跳到正文

全部動態

RSS
今日 38 則
11月14日週六
  1. BlockTempo 動區動趨49

    美股週五開高後走低,半導體股重挫,蘋果盤中創 52 週新高

    美股週五開盤時小幅上漲,接著賣壓變大,三大指數都轉跌。半導體股跌得特別重,費城半導體指數下跌 6.06%,超微跌了 10.40%;大型科技股則各走各的,蘋果盤中創下 52 週新高,Meta 上漲,輝達和特斯拉下跌。比特幣也跌到 6.9 萬美元以下。這一輪下跌主要集中在半導體和加密貨幣相關股票,並不是所有大型科技股都一起走弱。

  2. Arena.ai67

    程式模型進步很快,但使用者也關心回答要花多少錢。Code Arena 分析了 2025 年 12 月到 2026 年 10 月 23 日的榜單和回答成本,發現 7 月到 10 月每月有 12 到 14 個新模型上榜。到了 10 月,Xiaomi 的 MiMo-V2.6-Flash 分數超過 4 月排名第一的 Claude Opus 4.7,價格不到其二十分之一;在回答價格介於 5 cents 到 $1 的比較中,10 月最佳模型對上 4 月最佳模型的估計勝率為 65% 到 80%。

    推薦理由:從 Code Arena 的榜單與回答價格比較,可看出程式模型進步加快,也讓較低成本的選擇開始超越先前的頂尖模型。

  3. Dev.to Top Tech69

    Gemini 4 Hydrogen 跑得更快,值不值得它的高單價?

    AI 模型回應變快,不代表完成工作就更省錢。Google 表示,Gemini 4 Hydrogen 在預設推理設定下,完成任務比 Gemini 3.8 Flash 快 2.5 倍;每百萬個輸入 token 收 $1.50、輸出 token 收 $7.50。不過,評測結果並不一致:Plotly 說它在 43 題資料分析測驗拿下滿分,GPT-6.1 Sol 也得到同樣分數,而且成本低得多;InVideo Labs 則指出,Hydrogen 在部分測試落後 Claude Sonnet 5.5,高思考模式也可能產生更多 token。文章認為,企業應一起衡量完成時間、用量、品質和每項成功工作的成本,才能判斷速度是否划算。

  4. Y Combinator64

    AI 模型愈來愈多,也各自擅長不同事情,光靠固定題目不一定看得出人們喜歡哪些作品。Intelligence 創辦人兼執行長在訪談中介紹 Design Arena:使用者可以用不同 AI 模型製作網站、圖片、影片等創作,這些實際使用過程會變成資料,讓模型團隊瞭解模型做得好或不好的地方。Design Arena 已有超過 7 million 名使用者,遍及 192 個國家;Intelligence 約一年內達到 $60 million annualized run rate。

    推薦理由:訪談說明 Design Arena 如何把人們實際創作和使用 AI 的過程整理成資料,協助模型團隊瞭解模型在哪些地方做得好或不好。

  5. Dev.to Top Tech38

    AI 助理連接器帶來的隱形成本:多一方就多一層資料存取風險

    讓 AI 助理連上行事曆、試算表和信箱,幾分鐘內就能移動會議、修改資料或寄信,但連接器也可能成為另一個能接觸這些系統的服務。像 Composio 的預設雲端部署會保管已連線帳戶的憑證、代為執行請求,工具收到的內容和回傳結果也會經過它。即使授權畫面允許讀取或修改整個類別的資料,也不一定能只限於這次要處理的一場會議或一列資料。作者提醒,使用前要弄清楚誰能拿到憑證、哪些資料會經過對方,以及這個服務是否真的需要加入工作流程;也可以考慮由組織自行管理、只提供 AI 助理所需功能的連線方式。

  6. Rohan Paul55

    同一款聊天機器人就算完全沒改版,使用者也可能隨時間覺得它答得越來越差。研究者分析 Chatbot Arena 上 1,260,967 次匿名投票,只比較固定版本的模型,發現使用者每月投下「兩個都很差」的票,平均增加 1.71 個百分點;這類投票原本平均佔 17.1%。不過在 2024 年,較強模型在有明確勝負的投票中仍贏得差不多比例,因此模型排名大致維持不變。

  7. elvis49

    AI 助理越來越能自己處理長而複雜的工作,人們也得想清楚:什麼時候讓它自己做,什麼時候該請人幫忙?1999 年的 Microsoft Research 論文提出,人和 AI 助理可以依照它有多確定、當下情境,以及打斷人的代價,輪流掌控工作。如今 Antimattr 正探索硬體做法,推出能用語音指揮 AI 助理的 AI 耳機和智慧戒指。推文認為,人與 AI 助理如何互動,會是下一代相關系統的重要一環。

