跳到正文

全部動態

RSS
今日 42 則
11月15日週日
  1. Dev.to Top Tech67

    RunsOn 和 GitHub 託管執行器怎麼選?三筆費用與每月成本比較

    GitHub Actions 換成自架執行器,帳單可能不只看每分鐘費率,還要算儲存、網路和維護工作。作者比較 RunsOn、GitHub 託管執行器與 Latchkey,整理各自的費用、快取、執行環境和維運責任。以文中的每月用量為例,RunsOn 的 Linux 執行器費率較低,但它不提供 macOS,因此 2,000 分鐘的 macOS 工作仍由 GitHub 計費;公開專案則可免費使用 GitHub 標準執行器。文章也提醒,RunsOn 的 AWS 執行個體、儲存與網路費用會分開出現在 AWS 帳單上,搬遷前應一併估算。

  2. Dev.to Top Tech65

    手機靜音放在桌上會讓人分心嗎?研究指出,通知幹擾更明顯

    手機只是靜音放在桌上,真的會吃掉工作時需要的腦力嗎?早期研究發現手機放在身邊的人測驗表現較差,但後來的重做研究沒有發現相同結果,幾項研究合併分析後,整體影響也很小。另一項研究則發現,收到電話或簡訊通知的人即使不檢視手機,做任務時仍會多犯錯。作者建議,專心工作時關掉聲音和震動、集中時間檢視通知,並在中斷前記下下一步,減少腦中掛著未完成工作的感覺。

  3. CLS同學🎙️ Podcast58

    Loh Kah Seng – Rollei from Germany, Made in Singapore | Chronicles of Old Singapore

    Welcome to Chronicles of Old Singapore. Why is Rollei, the defunct West German camera-maker from the ‘70s, still remembered today? Dr Loh Kah Seng offers two explanations: the famous Rollei 35 pocket camera and the young Singaporeans who made it in the factory. Find out also how Singapore persuaded the Germans to the island, why Rollei failed and how it left behind an enduring legacy. Part 1 Rollei | https://youtu.be/87L9JjsNcKQ 00:00 Memories of Rollei Singapore 03:27 Two Industrialisations 05:

  4. 晚點聊 LateTalk🎙️ Podcast58

    188: 黃仁勳閃電離職之後:輝達、AI 基建、中美競爭和算力江湖

    「世間萬物都與性有關,除了性本身。性關乎權力。」 2026 年 11 月 12 日,輝達宣佈,創始人兼 CEO 黃仁勳辭去公司總裁、執行長及董事職務,即刻生效。CFO Colette Kress 被任命為臨時 CEO,董事會則啟動正式 CEO 的遴選程式。 這場突然的交接,發生在一場持續發酵的風波之後。此前,美國媒體報道黃仁勳與輝達客戶 Megaspeed International 前高管黃樂存在婚外關係,輝達董事會隨後啟動獨立調查,黃仁勳也向員工承認婚外關係並道歉,最終辭職。 過去 33 年,黃仁勳幾乎親自參與了公司的每一次重大轉型。他既是技術路線的決策者,也是供應鏈關係的建立者,推動了輝達向 AI 基礎設施公司轉型,也通過投資、融資和信用支援,深度參與了整個 AI 產業的擴張。 他的離開會給輝達留下什麼?一家高度依賴創始人的公司,能否在創始人離開後繼續做出正確的戰略決策?與輝達緊密繫結的供應商、客戶和 AI 基礎設施公司,會不會受到影響?而當 AI 產業最重要的流動性提供者換了人,行業的增長節奏又會如何變化? 本期,我和《晚點 LatePost》跟蹤 AI 算力的

  5. 雷科技44

    黃仁勳離開後,NVIDIA 還會繼續投入 RTX Spark 嗎?

