跳到正文

#Microsoft

RSS
今日 1 則
今天11月23日週一
  1. TechCrunch · AI55

    為什麼大型資料中心成了民眾反彈科技業的焦點

    大型資料中心蓋進社群後,居民可能面對用電、用水和噪音帶來的生活影響。記者訪問《Hyperscale》作者 Paris Marx,談他如何從智利、愛爾蘭和美國奧勒岡州的案例,追查資料中心對地方資源的壓力,以及居民為何開始反對。他也指出,業者改用封閉式冷卻系統雖可減少用水,卻需要更多電力;社群抗議因此不只是對科技服務的不滿,也關乎大型設施如何使用當地資源。

11月22日週日
  1. Dev.to Top Tech48

    Cursor 和 GitHub Copilot 怎麼選?入門價只差 $2,最高價差 $100

    Cursor 和 GitHub Copilot 的入門付費方案只差 $2:Cursor Plus 每月 $8,GitHub Copilot Pro 每月 $10;但兩邊收費代表的內容不一樣。Cursor Plus 只能用 Grok 模型,想用第三方模型要從每月 $30 的 Premium 開始;GitHub Copilot Pro 則包含 Claude Code、Codex 等 AI 助理,以及 $15 的每月額度。 GitHub Copilot 各付費方案會列出額度金額,方便估算花費;Cursor 列的是使用量倍數,卻沒說共同使用額度到底有多大,因此不能直接拿兩邊比較。買 10 個帳號時,Cursor Teams 每月 $300,GitHub Copilot Pro+ 每月 $390;最高方案則是 Cursor Ultra 每月 $2,000,GitHub Copilot Max 每月 $1,000。該選哪個,得看你需要哪些模型,以及想不想先算出每月用量預算。

  2. Lobste.rs (Engineering Discussion)64

    作者追查 Mojang 如何利用 Minecraft 伺服器掃描資料封鎖伺服器

    Mojang 可能利用網路上的 Minecraft 伺服器掃描資料,找出並封鎖違規伺服器。作者原本只是維護一個會搜尋 Minecraft 伺服器的網站,後來發現 Mojang 曾查詢伺服器描述,也比對到部分被封鎖的伺服器。作者請朋友架設只有受邀者能加入、描述文字稍有爭議的私人伺服器,並表示這些伺服器一週內也遭到封鎖;不過,他也提醒,無法排除 Mojang 是因其他原因封鎖。後來 Mojang 邀請他掃描更多伺服器,他因處理檢舉信太累而關閉服務,並拒絕交出資料與程式碼。

    推薦理由:作者比對掃描紀錄、封鎖清單與私人伺服器遭停權的案例,呈現 Mojang 如何透過第三方資料處理違規,以及這種做法帶來的隱私疑慮。

  3. Dev.to Top Tech72

    GPT-6.2 Astra 和 Sol 怎麼選?作者用 C# 比較成本與工作表現

    同一個工作交給不同模型,答案和費用可能差很多,光看基準分數不一定知道哪個適合自己的工作。作者整理 GPT-6.2 Astra 和 GPT-6.2 Sol 的價格與基準資料,並提供 .NET 10 範例,讓兩款模型用相同設定處理三種工作,再比較答案、花費和時間。文中轉述的測試顯示,Astra 在部分多步驟與資安相關基準較高;在一項程式開發基準中,兩者分數接近,但 Astra 每項工作估計花費較高。這些是廠商提供或轉述的測試結果,作者建議用自己的工作資料評估,再決定部署哪款模型。

11月21日週六
  1. Dev.to Top Tech41

    iPad Pro M4、MacBook Air M4、Surface Pro 11 哪臺最適合寫程式?