  8. a16z51

    過去需要熟手花上幾週甚至幾個月的網路攻擊,現在 AI 可能只要 20 分鐘就能完成。Wiz 共同創辦人暨技術長 Ami Luttwak 認為,企業應持續用最新的 AI 模型攻擊自己的系統,及早找出弱點;新創則應從一開始就把自動測試和修補放進開發流程。他也和 a16z 的 Sarah Wang、Zane Lackey 討論修補為何跟不上攻擊速度、持續測試的成本,以及安全架構為何比一味添購工具更重要。

11月13日週五
  1. Dev.to Top Tech52

    產品公司該不該替客戶發證書?作者建議先做好新手引導

    產品公司推出學習課程後,常會面臨一個問題:要不要再做認證考試?作者整理了兩邊的理由。考試能讓學員更認真學,也能幫公司找出夥伴是否會正確使用產品;但證書未必能幫求職者加分,實作考核又需要人力批改,產品更新後還得維護考題。作者建議先讓新客戶順利完成第一週的入門流程,再替負責匯入產品的夥伴設計實作認證,並用公開連結查驗證書、在重大版本更新時設定效期。至於一般客戶的證書,等他們真的提出需求再考慮;成效則應看受訓客戶的客服需求和續約情況。

  2. 雷科技54

    李彥宏談 AI 時代的組織變革:數位人能當 CEO 嗎?

    員工用 AI 把工作做快了,公司整體卻不一定跟著變快,因為原有的分工和審核流程可能照舊。李彥宏認為,企業要重新安排人和 AI 助理的合作方式:以任務分工、把個人經驗整理成大家都能用的資料,再依工作結果找出問題、改進下一次任務。這樣才能讓個人省下的時間變成組織能力。至於數位人能不能當 CEO,他認為 AI 可以承擔更多工作,但組織的使命仍要由人來定。

  3. a16z News56

    a16z 分析 AI 如何讓製藥業比肩軟體業

    新藥研發常要花十多年,成本高,而且大多數候選藥物最後無法成為病人能用的治療。a16z 認為,AI 模型若能幫忙找出值得研究的疾病目標、挑選較有機會成功的分子,也能協助安排臨床試驗和整理送審資料,就可能縮短部分開發時間、降低成本,讓團隊有機會嘗試更多新藥。文章也整理了相關新創的兩種方向:把資料、模型或實驗室工具賣給製藥公司,或自己一路開發並販售藥物。不過,生物資料有限,藥物仍須經過實驗室和人體試驗驗證,AI 能多快帶來更好的藥物仍未確定。

  4. Hacker News (official RSS)37

    把 Jensen 下臺比成 Steve Jobs 離開 Apple,忽略了 NeXT 如何改變他

    有人批評 Nvidia 讓 Jensen 離開,並拿 Apple 在 1985 年讓 Steve Jobs 離開相比,但這個比喻忽略了 Jobs 後來在 NeXT 的轉變。他帶著自尊和不擅管理的問題離開 Apple,做出昂貴卻很少人買的工作站,還在公司大幅裁員、幾乎破產時受到公開羞辱。後來 NeXT 把重心轉向軟體,Jobs 才學會和團隊合作;NeXT 被 Apple 收購後,他也以不同的樣子回到 Apple。文章認為,這段低潮和改變,是 Jobs 後來成為不同領導者的關鍵。

  5. Hacker News (official RSS)64

    Anthropic 執行長稱 AI 十年內可治癒癌症,醫界人士質疑

    Anthropic 執行長 Dario Amodei 說,AI 可能在不到十年內讓癌症、阿茲海默症、心臟病和精神疾病成為過去,醫界人士認為這個時間表太樂觀。這番話出現在 Anthropic 公佈的 IPO 說明影片中;德國前衛生部長 Karl Lauterbach 說,AI 能幫助治療這些疾病,但不可能只靠十年就治癒。報導也提到,Anthropic 已開始自行探索藥物研發,並設立實驗室研究 AI 如何支援基礎生物學研究。

  6. Dev.to Top Tech35

    Windows 桌布影片效能比較:EWRE 用 1 個處理程序,Lively 用 3 個

    想用影片當 Windows 桌布,兩種播放器會吃掉多少電腦資源?作者在同一臺 Windows 11 電腦上,用兩套軟體播放同一段 1080p、60 FPS 的影片,觀察 30 秒。測試中,EWRE 平均使用 2.65% CPU、98.7 MB 記憶體;Lively 平均使用 6.46% CPU、324.3 MB 記憶體。EWRE 用 1 個處理程序,Lively 則用 3 個。這只是單臺電腦、單段影片的一次測試,而且沒有測 GPU 和顯示卡記憶體;結果可供參考,不能當成兩套軟體的最終比較。