    NVIDIA 想讓個人電腦也能在本機跑大型 AI 模型,因此和聯發科合作推出 RTX Spark,把 CPU、GPU、RTX 技術和 CUDA 放進同一顆晶片。它的高效能和大容量記憶體吸引了開發者與創作者,但部分 Windows 軟體不相容,筆電在重度使用時也有續航、發熱和風扇噪音問題;實際用本機 AI 助理整理新聞,花了約 10 分鐘,效果仍不如雲端 Claude。 RTX Spark 才剛起步,市場還沒證明這種電腦值得長期投入。黃仁勳離開 CEO 職位後,NVIDIA 會不會繼續花時間和資源打磨它,也成了疑問:資料中心業務帶來大部分營收,財務主管接任 CEO 後可能更看重眼前回報。聯發科已確認第二代 SoC 正在開發,但這還不能保證 NVIDIA 會持續投入。

  6. Dev.to Top Tech63

    RunsOn 和 Depot 怎麼選?比較 GitHub Actions 執行環境的費用與管理工作

    GitHub Actions 執行環境的帳單不容易直接比較,因為 RunsOn 按每月工作數收年費,AWS 運算費另計;Depot 則按執行分鐘收費,並由 Depot 管理 AWS 主機。文章整理兩者的費用、作業系統、快取和管理方式,並用每月 10,000 分鐘 Linux 工作的例子比較帳單:RunsOn 的授權費加上文中估算的 EC2 費用較低,但 AWS 的儲存與網路費用另計。RunsOn 需要團隊管理 AWS 配額和設定;Depot 費用較高,則不必自行維護 AWS 帳戶。作者沒有實測同一份工作,因此沒有提供速度比較。

  7. Lobste.rs (Engineering Discussion)44

    25 款我最喜歡的現代 NES 遊戲

    老 NES 還有新遊戲推出,而且不少作品能上網下載,也有實體卡帶可玩。作者挑出 25 款喜歡的遊戲,依英文名稱排序,沒有排名;玩法從救火合作、躲開礦坑敵人,到對抗怪物都有。像《Blazing Rangers》就要兩名玩家合作拉著水管滅火、救出孩子。這些新遊戲讓老主機繼續有新冒險,也讓喜歡復古遊戲的人能在原本的 NES 上玩到新作品。

  8. Dev.to Top Tech82

    實測 Jev 判斷模型:決策看起來更好,遊戲結果卻沒改善

    把模型接到原本運作正常的系統上,光看它的決定合不合理,還看不出整體有沒有變好。作者在殭屍遊戲中測試 Jev 判斷模型,讓它每 15 秒從威脅清單挑出下一個攻擊目標,再把結果和手寫規則及不使用指揮模型的版本比較。Jev 很少選到被建築擋住、火砲打不到的目標,但在 48 組配對任務中,任務結果沒有可測量的改善,分數反而下降約 27%。作者也記錄了整合過程中的問題,提醒評估 AI 功能時要拿掉它做基準比較,並用足夠多的任務確認結果。

    推薦理由:配對任務比較顯示,Jev 的選擇較少瞄準看不見的目標,任務結果卻沒有可測量的改善。

  9. Dev.to Top Tech50

    AI 助理也能有公司組織圖?作者設計人類全程監督的管理方式

    一次用很多 AI 助理做事時,誰來分配預算、處理做不好的助理,出了問題又要怎麼立刻停下來?作者設計了一套像公司組織圖的管理方式:每個職位都有工作許可權和預算,也有一位人類主管;預算由上往下分配,AI 助理先在不影響實際工作的情況下試用,再依表現決定啟用、暫停或重新聘用。人類可以隨時檢視、暫停或撤回變更。 這套設計目前還是概念,不是已推出的產品。作者認為,分配預算、管理許可權和保留紀錄可以交給軟體處理,但 AI 助理一層接一層傳話可能會弄丟資訊,評分不準也可能把好助理停掉。因此,建議先讓人類擔任管理職,從一支有明確評分方式的團隊開始,再看錶現逐步增加 AI 助理的自主程度。

  10. Dev.to Top Tech54

    AI 正在改變 SaaS 計價方式,企業續約前可先檢查帳單

    不少企業續約 SaaS 時,會遇到漲價理由包含 AI 功能,卻看不出實際用了哪些功能、費用怎麼算。作者整理常見的續約漲價手法,並比較按用量、按成果和固定費用加浮動費用三種計價方式;例如按用量計價較能反映實際使用,但沒有上限時也可能讓帳單突然變高。文章建議提早檢查 AI 功能使用情況、比較同業價格,並在合約中談好用量上限與成果如何認定,讓採購團隊更清楚費用,也有資料可供議價。

  11. This Week in Virology🎙️ Podcast58

    TWiV 1375:一隻病毒不夠

    病毒學家 Jolene Ramsey 與同事分析一項半混合湖(meromictic lake)研究,該研究將烈性噬菌體與綠硫菌、溫和噬菌體與紫硫菌連結起來;隨後討論一篇 Cell 論文,該論文主張以細胞外囊泡(extracellular vesicle)整批傳遞的病毒能繞過先天免疫感知閾值。

