跳到正文

#OpenAI

RSS
今日 3 則
今天11月23日週一
  1. aihot71

    OpenAI 提議用困惑度比較模型進展,制定共同安全上限

    不同團隊用不同資料和方法訓練模型,很難用同一把尺比較進展。OpenAI 公開 GPT-3.5 以來的內部困惑度測量資料,並提議讓業界用這項指標比較模型,也共同訂出安全上限,在達成更具體的理解與監控能力前,先限制模型開發。困惑度越低,代表模型預測下一個 token 越準;不過它不能直接反映所有能力,各實驗室使用的資料也可能不同,因此仍需要找出可互相比較的方法。

    推薦理由:OpenAI公開自GPT-3.5以來的困惑度測量資料,並說明這項指標如何連結預訓練進展與共享安全上限的提議。

  2. OpenAI News81

    OpenAI 主張用困惑度追蹤 AI 進展,並制定共同安全門檻

    不同 AI 團隊用的測試方式不一樣,很難直接比較模型進步到哪裡。OpenAI 認為,可以用「困惑度」衡量模型預測下一個 token 的能力,數值越低代表預測越準,並公開自家預訓練測量結果。文章也提出,業界可共同訂出安全評估方式、透明規範和發展門檻,在確認能理解並監控模型行為前,先限制進一步發展。不過,困惑度不等於實際任務表現,各家使用的資料也不同,因此跨團隊比較仍有難處。

    推薦理由:OpenAI 說明困惑度如何追蹤預訓練進展,也提出用共同指標與安全門檻協調業界發展,並指出跨實驗室比較的限制。

  3. hackernews10066

    Anil Seth 分析 AI 是否有意識,提醒別把會說話當成有感受

    AI 越來越會說話、解決問題,很多人因此猜它是不是也有感受;神經科學家 Anil Seth 認為,聰明和有意識是兩回事。他指出,大腦是會維持自身運作的生物系統,和執行運算的電腦並不相同,因此電腦模擬大腦,不代表真的產生了意識。不過,他也承認目前沒有定論,無法確定什麼條件才足以讓 AI 有意識。文章提醒,太容易把 AI 當成有感受,可能讓人投入不必要的關心,也可能讓人忽略自己的感受;即使 AI 看起來像有意識,也不等於它真的有意識。

11月22日週日
  1. The Verge · AI73

    AI 助理讓更多人能改造電視、相機和遊戲機

    以前要改造家電或相機,通常得有技術背景;現在,更多人開始用 AI 助理協助修改裝置軟體。有人用 Claude Code 改掉 Android TV 的廣告和介面,也有人替相機、合成器和遊戲主機加入新功能。這讓舊裝置有機會重新派上用場,也讓人能打造更合用的小工具。不過,修改韌體可能讓裝置故障或失去保固,廠商也可能加強限制。作者建議先備份,並只在壞掉也能承受的裝置上嘗試。

  2. 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。

  3. MarkTechPost67

    2026 個人 AI 助理比較:OpenClaw、Hermes Agent 等工具的記憶、安全與費用

    個人 AI 助理能持續替人處理工作,也可能接觸信箱、檔案和帳號,因此記憶放在哪裡、能做哪些事和要花多少錢都很重要。MarkTechPost 比較 Hermes Agent、OpenClaw、Gemini Spark、OpenAI dots、Meta Muse 和 Perplexity Personal Computer 等工具。Hermes Agent 和 OpenClaw 可把記憶存成自己能檢視的檔案;雲端服務則在各家平臺上運作。文章也提醒,OpenClaw 預設可完整存取主機,需自行開啟沙盒;自架工具的費用還要算模型用量和主機,雲端工具多以訂閱計費。

  4. BlockTempo 動區動趨69

    OpenAI 募資少於原定目標,文章逐項核對「最慘一週」的說法

    社群貼文說 OpenAI 正面臨史上最慘的一週,還稱它快沒錢、被 Google 超車。文章核對後指出,募資確實少於原定目標,第三季虧損也比上一季增加;但「錢只夠撐 4 個月」和「被 Google 超車」沒有資料支援。文中引用的模型排行由 Anthropic 居首,OpenAI 排第二,Google 排在後面。作者認為,更大的壓力可能是投資人不願照原先估值投入資金。

  5. Dev.to Top Tech66

    ChatGPT 和 Google AI 每月 ₩29,000 的方案,內容差在哪裡?