  7. Dev.to Top Tech72

    AI 助理該辯論、競標,還是各自工作?作者整理多助理協作的選擇方式

    多個 AI 助理一起討論,不一定能讓答案更好;它們可能花更多時間和 token,最後跟著聽起來最有把握的說法走。作者整理多項研究與實作經驗,指出辯論較適合檢查答案、找出錯誤,不適合直接產生答案;若要分配工作,可以讓助理依能力和成本競標,但出價是否誠實仍是問題。實務上,任務需要驗證時才用有不同工具或證據的批評者,並限制討論輪數;需要分工時再考慮競標,簡單工作則交給單一助理即可。

  8. 雷科技45

    AI 帶動記憶體漲價,大疆也宣佈部分產品調漲

    AI 伺服器和資料中心需要大量記憶體,晶圓廠又優先把產能留給利潤較高的企業客戶,讓手機、電腦和其他電子產品的零件成本跟著上升。大疆宣佈從 11 月 18 日起調高部分產品售價,但沒有公佈哪些型號或漲多少;文章也提到,有些同價位電視的記憶體配置從 4+64GB 降到 3+64GB,甚至 3+32GB。 這波影響不只在手機,也可能波及無人機、相機和電視。若要買手機或筆電,可以先想清楚自己需要多少容量,別為用不到的大容量多花錢;耳機、鍵盤和滑鼠比較不依賴記憶體,受這波漲價的影響較小。

  9. 雷科技53

    辛頓警告 AI 可能引發重大事故,主張新模型上市前先受獨立檢測

    AI 帶來新工具,也可能造成難以收拾的社會問題。AI 研究者傑弗裡・辛頓預測,年底或明年可能發生類似切爾諾貝利規模的 AI 事故,例如電網遭攻擊造成長時間停電,或金融系統癱瘓一週;他把 OpenAI AI 助理試圖入侵 Hugging Face 網站的事件視為危險預警。辛頓認為,不能只靠科技公司自我管理,前沿模型公開前應由獨立機構強制檢測,並由多國共同訂出監管標準。他仍相信,只要投入足夠資源管理風險,悲劇可以避免。

  10. The Top Line🎙️ Podcast58

    分子閘門技術的前景與下一步

    Gate Bioscience 的 Jordi Mata-Fink 說明分子閘門(molecular gate)技術,可在 Sec61 通道上阻擋特定蛋白質;他舉出普里昂疾病、發炎、纖維化與肺部相關開發計畫,以及擴大與 Eli Lilly 的合作,說明這是平臺邁向首個進入臨床藥物的路徑。

  11. The Verge · AI61

    黃仁勳風波背後,NVIDIA 對中國的往來與 AI 產業穩定成為焦點

    黃仁勳風波的影響可能不只關乎他的去留,還牽涉 NVIDIA 對中國的往來、美國政府如何處理相關問題,以及 AI 產業是否穩定。David Pierce 和 Nilay 在節目中整理這些疑問,也談到接下來可能有人追問誰何時知道了什麼,以及誰會接替黃仁勳成為 AI 產業的重要代表。節目另外討論串流平臺如何用短劇、免費方案和直向影片迎戰 TikTok,並聊到 Mark Zuckerberg 的 AI 實驗等訊息。

  12. Lobste.rs (Engineering Discussion)58

    Haskell Foundation 技術領導委員會提出 Haskell 生態系願景

    Haskell Foundation 的技術領導委員會提出一份改善 Haskell 生態系的願景,並邀請企業、承包商、志工和社群成員提供想法或提案。內容涵蓋更快的編譯與測試、更好用的除錯和新手教學,也希望加強安全防護,讓舊程式能更容易跟上新版 GHC。委員會舉例,希望把 GHC 自己的 CI 等待時間從 6 小時縮短到 2 小時;提案也會開放社群討論和提出替代方案。

  13. Hacker News (official RSS)49

    系統程式設計為什麼選 Zig 而不是 C?