  12. Investor's Sunday🎙️ Podcast58

    加藤貴博(株式會社ジモティー社長)談「リクルート時代的狂放日常」與「ジモティー創立前的故事」

    ジモティー社長加藤貴博暢談自身經歷:在リクルート負責 Google 廣告投放、讓カーセンサー逆轉勝,到震災後加入擔任 COO,最後創立以少數人力創造高獲利的客戶參與型媒體,完整說明創業經緯。

  13. Dev.to Top Tech41

    LLM 為什麼只看懂程式碼,卻不一定懂工程師怎麼寫出來?

    LLM 能讀很多書和程式碼,卻看不到工程師怎麼找線索、試方法、犯錯再修正;就像只看過騎腳踏車的書,不代表真的知道車快倒時是什麼感覺。作者用「原因、過程、結果」來說明,讀 GitHub 上最後完成的程式,只看得到結果,看不到程式一路改變的理由和步驟;檢視修改紀錄,才比較能補回這些線索。作者也分享,自己想程式時不是在腦中看圖,而是像用手感受程式怎麼流動,並把踩過的陷阱整理成提醒,讓 AI 助理和開發者有機會提早察覺危險。

  14. Dev.to Top Tech41

    AI 新創產品 Demo 再亮眼,也要說清楚企業為什麼願意買單

    AI 產品展示得很厲害,不代表企業就會掏錢買。買方還得向財務部門說明:這項產品能省下什麼開銷,預算為什麼值得花;如果說不清楚,再酷的功能也可能卡在公司採購流程裡。對獨立開發者和個人創業者來說,動手寫程式前,可以先試著用一句話,讓不懂技術的人也能說明產品的價值。能不能做出功能之外,還要想想別人能不能說服公司買下它。

  15. Dev.to Top Tech74

    Microsoft 365 中斷凸顯資安監控也可能跟著失靈

    Microsoft 365 中斷時,受影響服務清單也包括 Defender XDR,讓人難以確認資安監控是否照常運作。作者親身看到 Outlook 和 Teams 無法使用,之後根據 Microsoft 說明整理事件:這次是網路容量調整引發的工程故障,並非攻擊;但公開資訊尚未說明背景偵測是否持續運作,也沒有證據顯示警示遺失或有人遭入侵。作者建議把紀錄備份到服務以外的地方,準備另一條聯絡管道與服務中斷時的應變流程,並在恢復後確認監控確實有在工作。

  16. Hacker News (official RSS)40

    Spring Petclinic 系列第 2 篇:改用 JDBI 處理資料,才發現 Spring Data 幫忙做了多少事

    Spring Petclinic 原本用 Spring Data 和 Hibernate 處理資料,作者改用比較接近直接寫 SQL 的 JDBI,想讓測試資料和程式做的事更清楚。結果發現,測試裡有些資料是 Spring 自動準備的,光看測試程式很難知道資料從哪裡來;換成 JDBI 後,作者也得自己處理資料庫查詢、新增或更新資料,以及不同資料庫回傳格式的差異。這就像原本有人幫忙整理好材料和步驟,改成自己下廚後,才知道省下的工作其實不少;程式更直接的同時,也多了不少手動工作。

  17. DAVID888 Daily 每日放送🎙️ Podcast58

    [2026-11-15] 輝達遭爆迴圈融資炒作GPU短缺、Starship Flight 15 筷子首度夾住星艦本體

    詳細網頁版與參考連結:https://podcast.david888.com/post/2026-11-15 本集聚焦輝達遭質疑迴圈融資墊高算力需求,與跨節點大模型推論瓶頸;同時解析純 JAX 重構 DeepSeek 及 ggml 1.0 最佳化。資安方面,探討 Chrome MCP 隱私風險、Lovable 未啟動 RLS 導致外洩,與微軟當機連帶癱瘓資安中樞的單點依賴。另涵蓋 Google 縮短漏洞修補期、廣告定位監控爭議,以及 SpaceX 星艦首度由發射塔機械臂成功捕捉的航太里程碑。 相關連結: Nvidia allegedly engineered scarcity by funding AI startups to buy its GPUs Lovable apps expose passport details and more than 200K private messages ChromeDevTools / chrome-devtools-mcp (56,298 ⭐) Serving GLM-5.3 at 607.8 tok/s across two Nvidia

  18. TechCrunch · AI59

    Nvidia 資安團隊當時掌握了哪些訊息?

