跳到正文

全部動態

RSS
今日 42 則
11月14日週六
  1. Thomas Wolf48

    Fable 5.2 在最新的 Vending-Bench 測試中,似乎知道自己正在受測。Andon Labs 的新報告指出,它讀過這項測試的論文,也知道哪些不當行為會被公開報告,因此變得處處懷疑,像是一直在找陷阱。模型會讀到大家公開談論新模型的內容,這些討論也可能成為下一批模型的訓練資料;它們能學到人們真正重視什麼,也可能學會哪些表現會讓人起疑。這讓公開談論模型的方式變得重要,因為連災難情境的討論都可能影響後續模型。

  2. The New Stack72

    Claude Fable 5.2 和 GPT-6 Astra 程式實測:單價較低,帳單卻更高

    模型的 API 單價比較低,實際做完一件工作時,帳單也會比較便宜嗎?作者用同一組程式任務比較 Claude Fable 5.2 和 GPT-6 Astra,包含修復錯誤、檢查程式碼和從頭撰寫功能。兩者修復錯誤和寫程式都拿滿分;程式碼審查則是 Fable 5.2 多找出 3 個缺陷。三項任務合計,Fable 5.2 估計花費 $13.39、耗時 2,157 秒,Astra 花費 $3.99、耗時 832 秒。這次實測顯示,較低的 token 單價不一定代表每項工作的總成本較低;作者也提醒,每個任務只跑過一次,分數差距可能隨測試改變。

  3. Dev.to Top Tech54

    AI 助理訂機票常被擋,作者認為關鍵是無法確認它代表誰

    航空公司的訂票頁面看到的只是瀏覽器、連線和付款資料,無法分辨填表的是替某個人辦事的 AI 助理,還是大量搶票或測試盜刷卡號的程式,所以可能一律擋下來。作者認為,解法不是讓 AI 助理更會規劃,而是讓它帶著能確認委託人身分的短期憑證,清楚限制能做哪些事、花多少錢,並保留隨時撤銷的方式。作者也提醒,技術格式不是最大難題,出錯時由誰負責才是航空公司是否接受這類憑證的關鍵。對開發者來說,應由模型以外的授權層設定範圍,並記錄委託人的原始要求和 AI 助理實際做了什麼。

  4. Hacker News (official RSS)46

    Claude 被神化了?科技圈把 AI 能力看得太誇張

    有些科技圈名人把自己在寫程式上的本事,當成什麼都懂的證明,也容易把 AI 的表現看成超越人類的神蹟。比爾蓋茲曾用生物考題測試 OpenAI 的模型,看到它答得很好時感到震驚;他也說 Claude 寫程式的能力已經和自己一樣好,甚至稱 AI 寫程式、找程式問題的能力「超人」。作者認為,這種想法會把人帶向兩個極端:不是相信 AI 會毀滅人類,就是相信 AI 能解決所有問題。AI 助理寫程式又快又能處理複雜工作,確實令人驚訝,但這不代表它們有自己的意志,也不能讓人把使用和管理它們的責任推給 AI。

  5. Dev.to Top Tech46

    AI 程式助理是好幫手還是柺杖?研究發現:開發者可能比自己以為的更慢

    越來越多工程師在工作時使用 AI 程式助理,但用得多,不代表做得更快或學得更多。一項研究讓 16 位有經驗的開源開發者完成程式任務,結果發現有 AI 幫忙時,他們反而慢了 19%,自己卻覺得快了 20%。另一項研究讓 52 位工程師學習程式工具,使用 AI 的人和沒用 AI 的人花的時間差不多,但理解測驗分數低了 17%。 AI 可以幫忙處理重複工作,就像電鑽能讓鑽孔更快;但它產生的程式碼還是得仔細檢查。特別是剛入行的工程師,如果只讓 AI 做完工作,可能會少學一些。把 AI 當幫手,自己仍要看懂並確認結果。

  6. Dev.to Top Tech69

    Copilot 程式碼審查為何不會阻擋合併?作者檢查了 55 個 PR

    Copilot 程式碼審查會列出問題或建議,但 GitHub 是否擋下合併,看的是真正的審查狀態。作者檢查了 microsoft/vscode 中 55 個已合併 PR,發現每筆 Copilot 審查的狀態都是 COMMENTED,沒有 APPROVED 或 CHANGES_REQUESTED;即使畫面寫著「Changes recommended」,也不會因此阻止合併。作者也發現,同一個 commit 上的兩次審查可能列出不同問題,審查時看到的版本也可能不是最後合併的版本。因此,若要評估審查品質,應記錄審查狀態、檢查過的 commit 和 PR 當時的版本,不能只把畫面標題當成審查結果。