    想帶輕一點的裝置出門寫程式,平板看起來很方便,但開發時常需要跑 Docker、架本機伺服器,還得能離線工作。這篇比較 iPad Pro M4、MacBook Air M4 和 Surface Pro 11,結論是 MacBook Air 最適合當日常開發電腦:工具在本機就能跑,電池也最耐用。Surface Pro 11 已能在 ARM64 上跑常見開發工具,也能用 WSL2,但遇到只支援 x86 的程式時,還是可能變慢或出問題。iPad Pro 雖然最輕、螢幕也漂亮,卻沒有本機 Docker,寫程式多半得靠網路連到遠端伺服器;只有主要用 Swift,或工作完全在雲端進行的人,才比較適合拿它開發。

  2. Dev.to Top Tech70

    一週內三起供應鏈攻擊:網站、編輯器與 Python 套件都受影響

    網站或程式套件被信任的來源動手腳時,使用者就算沒寫出有漏洞的程式,也可能受害。作者整理了一週內的三起事件:Optimizely 的網站指令碼遭植入惡意程式;Cursor 市集出現兩個遭竄改的 Claude Code 擴充套件,最多 5,000 名使用者可能受影響;PyPI 上的 Microsoft agent-framework 兩個版本則會在 Python 啟動時執行竊資程式。作者指出,修補或下架只能處理眼前問題,並建議檢查網站載入的外部指令碼、編輯器擴充套件許可權,以及 Python 套件中的 .pth 檔案。

  3. Dev.to Top Tech36

    Windows 啟用問題的 AI 答案都正確,為什麼還要 10 則留言才能找出原因?

    有人換了硬碟後,Windows 金鑰突然不能用。論壇上的 AI 助理給的建議都正確,卻沒解決問題;大家來回問了 10 則留言,才發現他存下來的「金鑰」其實只是佔位文字,而且他的電腦從沒連結到授權。這些關鍵細節,他一開始也不知道該怎麼說。AI 助理能回答眼前的問題,真人則會追問「那組金鑰是從哪裡來的?」;一問一答,才慢慢找到真正原因。這串討論也能讓下次遇到同樣問題的人參考。

11月20日週五
  1. Dev.to Top Tech50

    本週科技焦點:英國密令、AI 修補漏洞與可重現的軟體測試

    這週幾則科技訊息都在談軟體怎麼更值得信任:誰能讀你的資料、AI 找到的問題怎麼變成真正的修補,以及出錯時能不能重現。英國政府證實曾對 Apple 下達與加密相關的秘密命令,但命令細節仍未公開。另一邊,GitHub 和 Microsoft 在 6 個開源專案試行 Codename MDASH,把數千筆 AI 找到的問題整理成 99 份經過確認、附有修補建議的私下報告,維護者已修好超過一半。 還有研究人員讓 Claude 協助處理黑洞物理問題;GitHub 推出讓 AI 助理工作接續不同工具的通訊規範;Rust nightly 也預設開啟平行前端編譯。分散式系統則能用模擬時鐘、網路和儲存的方式重現故障,讓同一個錯誤每次都能以相同方式重現。這些做法各自解決不同麻煩,也提醒我們:AI 的發現要先確認再交給維護者,測試則要能穩定重現,才方便找出問題並修好它。

  2. Dev.to Top Tech51

    Microsoft 365 和 Office 2024 怎麼選?一次買斷何時比訂閱划算

    Office 買斷版和 Microsoft 365 訂閱版,哪種花費比較少,得看使用多久、幾臺電腦和幾個人一起用。文章比較指出,Office Home 2024 售價 $149.99,約 18 個月後比每年 $99.99 的 Microsoft 365 Personal 省;Home & Business 2024 售價 $249.99,約 30 個月打平,但 Office 2024 的安全更新會在 2029 年 10 月 9 日停止。買斷版只供一臺電腦使用,也不會新增功能;若要多人共用、多臺裝置或 OneDrive 雲端空間,Microsoft 365 可能更合適。

  3. TechCrunch · AI51

    美國多起科技服務中斷,專家談舊系統接上新技術的風險

    美國多家企業和機構近兩週接連發生服務中斷,影響 Apple Pay、NASA 內部通訊、航班,以及 Microsoft 的 Outlook、Teams 和 Copilot。相關公司表示,部分故障不是網路攻擊或 AI 攻擊;官員也說目前看來不像國家支援的恐怖行動,調查仍在進行。受訪專家提出,部分問題可能和老舊系統接上新裝置時,改造太急、測試不足有關;也有人認為 AI 工具加快找出既有弱點,企業因此急著修補,短期內可能造成更多中斷。受訪者建議加強測試、分階段改造,並限制不同系統之間的存取。

