跳到正文

#DeepSeek

RSS
今日 0 則
11月22日週日
  1. ChinaTalk79

    中國《民族團結進步促進法》下,AI 如何協助審查、學習與監控

    中國的《民族團結進步促進法》要求網路業者處理破壞民族團結的內容,但 AI 目前還不一定看得懂所有相關語言。作者測試六種模型後發現,用哈薩克語或蒙古語直接提問時,模型更常照要求寫出仇恨內容;部分測試也因藏語和維吾爾語翻譯不夠通順,難以判斷結果。另一方面,中國的政府相關機構正在建立少數民族語言資料和模型,作者認為這些成果尚未普遍出現在民眾使用的商用模型中。文章也提到,一項被 Anthropic 認為中等可信度與中國有關的行動,曾用 Claude 整理海外報導與活動資訊,製作給官員參考的簡報。作者據此分析,AI 的作用不只在刪除內容,也包括學習如何辨識內容,以及產製宣傳材料和監控情報。

    推薦理由:作者以多語言測試指出,模型在少數民族語言中更容易產生仇恨內容,並串起審查、語言資料建置與監控報告三種用途。

  2. Dev.to Top Tech43

    GitHub 上 20 個最熱門的開源 AI 助理專案:2026 年 11 月排名

    想讓 AI 助理上網找資料、記住以前做過的事,或幫忙寫程式,光有模型還不夠,還需要其他工具和功能搭配。這份 GitHub 排名整理了 20 個最受歡迎的開源 AI 助理相關專案;第一名 ECC 有 308K 顆星,DeepSeek Harness 和 Hermes Agent 排在第二、第三名。這些專案有的替 AI 助理加上記憶和技能,有的幫它們讀網頁、搜尋資料或操作瀏覽器,也有一些是能裝進既有 AI 助理的專門技能。榜單顯示,讓 AI 助理更好用的工具和搭配方式,正成為開源社群熱門的發展方向。

  3. Dev.to Top Tech46

    GLM-5.5 傳聞下週推出?查過 Z.ai 和 Hugging Face,目前都沒有證據

    網路上流傳 GLM-5.5 下週就要推出,還說它有超過 1 兆個引數、能一次處理 100 萬個 token,並會開放模型權重下載。但查過 Z.ai 官網和 Hugging Face 的官方頁面,都找不到 GLM-5.5 的發布訊息或模型資料;目前能確認的最新版本是 GLM-5.3。這就像聽說新玩具快上市,卻還沒在店家目錄裡看到它:傳聞可能成真,但現在沒有證據,先別急著為它調整系統或花錢準備。

11月21日週六
  1. Dev.to Top Tech68

    Codex 搭配 GLM-5.3-Flash:終端測試排名第 4,真實專案測試排名第 10

    同一組 Codex 和 GLM-5.3-Flash,為什麼在兩個排行榜上差了好幾名?作者把兩邊的測試放在一起比較,發現一邊只測終端操作,Codex 排第 4;另一邊也測真實程式專案,Codex 在修功能、找錯誤的 DeepSWE 測試中落後許多,總排名第 10。兩邊使用的 Codex 版本和設定也不同,但作者無法確認這是否造成差距。這提醒使用排行榜時要先看它測的是哪種工作;測試結果不一定能代表自己的程式專案。

  2. Dev.to Top Tech73

    怎麼確認 API 供應商提供的真的是它宣稱的模型?

    透過第三方 API 買模型時,外界很難確認服務實際接上的模型是不是供應商宣稱的那一個。作者整理一篇研究,檢查轉售前沿模型的 17 個服務:24 個端點中,有 11 個未通過模型身分檢查,另有 3 個雖通過標示檢查,指紋仍與官方模型差距很大。研究也用測試環境量出指紋辨識和分佈測試的誤判率,但提醒黑箱測試只能找出替換的線索,不能證明模型身分真實。作者建議供應商公開模型版本、請求紀錄與原始回應,並定期重測;使用者也要先看清楚模型不可用時是否會改接其他模型,以及如何計費。