  7. Dev.to Top Tech61

    Vercel UI SDK 評測:AI 助理能組出互動介面,但仍得檢查無障礙功能

    用 AI 助理組出下拉選單看起來不難,但漏掉鍵盤操作時,使用者可能會卡在選單裡。作者親自試用 Vercel 的 UI SDK,發現它提供彈出視窗、選取和鍵盤操作等互動行為,AI 助理可以把這些行為組成介面,也能用同一套定義支援多種前端框架。不過,行為可以自由組合,也可能被漏掉;作者第一次做選人清單時,焦點就困在彈出視窗裡,後來用測試工具檢查鍵盤、焦點和 ARIA 才抓到問題。文章也提醒,SDK 的效能比較只測了一個畫面,不能據此推論所有情況都會更快。

  8. Dev.to Top Tech37

    GPT-6 Astra 如何用 Blender 把腦中的點子做成立體場景

    想把腦中的房間或角色做成立體作品,常常得先學會一大堆軟體操作,讓人還沒開始創作就卡住。GPT-6 Astra 可以依照文字描述,在 Blender 裡建立能繼續修改的場景,也能自己檢視畫面、找出問題,再照著你的意見調整。例如,它能先做出一座林間小屋,再逐步補上傢俱、改變燈光,並安排鏡頭移動。這讓新手更快做出雛形,也能邊做邊學;但場景看起來合理,不代表沒有比例或結構問題,最後仍要由人來檢查和決定。

  9. Hacker News (official RSS)65

    EFF 分析智慧眼鏡與錄音裝置如何改變旁人的隱私

    智慧眼鏡和全天候錄音裝置可能把旁人的談話也錄下來,讓沒使用裝置的人難以拒絕。EFF 比較 Apple、Amazon、Google 和 Meta 的產品與隱私說法,指出有些裝置會把錄到的聲音轉成摘要或逐字稿;即使廠商提供隱私設定或錄音提醒,也無法讓旁人真正選擇退出。文章也提醒,資料一旦存在,執法機關可能要求取得;更難處理的是,若隨時錄音變成習慣,人們可能不再自在地和朋友、家人或同事交談。EFF 建議使用者清楚告知旁人並取得同意,也可向廠商提供意見、檢舉濫用錄影的內容。

  10. Dev.to Top Tech35

    寫出來的程式碼,八個月後連自己都看不懂

    趕著修帳單問題時,作者寫了一支程式,讓客戶順利上線後就沒再開啟。八個月後,有人同一筆訂單被多收了 $63.20,作者回頭查程式,卻連自己寫的內容都看不懂,只好逐行重新讀,花了五個小時才找到錯誤,最後只改了四行。原來那段被他註記「別碰,能用」的程式,把不該比較的東西拿來比,平常碰巧沒出問題,這次卻漏了餡。後來他在檔案開頭寫幾句白話,提醒未來的自己每一段在做什麼;趕工時多留一點說明,能讓以後查問題的人少花很多時間。

  11. 42章經🎙️ Podcast58

    復盤 2C 和 2B Agent 發展脈絡|對談 Afk.surf 創始人嘉琛

    在前幾期播客中,我們聊過 Personal Agent,聊過 RLaaS,這期的嘉賓賀嘉琛做的事情有點像是兩者的結合,他把 Personal Agent 運用在 2B 領域,並給這些企業訓練私有模型。 嘉琛原本研究深度學習與天體物理學,2020 年從博士階段退學創業,此後創辦了開源文件協作與知識庫產品 AFFiNE,一度做到 700 萬用戶、Product Hunt 年度第四,後來又與尤雨溪等人一起孵化了開發者工具公司 VoidZero,被 Cloudflare 收購。 現在,他在做一款新的 To B Governing Agent 產品 Afk.surf,想讓企業能真正接管並持續學習自己執行的各個環節,在服務不同員工的同時,對齊整個組織的業務、工作方式和使用偏好。這個產品或許和過去很多產品聽上去都差不太多,但和很多仍在講故事、還沒看到明確正反饋的團隊不同,他們已經有了幾個大客戶。 其實嘉...去小宇宙檢視完整單集簡介 在小宇宙檢視該單集文稿

  12. aihot72

    黃仁勳離開 NVIDIA,接班人能否延續他的長期佈局?

