項測試中的成績:它在程式修補與自動化測試表現較好,但在電腦操作和科學類終端任務落後 Claude Sonnet 5.5。Hydrogen 有四種思考等級,也採用固定單價;Google 另稱,Antigravity 的 Orchestrator 能在同一段工作中切換 Carbon 與 Hydrogen,減少用量並縮短完成時間。文章建議團隊依實際任務測量完成工作的成本和速度,再決定怎麼分配模型。

    推薦理由:文章把 Gemini 4 Hydrogen 的多項基準表現與價格放在一起比較,說明團隊如何依工作型別評估模型分流。

11月13日週五
11月12日週四
11月10日週二
  1. Dev.to Top Tech86

    Claude Fable 5.2 分析:1,000 個AI 助理 30 小時完成費馬最後定理形式化,價格下調 20%

    Claude Fable 5.2 開放給開發者使用,Anthropic 表示約 1,000 個AI 助理在 30 小時內以 Lean 形式化費馬最後定理;API 價格較 Fable 5.1 下調 20%。

    推薦理由:文章以單次 Lean 證明演示和多項基準呈現 Fable 5.2 的長時程任務表現,並整理模型限制與快取成本對代理工作帳單的影響。

  2. Dev.to Top Tech82

    Meta Muse Ember 如何以低成本處理AI 助理的重複任務

    Meta Muse Ember 主打以較低成本處理AI 助理反覆執行的工具呼叫、程式子任務、路由、資料擷取與長檔案解析,並非定位為前沿模型。 - 價格與規格:輸入每百萬 token $0.10、快取輸入 $0.004、輸出 $0.50;上下文視窗為 1M tokens,最大輸出 512K tokens。

    推薦理由:文章以成本與基準比較說明 Muse Ember 的定位,並指出它適合處理重複的AI 助理工作步驟,較難的工程任務則由更強模型承擔。

11月9日週一
  1. Dev.to Top Tech77

    AI 日報:Mistral 釋出 Le Chonk、DeepMind 延長颱風預警、xAI 水印啟用等七則新聞

    本篇每日摘要聚焦多項 AI 進展,涵蓋模型發布、部署生態與安全新動向,協助讀者快速掌握關鍵資訊,並洞察行業趨勢。 - Mistral Large 4(Le Chonk):發布 1T 引數多模態 MLP,開放 MIT 版權,API 價格 $0.70/百萬輸入、$2.10/輸出;在 Terminal‑Bench 4.0 上得 41% 分,安全拒絕率 96.6%。

11月8日週日
11月7日週六
  1. O'Reilly Radar64

    本週 AI:進步的代價

    本週 AI 進展揭示投資者對成本與多語言公平的擔憂,提示開發者需同時考量技術與經濟可持續性。 - 模型發布:Google 推出 Gemini 4 Carbon、DeepMind 先行展示 Genie 4 世界模型,Mistral 公佈 1.0 兆引數 Large 4(Le Chonk)權重。

11月6日週五
11月5日週四
  1. aihot68

    Artificial Analysis 評測騰訊混元 Hy4,Intelligence Index v5 得分 35

    Artificial Analysis 評測騰訊混元 Hy4,其在 Intelligence Index v5 得分 35,與 Grok 4.7 (xhigh) 持平,較 Claude Haiku 5.5 (max) 低 1 分。

    推薦理由:Artificial Analysis 的評測呈現 Hy4 在AI 助理程式設計、知識推理與幻覺率上的不同表現,並提供同類模型的成本比較,可用來理解能力與價格的取捨。

11月4日週三
11月3日週二
11月2日週一
10月31日週六
10月29日週四
10月28日週三
10月27日週二
10月26日週一
10月24日週六
  1. thehype.61

    kimi k3.1 pro 以 $6.06 成本,完成最佳巴黎勝景,最便宜的 DeepSeek V4.1 Flash 僅 $0.78。\n\n- 成本比較:DeepSeek V4.1 Flash $0.78,kimi k3.1 pro $6.06,GLM 5.3 Prime $7.36,Qwen 3.8 Max $8.88。\n- 表現評估:kimi k3.1 pro 具備雕刻浮雕、全城天際線,且最快;DeepSeek 8 倍便宜且幾乎同等;Qwen 最貴但仍非最佳。\n- 使用建議:若追求價效比可選 DeepSeek,若重視細節與速度則選擇kimi k3.1 pro。

10月22日週四
  1. The Verge · AI51

    Claude 未能研發蠍毒抗血清

    Claude 在一次與 Anthropic 的合作中,嘗試使用未發布的模型設計蠍毒抗血清,但最終僅得到與毒素結合的蛋白候選物,尚未能產生有效藥物。 - 生成候選物:Claude 產生約 320,000 個候選蛋白,經篩選後剩 211 個,最終 17 個能結合 4/5 蟻毒。

10月21日週三
10月18日週日