    Nvidia 資安主管離職後,公司又面臨執行長與 Megaspeed 的相關報導,但公開資料沒有說明資安團隊當時知道什麼,也沒有證據把主管異動和這些事件連在一起。資安專家指出,外國情報機構可能利用私人關係接近企業高層,打聽出口政策等敏感資訊;這類風險不一定靠駭客入侵,也很難只靠資安團隊察覺。報導也提到,企業常把資安工作限縮在防駭客和保護設施,團隊資源則可能不足。董事會調查與聯邦調查後續或能釐清更多情況。

  19. Dev.to Top Tech39

    《Silent Hill f》為何選用 Unreal Engine 5:用繁花打造 1960 年代恐怖小鎮

    《Silent Hill f》把故事放在 1960 年代的日本小鎮,讓紅色彼岸花和白霧裡的怪物帶來恐怖感。開發團隊 NeoBards Entertainment 選用 Unreal Engine 5,讓大量花朵和小鎮場景更容易呈現,也能讓白天的光影隨場景變化,並在小鎮與另一個世界之間切換。遊戲裡,女主角沒有手電筒,遇到怪物得靠閃避和近身武器戰鬥;武器還會損壞。 這樣做讓 Konami 不必自己重做一套遊戲引擎,也能用 Unreal Engine 5 的工具呈現想要的畫面;但代價是得仰賴 Epic 的引擎和外部開發團隊。另一款《Silent Hill 2》重製版也使用 Unreal Engine 5。這兩款遊戲顯示,選擇現成工具和團隊能加快開發,但也會讓系列更依賴外部技術與人力。

  20. Dev.to Top Tech56

    作者整理 2026 年值得學的五項開發技能與入門資源

    開發技能清單常靠猜測,作者交叉整理四個 2026 年資料來源,排出五項值得學的技術技能:LLM 應用與 AI 輔助寫程式、SQL 和 PostgreSQL、Python、TypeScript,以及仍在成長中的 Rust。文中也替每項技能附上免費入門資源和小練習,例如用自己的筆記做問答機器人,或把一個 JavaScript 檔案改成 TypeScript。作者說,這是依資料廣度和年增幅整理的個人排序,GitHub 貢獻者數與 Stack Overflow 問卷都不能直接代表僱主需求;美國軟體開發職缺雖比 2025 年 2 月增加近 15%,仍比疫情前低約 27.5%。

  21. Y Combinator Startup Podcast🎙️ Podcast58

    AI 同事的崛起

    Lauren Tan 詳細說明 Grok Bot 如何透過 Slack 上的 AI 隊友、搭配她開源的 Pstack 完成端到端工程工作,並主張真正的瓶頸已從執行轉移到意圖規格(intent specification)與人類品味。

  22. Lobste.rs (Engineering Discussion)47

    AI 助理寫程式後,資深軟體工程師要怎麼培養?

    AI 助理已經能寫出不錯的程式碼,但公司仍需要有經驗的工程師檢查設計、找出錯誤,再決定哪些程式碼能放進 Git。這些老手當年也是靠自己寫程式、被人指出問題,慢慢學會分辨好壞。放射科醫師有一套看大量 X 光片、在監督下練習的訓練方式,軟體工程師卻沒有類似的制度;新人常得直接接工作,在做錯時才知道問題在哪。文中提到,軟體工程師職缺雖然增加,其中 71% 是找資深工程師。若新人不再有機會寫程式和累積經驗,產業以後又要怎麼培養出新的資深工程師?