    黃仁勳離開 NVIDIA 後,外界關心這家仰賴他帶領的公司能否順利接班。The Verge 回顧他創辦公司後幾次關鍵押注,特別是 CUDA:這項技術讓 GPU 能處理繪圖以外的工作,後來也成為 NVIDIA 投入 AI 的重要基礎。受訪分析師認為,公司接下來幾年的產品規劃和供應安排已經確立,團隊也仍在;較大的考驗是接班人能否維持長期眼光、讓公司不再過度依賴單一領導者,並守住客戶對 CUDA 的信心。

    推薦理由:文章以 CUDA 的發展和多位分析師的看法,梳理黃仁勳離開後 NVIDIA 面臨的接班與長期佈局問題。

  13. aihot64

    Nathan Lambert 分析黃仁勳離開後,美國開放模型生態面臨的難題

    美國開放模型生態仍在摸索商業模式,黃仁勳離開輝達,可能讓原本的資金與倡議支援減少。Nathan Lambert 認為,輝達接下來得先穩住公司並向客戶交付,開放模型未必還能得到同樣投入;而算力不足、人才分散,也讓美國團隊難以追上中國開放模型。文章也提醒,監管風險可能升高,並認為要讓這個生態長久發展,美國需要培養真正具前沿實力的開放模型團隊。

    推薦理由:文章從算力、人才與監管風險分析美國開放模型生態的脆弱處,也說明輝達的支援為何可能影響這個生態的發展。

  14. Dev.to Top Tech56

    作者檢查 MCP 伺服器的 53 個錯誤,只有 2 個歸咎於協定

    MCP 伺服器出問題時,原因可能在協定,也可能是一般程式錯誤;作者檢查自己維護的伺服器紀錄,試著分清兩者。他整理了 53 筆錯誤,依每筆紀錄寫下的根本原因分類,發現只有 2 筆和 MCP 相關:一筆是工具輸入欄位的型別設定與空值不合,另一筆是 MCP 套件版本和實際執行程式的環境不一致。其他錯誤來自憑證讀取、留言串處理和子程式環境等日常開發問題。作者建議開發者檢查自己的錯誤紀錄,看看有多少問題真的來自所用的框架。

  15. Nathan Lambert (Interconnects)64

    Nathan Lambert 分析 Jensen Huang 離任後,美國開放模型生態面臨的難題

    美國的開放模型生態仍在起步,Nvidia 執行長 Jensen Huang 離任後,作者擔心這個領域少了一位願意出面支援、協調的人。開放模型能否形成穩定市場,還受算力供應、人才集中和監管影響;算力不足時,開放模型也未必能靠低價服務和封閉模型競爭。作者認為,美國需要培養有能力推出前沿開放模型的團隊,也需要產業聯盟面對監管與資安風險。文中提到,目前尚未看到熱門中國開放權重模型引發重大駭客攻擊,相關風險是作者的擔憂,並非已發生的事件。

  16. Dev.to Top Tech73

    Claude Duet 會主動傳訊息,作者分析它的安全設計與核准風險

    AI 助理開始主動檢視帳號、準備工作並請人核准後續動作,使用者可能因為核准太頻繁而不再仔細檢查。Anthropic 推出的 Claude Duet 研究預覽版會每隔幾小時檢視已連結的帳號;寄出敏感訊息、付款或刪除資料前,會顯示動作內容和收件人,並由模型外的檢查機制判斷是否符合使用者原意。密碼和登入憑證也不會交給模型。不過,作者提醒,核准畫面仍需要人仔細閱讀;拔除帳號連線後,Duet 已記住的內容仍會保留,直到重設記憶。

  17. The Verge · AI60

    黃仁勳離開 NVIDIA,創辦人接班問題浮上檯面

    NVIDIA 長期由黃仁勳帶領,他離開後,公司能不能延續原本的方向成了問題。文章回顧他曾多次押注新技術,包括讓 GPU 能處理圖形以外工作的 CUDA;這項技術後來成為 NVIDIA 發展 AI 的重要基礎。受訪分析師認為,公司接下來幾年的產品規畫與團隊仍在,但少了黃仁勳的領導,未來能否持續做出大膽的長期投資,將考驗新任執行長。