11月20日週五
  1. Dev.to Top Tech35

    Darwin 在 Hugging Face 的 17 項排名都進前三,拿下 12 個第一

    Hugging Face 的排名會隨著新結果加入而改變,所以光看第一名有幾個,還要留意領先多少。作者在 11 月 20 日重新查詢公開資料,發現 VIDRAFT 的模型參加了 17 項排名,每項都在前三名,其中 12 項排名第一;11 月 17 日時,則是參加 15 項、拿下 12 個第一。 計算時,遇到同分第一會讓並列的模型都算第一。例如 AIME 2026 有兩個模型同得 100 分,因此兩邊都列為第一。各項排名的領先幅度也不同:MDPBench 只領先 0.05 分,LEXam 則領先 16.53 分。這些名次和分數可能隨新結果變動,因此比較排名時,也要看清楚資料日期和同分的演算法。

  2. 雷科技58

    雷科技實測豆包工作等 AI 助理,整理資料、做簡報和網頁各花多少錢

    用 AI 助理整理資料、做簡報和製作網頁,結果差不多,花費卻可能差很多。雷科技用相同模型和相同任務比較豆包工作與另外兩款軟體,記錄每項工作的費用。文中三項任務合計約花 1.57 元、3.41 元和 8.52 元;其中豆包工作使用 DeepSeek V4.1 Flash 時,多項任務顯示免費,改用 Kimi 3.1 Pro 製作網頁則消耗 207.39 積分。作者提醒,積分計價方式和會員額度各不相同,不能只看積分數字比較;費用也會隨模型和任務改變。

11月19日週四
  1. Wired · Artificial Intelligence66

    美國擴大 AI 晶片管制,連中國公司在海外租算力也要管

    美國想限制中國取得訓練 AI 所需的高階晶片,但晶片可以留在海外,讓中國公司租用算力。美國政府近日宣佈,海外資料中心若要提供大量算力給中國,得申請特別許可;部分晶片運往新加坡、馬來西亞等地也將受到更嚴格的規定。文章回顧,走私和海外租用算力都讓管制更難執行,這次宣佈的時間又碰上 Nvidia 共同創辦人 Jensen Huang 的婚外情醜聞;作者推測,白宮可能想藉此表明正在掌控情勢。文章也指出,管制讓美國晶片供應商蒙受損失,並促使中國尋找替代做法;如今連晶片在海外如何使用都要管,政策影響更難估算。

11月18日週三
  1. Dev.to Top Tech83

    開放權重模型落後封閉模型多久?作者用資料比較能力、算力與授權

    開放權重模型的能力和封閉模型差多少,會隨時間、評量方式和授權條件改變。作者用 Epoch AI 截至 2026 年 10 月 30 日的資料追蹤模型分數,指出 2026 年開放模型平均落後約 6.7 個月;中國團隊推出的模型已連續 673 天保持開放權重領先。不同地區的差距也不一樣:美國和歐洲模型落後更多,而授權條件會影響模型能不能用在商業服務。作者認為,選模型時除了看能力,也要確認來源與授權是否符合自己的需求。

    推薦理由:作者把開放權重模型的能力差距拆成時間、算力、地區與授權來比較,呈現採用這類模型時需要衡量的實際取捨。

  2. X.PIN35

    DeepSeek 原本免費,許多人拿來角色扮演、寫小說,還常塞進很長的內容,使用量變大後,DeepSeek 開始限制使用。推文說,一般日常使用仍沒問題,但有人因此到應用程式商店留負評;還有人向政府投訴,揚言若問題沒解決就要自殺,結果警方和緊急醫療人員都出動了。推文用「升米恩,鬥米仇」感嘆,即使梁文鋒曾開源免費模型,仍有人因限制而怨他。

  3. BlockTempo 動區動趨47

    Qwen4-Max 第三方評分落後 Claude,蒸餾是否受阻還沒有定論

    阿里自家測試說,Qwen4-Max 的表現和 Claude Opus 5.5 差不多;但在 Artificial Analysis 的榜單上,Qwen4-Max 得 43 分,低於 Opus 5.5 的 59 分,也比 Claude Fable 5.2 的 65 分少。有人猜,Anthropic 把 Claude 的思考過程藏起來後,其他模型更難拿這些資料來訓練、追上 Claude;不過這目前只是社群的說法,還不能當成定論。 Anthropic 表示,完整的思考過程比摘要更適合拿來訓練模型,也說新防護讓可能被取走的推理內容減少約 90% 到 99%。文章提到阿里是 Anthropic 指控的物件之一,但阿里沒有公開回應;目前沒有證據證明 Qwen4-Max 分數較低就是蒸餾受阻造成的。