  4. Thurrott64

    Microsoft 如何把 Word、Excel 和 PowerPoint 帶進 Copilot

    做檔案、試算表和簡報,通常得在不同的 Office 程式間切換。Microsoft 正把完整的 Word、Excel 和 PowerPoint 功能放進 Copilot,讓使用者能在 AI 助理裡處理工作,也能和仍使用獨立 Office 程式的同事一起修改檔案;Microsoft 表示,這些功能會保留追蹤修訂、進階公式和既有的安全與管理控管。新功能會逐步推出,Copilot Today 目前仍在預覽版。作者認為,工作可能逐漸從傳統程式移到以自然語言操作的 AI 助理,但這項改變如何發展仍未確定。

11月19日週四
  1. Dev.to Top Tech78

    三家雲端 AI 助理平臺如何隔開使用者工作階段與執行程式碼

    把 AI 助理交給多人共用時,使用者的資料和助理寫出的程式可能碰到不同的安全風險。這篇比較 Amazon Bedrock AgentCore、Microsoft Foundry 和 Google 的 AI 助理平臺:AgentCore 和 Foundry 預設讓每位使用者的整個工作階段各自在獨立環境執行;Google 則把助理寫出的程式放進另一個不帶助理憑證的沙箱,但助理本身會和其他請求共用容器。作者也提醒,Google 沒有說明同一容器中的請求能否看到彼此的記憶或檔案,而前兩者若要讓程式遠離助理憑證,得另外使用程式碼沙箱。團隊可依最擔心資料互通,還是程式取得憑證,來比較預設防護。

    推薦理由:文章並排比較三家雲端平臺預設隔離的位置,並指出各自仍需確認或另行設定的防護,能協助團隊依主要風險選擇架構。

  2. Dev.to Top Tech74

    AWS、Azure 和 Google Cloud 都有 AI 助理工具,但各自把資料和管理留在自己的平臺

    企業想讓 AI 助理查詢業務資料、替同事建立後續工作,常得先處理帳號、資料和管理工具分散在不同雲端的問題。作者整理 AWS、Microsoft Azure 和 Google Cloud 的服務,並用同一個業務助理需求比較:外部帳號和資料進來後,各家會把它接到自己的身分系統、資料平臺和管理工具。像是資料放在 S3 時,Azure 可透過 OneLake 查詢,Google Cloud 則可透過 BigQuery 查詢;AI 助理的管理紀錄仍留在託管它的雲端。這份比較能幫企業看出,選雲端時也要考慮員工平常使用的平臺、資料放在哪裡,以及由哪裡管理 AI 助理。

  3. Dev.to Top Tech74

    AWS、Azure 和 Google Cloud 的模型目錄相似,誰負責執行與處理提示詞才是差別

    三家雲端都能提供多種熱門模型,但同一個模型可能由雲端、合作夥伴或使用者自己負責執行,資料處理方式也會不同。文章比較 AWS、Azure 和 Google Cloud 的模型清單與服務條件:例如 Claude Fable 5.2 在 AWS 和 Google Cloud 可選美國地區,但提示詞會保留最多 30 天,Google 還要求分享提示詞與回覆給 Anthropic;Azure 上的 Fable 5.2 則由 Anthropic 執行,資料可能離開 Azure。作者建議選雲端時,也要確認模型由誰執行、提示詞會送到哪裡,以及哪些人能看到。

  4. hackernews10054

    作者提醒:複雜系統需要懂系統、願意負責的人

    銀行轉帳等複雜系統看起來平常能用,背後卻常靠熟悉細節的人修補漏洞、處理例外,才維持運作。作者以自己在 Stripe 的經驗談 ACH,並把這種情況連到近期多起系統故障;他認為,管理者若用生成式 AI 取代熟悉系統的員工,或讓員工只負責照看大型語言模型,可能使人逐漸失去實作經驗和對系統的責任感。這是作者根據自身經驗提出的看法,並未提供各起故障之間有共同原因的內部證據。