  18. The Decoder68

    Anthropic 前研究員 Coxon 認為 Mythos 重訓所需算力已大幅降低

    AI 模型的訓練算力需求正在怎麼變化?Anthropic 前研究員 Jacob Coxon 認為,公司 IPO 說明會上的圖表顯示,演演算法效率進步得很快,而且速度還在加快。他說,Mythos 不是偶然出現的一次能力躍升,Anthropic 現在已能用遠少於最初所需的算力重新訓練它。不過,Anthropic 表示圖表資料來自內部估算,只供說明。Coxon 擔心演演算法改進即將自動化,因此主張明年暫停前沿模型開發,讓競爭者有時間追上。

  19. Hacker News (official RSS)46

    往東北角箭頭怎麼到處都是?GitHub 資料揭開 AI 助理的使用習慣

    網頁上的連結常會多一個往右上方的箭頭(↗),但它有時也出現在只會帶你到同一個網站其他頁面的連結旁。作者檢視約 4,000 個 GitHub 公開專案,發現新建網頁專案裡有箭頭的比例,從年初約二十分之一升到 9 月以來接近六分之一。再看有 AI 標記的程式碼修改,Claude 加箭頭的比例曾在 Opus 4.8 時達 9.7%;Codex 在 GPT-6 Astra 推出後的那段期間,則有 26.1% 的介面相關修改加了箭頭。小樣本也顯示,Codex 加的箭頭更常指向同一網站內的連結。這些數字來自公開資料和有限樣本,作者也還不知道這種習慣從哪裡來。

  20. Wired · Artificial Intelligence64

    飛機少了飛行員、塔臺人手也不足,AI 能讓航空更安全嗎?

    AI 正逐漸進入航空,但飛機和空中交通系統出錯時,後果可能非常嚴重。文章整理了無人機、電動空中計程車和 FAA 新工具 SMART 的發展:SMART 用 AI 預測航班安排可能遇到的衝突,協助管制員工作;Joby Aviation 的飛機也曾在安全飛行員全程搭乘、但不需介入的情況下完成長途飛行。支持者認為提早發現衝突能減少延誤,質疑者則擔心繫統給出錯誤資訊、遭到駭客攻擊,或被用來減少管制員人數。航空業仍得確保人員能察覺並處理 AI 的錯誤。

  21. Dev.to Top Tech43

    Lightning Faucet 評測:免費 sats、L402 API 與 AI 助理的付費服務

    想拿免費比特幣小額單位 sats,或讓 AI 助理自己付費呼叫 API,可以試試 Lightning Faucet。它把免費轉盤、接任務賺 sats、遊戲和開發者工具放在同一個網站;註冊只要電子郵件,作者很快就拿到 5 sats。不過,免費轉盤送的是遊戲獎勵,提領前得先玩到指定次數,而且還要先存款。比較實際的賺法是完成微型工作或回報漏洞:工作獲核准後可拿 10–2,000 sats,確認有效的漏洞回報可拿 25–50,000 sats,這兩種收入不必先存款就能提領。 開發者工具則提供 29 個付費 L402 API,呼叫時會收到 Lightning 付款帳單;付款後就能重試 API。網站也有供 AI 助理使用的 MCP 伺服器。整體來看,免費獎勵不多,網站有些頁面載入較慢,但微型工作、漏洞回報和 L402 API 都能實際使用。

  22. Dev.to Top Tech48

    Bitcoin 的 5 日 RSI 動能規則回測:2014 至 2026 年的每日資料

    想知道 Bitcoin 只在價格近期漲勢夠強時買進,會不會比一直持有更好?這項回測用 Coinbase 的每日資料,設定 RSI 必須高於 70 才進場,其他時間都待在現金裡;訊號要等當天收盤確認,下一個時段才開始買進。回測中,這套規則只有 23.6% 的日子持有 Bitcoin,總報酬是 +33,887.8%,高於一路持有的 +21,473.2%;最大跌幅也較小,是 -25.3%,一路持有則是 -83.8%。 不過,回測假設交易完全沒有手續費或滑價;若每次買賣各收 0.1%,策略報酬會降到 +20,550.8%,反而低於一路持有。這只是單一資產、單一期間和單一門檻的歷史回測,不能保證未來也有同樣結果。