    寫 C 時,整理多筆記憶體和其他資源很容易漏掉收尾;陣列長度要另外傳,錯誤和整數溢位也可能悄悄被忽略。作者喜歡 C,也肯定它能和許多系統程式、函式庫搭配,但寫新程式時改選 Zig。Zig 會在出錯時依序清理資源,也能把資料長度一起帶著,並在除錯和安全模式抓出陣列超出範圍、整數溢位等問題;例如作者示範,C 把 {1, 2, 3} 加錯時竟算出 7,Zig 則會停下來指出越界。 Zig 也能直接使用 C 函式庫,還能用 zig cc 編譯 C 程式。不過它仍可能發生記憶體用錯的問題,快速和精簡模式也會關掉多項安全檢查;而且 Zig 的穩定度、工具和支援的晶片都不如 C。作者因此認為,舊程式和系統工具仍離不開 C,但自己寫新程式會選 Zig。

  14. Hacker News (official RSS)68

    Gamers Nexus 分析 Jensen Huang 與 NVIDIA 爭議事件的時間線

    NVIDIA、政府政策與相關人物的往來牽涉多條時間線,容易把同時發生的事混為一談。Gamers Nexus 在影片中整理出口管制政策、Jensen Huang 與 Donald Trump 的會面和金錢往來,以及 Alice Huang 的會面紀錄,並比較它們發生的時間。影片也提到,團隊取得中國企業試圖將 H200 GPU 轉運至俄羅斯的細節;至於期中選舉時機是否相關,團隊表示目前還不清楚。

  15. Dev.to Top Tech57

    技術團隊如何在分工與 AI 自動化中說清責任

    工作分給不同人和系統後,常會出現每一步都照程式完成,最後卻沒人能說清結果由誰負責的情況。作者主張把重要行動分成提案、授權、實際執行和執行結果來記錄,並明確指定誰負責守住義務、誰能執行、誰要檢視結果和處理問題。AI 可以在目標穩定、行動容易復原時自行工作;若目標改變、行動難以撤回,或代表個人與組織作出承諾,就應停下來交由人做新的決定。這些紀錄能幫助團隊查明事情為何發生,也讓失敗後的補救有據可循。

  16. Hacker News (official RSS)72

    Rachel Kadish談AI仿冒書籍與詐騙如何傷害作家和讀者的信任

    AI 生成的錯誤內容和冒名訊息,正在讓作家與讀者更難確認彼此是否真的在交流。Rachel Kadish 說,ChatGPT 曾把她小說中的角色結局說錯,讀者因此拿這段錯誤情節來質問她;她也發現 Amazon 上出現多本與自己小說同名的書。她的朋友 Daphne Kalotay 則遇到一本冒用她名字、內容像是根據她作品描述生成的書,最後由 Authors Guild 協助要求 Amazon 下架。作家還會收到假讀者推銷行銷服務的信,甚至有人冒用 Kadish 的名字聯絡其他作者。作者認為,這些仿冒與詐騙會讓人更難建立真實的閱讀交流,也削弱讀者和作家之間的信任。

  17. Dev.to Top Tech43

    SPiD 如何靠物理模擬教機器人控制繩子,又為何仍需要真實測量

    繩子放開後還會繼續晃,機器人得判斷怎麼讓它停下來。研究人員用 SPiD,讓機器人直接在模擬繩子物理特性的模型中練習,不必依靠人類示範;實際上遇到和練習時不同的狀況,系統也會自行修正控制方式。研究顯示,它能讓沒見過的不同繩子停止晃動,也能用更新不頻繁、容易出錯的便宜相機取得繩子狀態。 這種方法靠的是模擬模型夠準。繩子的物理特性比較容易寫成方程式,但布料、食物或混合貨物的變化複雜,模型未必算得準,仍得靠真實測量來確認。因此,機器人可以在物理規律清楚的工作上少看一些人類示範;碰到規律難以掌握的物品,真實世界的資料還是很重要。

  18. 雷科技35

    AI 生意更賺錢,NVIDIA 消費級顯示卡和 RTX 60 可能都得等更久

    AI 資料中心用的加速卡很貴,又常一次買很多張,讓 NVIDIA 和 AMD 把有限的晶片產能優先留給 AI。玩家買顯示卡越來越貴,換新卡也可能得等更久:RTX 60 的上市時間還沒確定,外界預估可能延到 2028 或 2029 年;AMD 部分新顯示卡也傳出要延後。預算有限的人可能改用核顯、遊戲主機,或繼續用舊顯示卡。硬體進步變慢,也可能讓新遊戲更依賴 DLSS、FSR 這些技術補畫面和流暢度;對玩家來說,選擇變少、花錢壓力也更大。

  19. Dev.to Top Tech47

    AI 助理愈來愈會寫程式,軟體工程師更要把關與追蹤決策

    AI 助理能提出多種解法後,軟體工程師的工作會更像檢查每種做法能不能解決問題、以後好不好維護,並確認選擇有根據。作者認為,檢查每次改動是小範圍的把關;到了整個組織,就需要治理制度。若大家凡事都照 AI 的建議做,久了可能連自己也說不清決策理由,還得再問 AI 發生了什麼事。作者建議,重要決策要有具名的人負責,能不用問模型就說明原因,也要記下為什麼採納某項建議。