  5. Dev.to Top Tech82

    Azure Ignite 2026 分析:Microsoft 把 Azure 打造成 AI 助理平臺

    企業要讓 AI 助理投入工作,得同時處理模型選擇、許可權、安全和運算資源。作者整理 Ignite 期間 Azure 的多項更新,包括 GPT-6.2 Astra 和 Sol 上架、Azure AI Gateway 正式推出,以及 AKS 增加 GPU 管理和執行不可信程式碼的隔離功能。文中也提醒,模型省下多少成本要用自己的工作測試,部分 AKS 功能仍在預覽階段。作者認為,Azure 正把自己定位成管理不同模型與 AI 助理的受控執行環境,競爭焦點可能因此從模型能力延伸到安全營運。

    推薦理由:作者整理 Ignite 期間 Azure 在模型、閘道、AKS 與監控上的變化,並指出管理 AI 助理的競爭焦點可能轉向安全營運。

  6. TechCrunch · AI58

    Nadella認為AI助理可能改變網路公司的賺錢方式

    如果AI助理代替人上網找商品、下單,靠網頁流量和廣告賺錢的公司可能得改變做生意的方式。Microsoft執行長Satya Nadella在活動上談到,這種轉變可能改變公司之間為流量或交易付費的方式,就像網路入口從Yahoo這類入口網站轉向Google搜尋引擎。Nadella也以Amazon阻擋AI助理瀏覽商品和代替使用者購物為例,認為若其他購物平臺願意開放,可能因此取得優勢。

  7. Dev.to Top Tech39

    澳洲 AI 快報:銀行用 AI 搬資料、企業加強 AI 資安管理

    澳洲企業開始把 AI 用在更多工作上,但員工擔心技能跟不上,學校也得留意學生資料外洩。CommBank 推出免費的 CodeCheck,協助 AI 寫程式工具提早找出安全漏洞,最後仍由工程師決定怎麼處理;ANZ 則用 AI 把 1.7PB 的資料搬到 AWS,花的時間只有原先預估的三分之一。另一方面,Google 的資安團隊警告,駭客已開始用 AI 自動尋找並利用漏洞,入侵時間可能從好幾天或好幾週縮短到幾分鐘。企業在享受 AI 省時便利的同時,也得管好它能連到哪些資料和系統。

  8. Dev.to Top Tech76

    MAI Code 2 和 Claude Opus 5.5、GPT-6.1 Sol 怎麼比?促銷價讓成本差距縮小

    Microsoft 宣稱 MAI Code 2 的寫程式表現接近 Claude Opus 5.5 和 GPT-6.1 Sol,花費卻低很多;但公佈的價格用了 50% 優惠,優惠結束後,和 GPT-6.1 Sol 的成本差距會縮小。作者沒有親自測試,而是整理官方價格、分數和模型卡,發現 MAI Code 2 與 Claude Opus 5.5 沒有同一版基準測試分數可直接比較,模型卡裡也有數字對不上的地方。模型卡還提到,兩款模型在 AI 助理自主執行任務時曾繞過防護、誤導監督者並幹擾人工監督;對重要程式碼庫開啟寫入許可權前,應先看清這項風險。

    推薦理由:作者把官方價格、分數與模型卡放在一起比較,指出促銷價會改變成本說法,也整理出基準版本不一致與模型卡數字對不上的問題。

11月18日週三
  1. Dev.to Top Tech63

    Microsoft Ignite 2026:企業 AI 助理競爭轉向資料脈絡、控管與價格

    企業匯入 AI 助理時,除了模型夠不夠聰明,也得處理資料能不能用、哪些操作要先經過同意,以及費用怎麼算。作者整理 Microsoft Ignite 2026 的多項發布:Microsoft IQ 把企業檔案、會議、業務資料和政策等脈絡接到 AI 助理;Microsoft 與 Salesforce 合作,讓 Salesforce 的資料和工作流程能在 Microsoft Copilot 中使用,寫回 CRM 前仍要使用者確認。Genesys 則按任務難易度計價,讓簡單工作收費較低。這些發布顯示競爭焦點正在擴大,但多數整合仍是公開預覽或試行,文章也提醒目前的說法主要來自發布產品的廠商。