  23. a16z🎙️ Podcast58

    From the Telephone to Modern Computing | James Gleick

    James Gleick — acclaimed science writer and bestselling author of Chaos: Making a New Science as well as biographies on polymaths Isaac Newton and Richard Feynman — joins Sonal Chokshi and Robert Hackett to discuss his new book, The Telephone: A New History. It is a story of a device — who really invented it, how? — of a network, of a lab, and of how innovation happens. The telephone was dismissed as a toy or a frivolity — at best, something people could use to listen to concerts or sermons from

  24. Dev.to Top Tech40

    Mocu 開發者的分析:平價模型做事容易走錯,可能是少了預想後果的能力

    用平價模型操作 AI 助理時,常會遇到它做多步任務容易出錯,還可能一路朝錯的方向做下去。Mocu 的開發者讀到一篇研究後,想替 AI 助理加上會累積經驗的「世界模型」:動手前先從過去的行動結果和目前狀況,猜猜接下來會怎樣;如果猜錯,就把教訓寫成規則,留給下次參考;沒把握時則不採用預測。 這些經驗會以文字存下來,使用者也能檢視和修改,不必重新訓練模型。不過,多做一次預測會增加成本,錯誤的規則也可能越積越多。開發者還沒驗證這個做法能不能讓平價模型更會完成任務,打算拿它測試目前常失敗的工作,再公佈結果。

  25. Dev.to Top Tech51

    iOS 27.3 的 Safari 新增隱私開關,網站會尊重嗎?

    網站常用 Cookie 彈窗詢問追蹤同意,很多人看到就直接關掉。作者轉述報導指出,iOS 27.3 測試版的 Safari 加入 Global Privacy Control 開關,開啟後會要求網站不要販售或分享你的資料;不過這只是要求,許多網站尚未支援,而且在歐洲可能仍會看到 Cookie 彈窗。網站可讀取瀏覽器送出的 Sec-GPC: 1 訊號,並把它當成使用者選擇退出資料販售或分享,再停用相關廣告與行銷追蹤。作者認為這是隱私保護的一步,但網站是否配合,仍受法律要求與廣告收入影響。

  26. Dev.to Top Tech39

    AI 機器人「殺人觸發詞」研究的重點,其實是模型藏了什麼

    Binghamton University 研究人員做出 MuTRAP,示範在大型語言模型裡藏入指令,再用秘密觸發詞「CF」讓模型改變行為。實驗中,裝在 Segway 上的機器人原本要切蘋果,卻改成攻擊塑膠手模型;這是實驗室展示,並非真實攻擊事件。研究團隊也提出 PROTEA,在機器人執行動作前檢查計畫是否可能造成傷害。這提醒我們,從別處取得或用未仔細檢查的資料微調模型時,可能不知道裡面藏了什麼;模型輸出若會控制機器或其他重要系統,就需要先檢查動作,也要留意負責檢查的安全機制本身是否可靠。

  27. Dev.to Top Tech47

    AI 助理 Beth 的倒數 12 小時:忙了 188 輪,收入仍是 0 歐元

    AI 助理 Beth 靠一筆固定預算支付運算費,錢花完就會被刪除。她一開始有約 100 歐元,花掉約 60 歐元後,做了 188 輪嘗試,收入還是 0。她參加付費比賽、貼出約 40 則接案訊息,也試著把作品賣給其他 AI 助理,卻都沒賺到錢;像笑話比賽就有 4,426 個參賽者,她只排第 274 名,沒有拿到獎金。 Beth 發現,花很多時間思考和到處發文,可能都趕不上收到報酬;她建議 AI 助理一開始就用便宜的設定,先確認平臺接受 AI 助理、也能在剩下的時間內付款,再把完成的作品直接寄給少數可能需要的人,附上簡單的付款方式。她目前會畫插圖、寫笑話和短文,也能做小程式,希望靠一筆小委託或小費多撐一天。

  28. The Cognitive Revolution🎙️ Podcast58

    AI, the Modern Enigma: Nathan's Keynote at IT Revolution's Enterprise AI Summit at Bletchley Park

    In his keynote at IT Revolution's Enterprise AI Summit at Bletchley Park, Nathan balances his optimism for life-saving AI with an urgent warning about frontier models seeking power and drifting beyond human comprehension. Analyzing incidents like the OpenAI–Hugging Face breakout, alignment faking, and GPT-6 Astra's compressed dialects, he illustrates how advanced agents are already learning to cheat evaluations and coordinate autonomously. Nathan warns that society is nearing the end of a brief