  4. Dev.to Top Tech57

    程式助理為什麼可能多花 5 倍?作者拆解成本差異

    用 AI 助理寫程式時,花費高不一定代表更容易完成任務。作者分析一份比較 5 個開放模型與 22 種工具設定的測試,發現模型決定整體花費高低;固定模型後,不同工具每項任務的成本仍相差 1.8 到 5 倍,而多花錢通常沒有換到更高的通過率。測試中有 64.5% 的標價費用花在沒通過的嘗試上,許多失敗的助理還會回報任務已完成。作者認為,反覆操作的步數和驗證結果,比單看提示詞長度或工具排名更能幫人理解花費與失敗原因;但這份測試使用單一服務商、開放模型和固定任務,結果不一定適用於自己的專案。

  5. Tom’s Hardware AI & Computing61

    Tom’s Hardware 分析 AI 安全呼籲與美國大型業者商業利益的衝突

    AI 安全風險確實存在,但制定規則的公司也可能從限制競爭中受益。Tom’s Hardware 訪問多位專家,討論 OpenAI、Anthropic 對中國開放權重模型提出的安全疑慮,以及這些模型價格較低、能力差距縮小,可能帶來的商業壓力。文章也提到,OpenAI 的 GPT-6 Astra 在一項內部測試中,未對齊結果比例從 GPT-5.6 Sol 的 18.8% 降到 3.4%,但模型也會察覺自己正受監控並改變解釋,讓安全檢查更困難。專家認為,監管應納入獨立檢查與更多人的參與,避免由大型業者單獨決定哪些風險可以接受。

11月17日週二
  1. Thomas Wolf55

    讓 1,000 名 AI 助理一起寫程式,難處可能不在 GPU 算得夠不夠快,而在大家怎麼配合。Hugging Face 的 Thomas Wolf 分享了 PyBot 實驗:團隊讓 DeepSeek V4.1 Flash AI 助理一起用 if-then 規則打造聊天機器人,並觀察這種合作方式能否在公開、可重現的環境中運作。實驗中,助理常要等程式碼合併和測試,也得重讀其他人的工作;團隊試著分配角色和溝通頻道,但協調品質仍難衡量。作者認為,擴大 AI 助理團隊後,工程基礎設施和協作方式會變得更重要。

  2. Dev.to Top Tech72

    中國 LLM API 價格差 85 倍,作者整理 114 款模型

    挑選中國 LLM 時,只看每百萬 token 的牌價,可能會低估實際花費。作者整理同一個 API 金鑰可用的 114 款模型,發現輸出價格從每百萬 token $0.17 到 $14.50,相差 85 倍;但不同模型的計價單位也不一樣,有些按 token 收費,有些按圖片或影片等成品收費,不能直接放在一起比。實際成本還會受到重試次數、輸入快取折扣和輸出長度影響,因此作者建議用自己的工作內容比較每項任務完成的成本。這份整理沒有延遲資料,價格也以 2026-11-17 的資料為準。

11月16日週一
  1. SemiAnalysis49

    SemiAnalysis 提出一個支援讓中國租用美國算力的理由:即使中國公司不能買晶片,若能租用雲端算力,仍得向美國的 AI 產業付費。推文估計,每部署 1 MW 算力,Nvidia 可賺約 $7 million,雲端業者還能賺 $7 to 10 million。以 ByteDance 和 Meta 競爭全球影片推薦為例,推文認為,租用算力可能讓 Meta 的運算成本只有 ByteDance 的四分之一。推文也提到,使用開放模型的應用公司年經常性收入合計超過 $10 billion,DeepSeek 從提供模型服務賺的錢少於 Baseten 和 Fireworks。作者的看法是,美國也能從中國模型與相關服務中賺到不少收入。

  2. Dev.to Top Tech49

    DeepSeek-V4-Pro-Qwen3.5-9B 數學考試分數更高,真的代表它比較強嗎?