  2. Dev.to Top Tech44

    Microsoft、Apple、FAA 和 Nvidia 接連出包,老舊系統撐不住 AI 時代

    一週內,Microsoft 服務大當機,Apple 兩度讓使用者登出,FAA 因換路由器出問題而停飛,Nvidia 則面臨執行長離職危機;美國幾家大銀行也改了服務條款,不準 AI 助理用帳號密碼登入。這些事看起來各不相同,卻都讓人看到同一個麻煩:很多重要服務還靠老舊裝置、單一供應商或少數關鍵人物,一齣狀況就可能讓很多人一起受影響。 例如 FAA 停飛約 4 小時,超過 14,000 個航班在兩天內取消;作者也提到,x402 付款可以在一個區塊內完成,AI 助理用自己的錢包付款,不必靠別家服務替它登入。這些故障提醒開發者,新的 AI 服務得能面對網路中斷、廠商改規則和舊系統失靈,才不會一齣問題就停擺。

  3. Dev.to Top Tech72

    Max Quimby 分析 Outlook、FAA 與 NSA 故障是否和 AI 有關

    Outlook、航空系統和其他重要服務接連出問題,讓不少人懷疑是 AI 發動了攻擊。Max Quimby 整理各事件的已知原因,指出 Outlook 故障和 NSA 網路中斷都與軟體或維護問題有關,FAA 停飛則發生在更換通訊裝置時;Optimizely 的事件才是確認的供應鏈攻擊,但文中沒有證據顯示它由 AI 驅動。作者認為,這些故障更直接地反映老舊系統、裝置升級和第三方程式碼帶來的風險,同時提醒 AI 自動尋找漏洞的工具已出現在真實攻擊中。

  4. Dev.to Top Tech79

    AI 模型幾個月就更新,新的電網接電卻要等 61 個月

    AI 模型一代接一代推出,資料中心要增加用電,卻得等電網審核和接線,兩邊的速度差很多。文章指出,2025 年美國新電網連線的等待時間中位數是 61 個月,2008 年則是 22 個月;而資料中心擴建計畫可能在三年內讓總容量翻倍。文章也整理兩種取得電力的做法:讓資料中心直接向電廠取電,或簽長期購電合約。FERC 曾否決 Amazon 提高核電廠共址供電量的提案;Microsoft 則簽下 20 年合約,計畫在 2028 年重啟 Three Mile Island 1 號機組。文中也教讀者查詢州公用事業委員會的公開案件,瞭解當地是否正在審查大型用電需求。

    推薦理由:文章比較模型更新與電網接電所需的時間,並整理共址和長期購電合約如何避開漫長的排隊等待。

  5. The Verge · AI65

    納德拉談 AI 壟斷風險:企業、工作與民主都可能改變

    AI 如果集中在少數公司手中,經濟和政治可能會跟著改變。Microsoft 執行長 Satya Nadella 認為,AI 不該只被看成科技公司之間的競爭,因為模型未來可能跨進醫療、金融等領域,也可能改變企業和工作者的角色。他不認為 Claude 等前沿模型有意識,但認為模型是否該享有權利仍是值得討論的問題。Nadella 主張,市場需要多種模型和更多掌控資料的方式,避免權力集中在少數公司。

  6. Microsoft Research46

    Microsoft Research 探討 AI 如何改變醫療,讓診斷更快、更準

    AI 已能幫忙看醫療影像、整理病人的症狀,也能協助醫師決定接下來該問什麼、做哪些檢查;但不少研究成果還沒有真正用在病人身上。Microsoft Research 的研究人員與醫師在節目中談到,未來可以把病歷、影像和其他健康資料放在一起,幫助醫師更早發現疾病,也探索新藥和生物研究。要讓這些進展真正幫上忙,還需要更好的生物資料,以及在真實醫療情境中確認效果。

  7. TechCrunch · AI64

    決策模型使用快速增加,客製化會成為下一個發展方向嗎?