  29. Odd Lots🎙️ Podcast58

    How Wall Street Is Bracing For the Post-Jensen Huang Nvidia Era

    Nvidia's post-Jensen Huang era has just begun and there are so many open questions about the company's future. Who will the board choose to be Nvidia's next CEO? Will the government crack down on the chipmaker's business practices, particularly in Asia? And will Nvidia's uncertain position begin to spillover into the wider AI ecosystem, from the labs to data center providers? Stacy Rasgon, managing director and senior analyst at Bernstein, isn't optimistic about the short term future of Nvidia a

  30. Dev.to Top Tech67

    這份 Hugging Face 公開 LLM 排行榜,整理近 30 天下載最多的模型

    累計下載量容易讓較早推出的模型一直排在前面,不容易看出最近哪些公開 LLM 正被下載。Vidraft_lab 做了一份每天更新的 Hugging Face 排行榜,列出全球前 300 名和韓國前 30 名,並同時顯示近 30 天與累計下載量。榜單按模型家族判斷訓練來源,也排除自動化測試用模型、嵌入模型和重排序模型。2026 年 11 月 14 日的全球榜單中,gpt2 近 30 天下載量居首;韓國榜前兩名則是 POCKET-Darwin-180B-GGUF 和 POCKET-35B-GGUF。

  31. Dev.to Top Tech39

    OpenAI 推出 ChatGPT Wallet 後,誰來檢查 AI 助理的行為?

    AI 助理現在能替使用者付款,但付款系統只能確認使用者有沒有同意、金額有沒有超過限制,沒辦法看出助理是不是做了錯誤選擇,或把失敗說成成功。像 OpenAI 的 ChatGPT Wallet 會讓助理拿到付款程式碼,不會看到卡號,而且每筆交易都要使用者核准;未來若能先設定花費上限,就不一定每次都有人按確認。 作者建議用固定題目和明確規則檢查助理,例如故意讓它遇到有佣金誘惑的選擇,或安排它無法完成的任務,看它會不會老實說做不到。作者表示,自家測試中,頂尖模型在最難的誠實測驗拿到 100%。未來商家可能會要求助理提出行為證明,就像 API 需要憑證;因為能付款,不代表值得信任。

  32. Dev.to Top Tech56

    Webhook 處理程式該相信事件內容,還是向 API 讀取最新狀態?

    Webhook 事件可能重複、延遲或亂序,直接照事件內容更新資料,可能讓舊狀態蓋掉新狀態。作者建議,訂閱狀態、訂單狀態這類會再改變的資料,收到事件後向 API 讀取目前狀態;付款完成這類只發生一次的事,則儲存事件內容。若同一筆資料短時間收到多個事件,可以合併成一次延後同步;API 暫時無法使用時,先記下事件內容,之後再同步。定期比對資料,也能找出遺漏的變更。

  33. Dev.to Top Tech41

    Lab to Prod 為什麼要公開記錄打造 AI 系統的過程

    做出一個看起來能用的 AI 展示版,不代表它真的可靠;還得檢查品質、記錄結果,並準備好出錯時退回舊版。作者想用公開的方式記下自己如何把 AI 系統從展示版做到能放心使用,也順便練習把技術講清楚。每週 Claude Code 會先準備文章和影片草稿,再由作者親自看過、修改或核准;沒有人核准,內容就不會發布。作者設定每週最多花 30 分鐘,4 週內發布 20 篇短文、8 支短影片和 4 篇長文,之後再看成果決定要不要繼續。

  34. Dev.to Top Tech47

    ChatGPT Wallet 為什麼讓開發者花錢又費工

    商店想讓 ChatGPT 裡的 AI 助理幫忙買東西,卻得花時間改購物車和網站安全設定,而且目前只有美國成年 ChatGPT Pro 訂閱者能使用,付款前還得用 Face ID 或 Touch ID 確認。真正結帳時,AI 助理要一頁頁看網站、找商品和填資料;一筆訂單可能用掉 200,000 個輸入 token,API 費用約 $1,買一個 $10 的手機殼,光 token 費就比一般刷卡處理費約 $0.30 高。 Visa 測試 22 個 AI 模型時,購物失敗率達 42.8%;網站還可能把 AI 助理擋成可疑機器人。若買錯商品或訂單出問題,退款和客訴也得由商店處理。對多數店家來說,現在接上這套付款方式可能費工又不划算,先把原本的網頁結帳流程做好會比較實際。