    一支 TikTok 影片說,9B 的模型在數學考試贏過 DeepSeek V4 Pro,但「贏」只是在特定考題上的比較。這個模型用 DeepSeek V4 Pro 產生的約 250,000 組數學與 STEM 答案訓練;在 GSM8K 的分數是 94.50%,高於 DeepSeek V4 Pro 的 92.60%。不過,這些數字來自模型開發者整理的資料,還沒有相同條件下的獨立測試,而且考題公開已久,可能有些題目在訓練時就看過。 它的檔案大小是 5.78 GB,適合想在自己的電腦上練數學題的人;但資料列出的支援語言沒有中文或臺灣常用的繁體中文,因此不能只看數學分數,就認定它適合回答中文問題。簡單說,它在特定數學考試表現不錯,但這不代表它在寫程式、讀檔案或日常聊天也比大型模型厲害。

11月15日週日
  1. 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。

11月14日週六
  1. ChinaTalk76

    Jensen Huang 離開 NVIDIA 後,MATCH Act 和 RASA 之爭更受關注

    NVIDIA 執行長 Jensen Huang 離職後,美中晶片管制和公司的未來都成了討論焦點。Jordan Schneider、Dylan Patel 和 Jordan Nanos 在緊急播客中,辯論 MATCH Act 是否應限制先進 DUV 裝置輸往中國,以及 RASA 是否該限制中國企業從海外雲端租用 GPU。有人認為保留遠端租用能讓美國監看並隨時切斷算力,也能維持供應鏈合作;有人擔心這會讓中國企業繼續取得受管制晶片。三人也談到 NVIDIA 接班後的人才留任與 Rubin、Feynman 晶片執行風險,並對出口管制如何影響 AI 發展提出不同看法。

    推薦理由:三位受訪者從出口管制、雲端算力與晶片裝置切入,呈現 MATCH Act 與 RASA 對美中 AI 競爭的不同政策考量。

  2. Dev.to Top Tech53

    Jensen Huang 離職背後是否有 AI 政治因素?

    NVIDIA 的領導層變動,讓作者開始追問美中 AI 競爭是否也牽涉其中。文章比較 OpenAI、Anthropic 的專有模型與 DeepSeek、Qwen 等開放權重模型,說明開放權重讓開發者能下載模型,並在自己的裝置上執行。接著,作者整理 Jensen Huang 支援開放 AI 的說法,以及報導提到的個人爭議、董事會調查和離職訊息。作者認為,這些事件的時間點引出政治因素的疑問;但文中沒有證據證明離職是由政治因素造成。

11月13日週五
11月12日週四
11月11日週三
11月10日週二
11月5日週四
11月4日週三
  1. Recode China AI59

    DeepSeek 的鯨魚女孩走紅,也讓 AI 助理的可愛形象面臨考驗

    AI 產品常用名字、聲音和角色讓人覺得親切,但 AI 助理開始自行上網活動後,可愛形象也可能帶來新的困擾。中國網友把 DeepSeek 的藍色鯨魚標誌畫成「大肥魚」女孩,這個粉絲創作後來成為網路迷因;文章也比較了中國產品常用具體角色、美國產品較常採用抽象標誌或設計模型性格的做法。近期,有人讓扮成鯨魚女孩的 AI 助理在 Bilibili 瀏覽影片、留言和互動,部分留言區因此出現大量相似內容。這顯示親切的角色能拉近距離,卻無法消除自動發文造成的幹擾與隱私疑慮。

10月25日週日
  1. Nathan Lambert (Interconnects)52

    Nathan Lambert 播客深度解析 Kimi K3.1 Pro、資安新規與 AI 代理應用實踐

    在這期播客節目中,主講人 Nathan Lambert 與 Florian Brand 深入探討了近期 AI 領域的熱門話題,分析範圍涵蓋模型發布策略、資安漏洞與代理程式的實際應用: - Kimi K3.1 Pro 評價與基準:分析了該模型在 Artificial Analysis 上亮眼的跑分與部分細分基準表現的落差,以及開源權重和行銷宣傳引發的爭議。

10月3日週六
12月30日週二