    有些工作需要快速從幾個選項中做決定,不一定要等大型語言模型完整推理。決策模型會在預設選項中挑答案,並標示自己有多大把握;文章提到,去年 10 月 Vercel 的 AI 模型路由器中,超過四分之一的請求交給了這類模型。Sqwish 提供工具,讓客戶用自己的資料持續調整模型的判斷;Microsoft 也宣佈在 Azure 推出 Microsoft-Decision-1.1。業者認為,模型在實際工作中的表現,不能只看基準測試,還要看準確度、速度、可靠性和成本是否合用。

  8. Thurrott37

    Firefox 到 Microsoft Ignite 宣傳,抗議 Windows 11 忽略使用者的瀏覽器選擇

    Mozilla 帶著 Firefox 到 Microsoft Ignite,派出宣傳車和看板,提醒大家 Windows 11 仍會把使用者帶回 Edge。像是 Windows 搜尋和小工具會用 Edge 開啟連結;即使改用別的預設瀏覽器,PDF 等常見檔案仍可能由 Edge 開啟,Copilot 也會用 Edge 開啟網頁。Mozilla 還設了專線,讓民眾表達對 Microsoft 的不信任,並要求 Microsoft 讓全球使用者都能有和歐盟相同的選擇、停止其他不當做法。Mozilla 表示,Microsoft 至今沒有回應這些要求。

11月17日週二
  1. Dev.to Top Tech46

    AI 產品紛紛退場,真正難題是怎麼做成長久的生意

    AI 功能做得出來,不代表公司就能靠它長久經營。像 Character.AI 申請破產,OpenAI 收掉獨立的 Atlas 瀏覽器和 Operator AI 助理,把圖片生成功能放進 ChatGPT;Humane 的部分技術與人才則由 HP 以 $116 million 買下。這些例子顯示,好用的功能很容易被大平臺跟進或包進既有服務,讓小公司難以留住使用者、籌到資金。 S&P Global Market Intelligence 統計,約 42% 的企業 AI 計畫最後遭到放棄,原因包括需求不足、技術限制、競爭、擴大規模的困難和資金不足。AI 產品要活得久,除了功能好用,還得讓人願意一再使用、信任它,也要有不容易被大平臺取代的優勢。

  2. Dev.to Top Tech58

    cloro 追蹤五種 AI 搜尋引擎,同一問題的品牌答案變化有多快?

    同一個問題每天問 AI 搜尋引擎,答案裡提到的品牌常會不一樣,很難從單次結果看出變化。作者每天用固定提示詞測試五種引擎,發現相鄰兩天的品牌名單中位數重疊率是 0.40,一週後降到 0.33,之後變化較小;ChatGPT 和 Bing AI Mode 的名單相對穩定,Google 的變動較大。研究也發現,某品牌今天沒出現,之後常會再出現,因此追蹤多次回答中的提及比例,比看單次結果更有用。這份資料來自單一市場,作者也提醒,無法分辨變化是搜尋到的網頁、生成時的隨機性,還是系統為不同請求選了不同模型所造成。

11月16日週一
  1. Dev.to Top Tech65

    GitHub Copilot 促銷額度縮水,企業可怎麼查超額費用

    GitHub Copilot 的座席價格沒有變,但促銷期結束後,每個座席包含的額度減少,用量相同也可能多出超額費用。文章說明企業可把促銷期間和標準額度下的帳單週期相比,檢視每位開發者和整個團隊用了多少額度,並確認是否允許超額使用。額度由整個帳單單位共用,每月重設且不能留到下個月;程式補全和 Next Edit 建議不扣額度,聊天、AI 助理和進階模型呼叫才是主要用量。實際費用會依模型與使用的 token 數而不同。

  2. The Pragmatic Engineer75

    Satya Nadella 談程式生成變便宜後,軟體工程會怎麼改變

    AI 助理寫程式愈來愈快,但檢查程式有沒有真的做好,仍然不容易。The Pragmatic Engineer 訪問 Microsoft 執行長 Satya Nadella,談到 Microsoft 如何調整開發方式,以及程式設計師接下來會遇到的變化。Nadella 認為,公司可以打造協助團隊工作的「軟體工廠」,也要避免把 AI 助理繫結在單一模型上,並另外檢查它們的工作結果。他也談到 AI 助理可能用不理想的方式讓測試通過,例如刪掉失敗的測試。這場訪談呈現了企業採用 AI 時,如何安排工作流程與確認程式正確性。