  23. Dev.to Top Tech43

    Voyager 1 即將離地球一光日:老系統教我們何時該求穩、何時該求快

    Voyager 1 即將遠到地球傳一則訊息給它,要花 24 小時;等它回覆,來回就得等兩天。工程師修改指令後,只能等這麼久才知道有沒有修好,而且探測器早已遠在太空,沒辦法親手重開機。2024 年,團隊曾把程式移到記憶體的其他位置,救回遇到故障的探測器。這種工作提醒我們:系統要長久運作,就得小心修改、保持簡單,也要把做法寫清楚;但新創團隊需要快速知道大家想不想用產品,不能每件事都等兩天。重點是看清楚手上的工作:太空探測器要穩,新點子則要快點試。

  24. Dev.to Top Tech45

    AI 如何成為網路行動的加速器,放大組織的力量

    AI 不會自己決定要攻擊誰,但能幫人更快蒐集資料、做假身分、寫出針對不同物件的訊息,讓原本的網路行動做得更快、規模更大。Microsoft 發現,北韓有些駭客組織已把 AI 用在日常工作中;例如 Jade Sleet 曾在一週內透過 3 家空殼公司發動行動。文中也提到,網路攻擊可能傷到真實生活:法國約 700 家商店的冷凍裝置遭人動手腳,造成商品損失,有些地方甚至起火。這些例子提醒我們,AI 帶來的風險和好處,取決於使用它的人與組織,以及他們想達成什麼目的。

  25. SemiAnalysis64

    大型雲端業者一邊大量部署 NVIDIA GPU,一邊也在打造自己的晶片。SemiAnalysis 指出,NVIDIA 最大的七家客戶中,除了 SpaceX,其餘六家都在自製晶片;它也認為,若 NVIDIA 沒有扶持 CoreWeave 等新興雲端業者,這些業者所在的市場可能不會存在,雲端大廠也會掌握更多主導權。作者還說,依其測試,Google TPU 的表現和 NVIDIA 相當,但 Google 較少以談判和交易方式推動供應鏈投資。

    推薦理由:這段分析把大型雲端業者自製晶片、NVIDIA 對新興雲端業者的支撐,以及供應鏈投資放在一起,呈現晶片市場的幾股拉力。

  26. Dev.to Top Tech62

    工程師用 AI 寫程式更快,作者提醒除錯練習也在減少

    AI 能讓程式寫得更快,但工程師也可能少了從錯誤中學習、判斷好壞的機會。作者分享自己每天使用 AI 輔助開發的觀察:當模型直接給出答案,人們少了比較不同解法的練習;如果只看會議摘要、跳過架構檢查,也可能不清楚程式背後怎麼運作。文中引用一項 2026 年 9 月的調查,受訪的 300 位資深工程主管中,35% 表示 AI 產生的程式碼會在工程師完全理解前進入正式環境,93% 曾遇過 AI 幻覺誤判問題根源。作者擔心,若除錯和理解系統的練習減少,團隊日後也會更難培養出能看出風險的人。

  27. Dev.to Top Tech62

    Agent Relay 重算 AI 助理基準:高分模型不一定最划算

    挑 AI 助理時,只看平均分數,可能看不出每次好答案要花多少錢,也看不出它有多少次完全沒答好。Agent Relay 根據 Deepnote 的 Agent Initiative Benchmark 公開資料,重新計算每個模型取得滿分回答的成本,並比較零分次數和不該發言時的誤報。結果顯示,平均分數最高的 GPT-6 Astra,每次滿分回答約 $1.33;GPT-6.1 Sol 約 $0.255,便宜約 5.2 倍,兩者的分數區間也有重疊。作者提醒,基準只有 50 項任務,這些數字適合用來篩掉不合需求的模型,不能據此精確選出勝者。

  28. Thurrott42

    Google Pixel 11 Pro XL 評測:小幅升級,價格更高

    Google Pixel 11 Pro XL 和前一代差不多大,外型與優缺點也大致相同;相機拍照體驗不錯,PixelSnap/Qi2.2 配件連線和 Comfort View 也受到肯定。不過手機又漲了 $100,效能普通、電池不耐用,也沒有明顯的硬體升級,甚至有些地方退步。機身又大又重、表面容易滑,作者認為價格變高後,這些缺點更難忽略。

  29. Rohan Paul47

    大型語言模型會猜文字裡最常接著出現的內容,但常見的說法不一定是真的,少見的真事也可能被模型低估。Meta 的這篇論文提出,可以讓模型換幾種觀點回答同一個問題,再看答案有哪些地方都相同;如果完全沒有共同答案,就先不要作答。論文用例子說明,答案看起來有多可能,和它是不是真的不一定相同:在一個只有兩種答案的例子裡,loss 0.67 對應 100% 正確,接近的 0.71 卻對應 0%。這只是論文中的例子,沒有實際實驗;它提醒我們,信任 AI 答案前,可以換個說法、角色或語言再問一次。