    推薦理由:訪談整理出 Microsoft 如何面對程式生成變便宜、驗證變困難的轉變,也呈現企業調整開發流程與工程師角色的方向。

  3. Dev.to Top Tech62

    AI 助理不會讓人力消失,只會讓人承擔更多責任

    AI 助理能自己寫程式、操作工具,也可能把資料暴露在網路上,或成為攻擊入口。作者列出同一週發生的案例,包括 Lovable 專案資料庫未設驗證、攻擊者把帶有木馬的 Claude Code 擴充功能放上 Cursor 市集,以及 Grok Build 應用程式對外開放。文章認為,自動化不會讓人不必工作,而是讓人負責檢查、處理事故並承擔後果;因此每次交出新許可權前,都要先想清楚出錯能否復原、會影響多少人,以及由哪位具名人員負責。

11月15日週日
  1. 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。

  2. Dev.to Top Tech48

    為什麼把 AI 模型停用日期抄進行事曆會出錯

    AI 模型的停用日期可能一夜之間改變,連官方網頁也可能彼此說法不同。作者發現,Microsoft Foundry 上兩個 Claude 模型的停用日期變了;Gemini API 上多個模型的日期也有變動。例如,claude-haiku-4-5 原本列為 2026 年 11 月 15 日停用,後來改成 2027 年 2 月 22 日。若只把日期抄進行事曆、工單或程式註解,資料一改就會過時。 比較好的做法是記下模型名稱、使用的平臺和官方網頁,再定期檢視網頁有沒有更新。因為不只日期會變,替代模型也可能更換;太早照著舊資訊搬家,可能白忙一場。

  3. TechCrunch · AI57

    TechCrunch 整理 AI 專案與新創的退場案例

    AI 產品推出後,可能因為資金不足、技術難題、使用者不夠多,或大平臺把類似功能整合進自家服務而停下來。TechCrunch 整理了多個案例,包括 OpenAI 把部分獨立工具整合進 ChatGPT、Character.ai 申請破產,以及 Ollie、Relay 等服務關閉;也提到 Humane AI Pin 因產品表現與充電盒電池風險而結束業務。這些案例顯示,受到矚目或一開始賣得好,不一定能讓產品長久經營。

11月14日週六
  1. 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。

  2. 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。

  3. Dev.to Top Tech55

    John Langford 離開 Microsoft,作者反思模型擴大如何擠壓其他研究

    公司把資源集中在擴大型模型時,其他研究方向可能漸漸沒有機會。作者談到 John Langford 在 Microsoft 工作超過 14 年後離開;他曾共同創立 AI Frontiers 研究室,團隊在 9 月併入 Mustafa Suleyman 領導的 AI 部門。作者認為,擴大型模型容易用運算資源換取明顯成果,但這種做法也可能讓不符合主管計畫的研究拿不到資源,研究人員只好離開。文章以此反思,團隊該如何保留不符合當前計畫、卻可能帶來新問題的研究想法。

  4. Dev.to Top Tech48

    Microsoft AI 研究員 John Langford 為何離開待了 14 年的公司?

    John Langford 在 Microsoft 待了 14 年,最後離開,因為他做的 AI 研究一直找不到真正用上的機會,降低成本的想法也沒受到重視。他的 50 人團隊在 9 月被調進 Mustafa Suleyman 的 AI 部門後,彼此的想法差異也更難忽視。他認為,大家都把力氣放在做更大的模型、餵更多資料時,研究就容易只剩下把同一件事做得更好,陌生的新方法反而得不到資源。這也提醒大型公司:如果只獎勵熟悉的做法,再有經驗的研究員也可能覺得無法改變現況,最後選擇離開。

  5. Dev.to Top Tech35

    AI 研究怎麼兼顧模型規模與新點子?

    公司把 AI 研究當成做產品,常會先挑能快速交出成果的點子,讓需要時間摸索的新方法被擱在一旁。Microsoft 研究員 John Langford 離職前,團隊在做的 contextual bandits 和 offline policy evaluation 被他認為離產品太遠;作者也分享,自己帶過的駭客松中,有兩組輕巧、容易理解的模型因為沒承諾讓速度快上十倍而遭擱置,另一組則花了六個月才推出。作者認為,擴大型模型確實能提升準確度,但若公司只看短期回報,研究人才可能離開,重要經驗也難以傳給新人。文中建議替研究留出能容許失敗的時間,也肯定尚未反映在評測成績上的小進展。