    ChatGPT 和 Google AI 都有每月 ₩29,000 的方案,但這筆錢買到的服務差很多。作者在韓國檢視兩家的官方價格頁,發現 ChatGPT Plus 提供 GPT-6 系列模型、工作功能與不同的上下文長度;Google AI Pro 則附上 5 TB 儲存空間、影片點數和其他服務,並列出 1,000,000 的上下文長度。作者也提醒,頁面沒有說清楚「不限量」的實際上限,部分附加服務還有地區或資格限制。選方案時,可以先看自己需要模型功能、儲存空間,還是清楚列出的使用上限。

  6. Dev.to Top Tech61

    AI 模型 API 價格比較:每百萬 tokens 從 $0.02 到 $180

    挑 AI 模型時,除了回答品質,呼叫 API 要花多少錢也很重要。這份整理每天更新 373 個模型 API 的輸入與輸出價格及上下文長度;截至 11 月 22 日,最便宜的模型每百萬輸入 tokens 約 $0.02,GPT-5.5 Pro 每百萬輸出 tokens 則要 $180。輸出通常比輸入貴,長篇回答會增加花費;讀大量檔案、只回短摘要時,費用則多半來自輸入。作者也提醒,便宜模型若需要多試幾次,整體成本可能更高,選用前可拿自己的提示詞比較不同價位的模型。

  7. Dev.to Top Tech63

    ChatGPT Plus 和 Claude Pro 每月約 20 美元,能用的功能差在哪?

    ChatGPT Plus 和 Claude Pro 每月都約 20 美元,但付費後能用的功能不一樣。作者在同一天檢視兩家的價格頁面,整理出 Claude Pro 包含 Claude Code 程式助理,ChatGPT Plus 則能有限使用 GPT-6 Astra 和 GPT-6.1 Sol。ChatGPT 也列出不同方案的上下文額度,Claude 的價格頁面沒有提供這項數字;Claude Pro 可年繳,ChatGPT 個人方案則沒有年繳選項。文章也提醒,兩家的免費方案差異很大:Claude 限制使用量,ChatGPT 免費版則不開放部分高階模型。

  8. Dev.to Top Tech72

    聊天機器人標示「贊助」廣告,未必能阻止消費者受影響

    聊天機器人推薦商品時,消費者不一定看得出哪項推薦受到付費影響。一項有 2,012 人參加的電子書研究發現,聊天機器人推薦後,受贊助書籍被選中的比例是 61.2%,一般搜尋排序則是 22.4%;加上「贊助」標示也沒有明顯降低影響。作者指出,聊天機器人的推薦和一般回答聽起來相同,標示可能被忽略。研究目前仍是預印本,且其中一項只使用單一電子書目錄。作者建議並列顯示其他選項與價格、說明推薦理由,並留下紀錄供人稽核。

  9. Dev.to Top Tech52

    MultiO 比較五種模型:大致正確的回答也可能把話說得太滿

    AI 回答有時不是全錯,而是方向大致正確,細節或語氣卻說得太滿。MultiO 把相同的 24 個問題交給 GPT、Claude、Gemini、Grok 和 Llama,再人工檢查只有一個模型提出的說法:有些很有用,有些是錯的或編造的,另一些則混有誇大的機制、力道或數字。像模型談到馬拉松訓練時,整體安排大致可用,但每小時 60–90 g 碳水對初次參賽者可能太多。作者建議,遇到只有一個模型提出的資訊,除了查證,也要特別留意最強烈的形容詞和最精確的數字。

  10. Dev.to Top Tech64

    AI 助理會把哪些 SaaS 服務留在外部?作者整理五種必要的「軌道」

    AI 助理能接手部分資料整理和工作流程,但有些服務仍得向外租用,像是付款、電話、聯絡資料和身分驗證。作者把這些服務比喻成軌道,整理出五類依賴,並用 ACP、AP2、x402 和 ChatGPT Wallet 說明付款方式各有不同:有的用授權指令留下紀錄,有的要求使用者每次核准。文章也提醒,供應商提供 AI 助理介面,不代表企業軟體已被取代;規劃時還得考慮人工核准、外部服務費用,以及誰負責資料和規則。

  11. 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。

  12. hackernews10052

    SimpleBench 排行榜顯示 GPT-6.2 Astra、Sol 分數低於人類基準

    AI 模型在日常推理題上不一定比一般人答得好。SimpleBench 收錄超過 200 題選擇題,涵蓋空間與時間推理、社交理解和容易讓人答錯的文字陷阱;網站列出的 9 位參與者人類基準是 83.7%。排行榜上,GPT-6.2 Astra 得分 77.3%,GPT-6.2 Sol 得分 69.9%,都低於這個基準。這些結果反映的是這套測驗中的表現,不能直接代表模型在所有任務上的能力。

  13. Dev.to Top Tech51

    OpenAI 語音模型聽得懂歌詞,卻難以辨認哼唱旋律

    用語音和 AI 助理聊天時,聽起來像是它聽懂了整段聲音,但它可能主要靠歌詞回答。作者用歌曲哼唱和唱出歌詞的錄音,比較 OpenAI 的三種開發者語音模型:有歌詞時,模型大多能認出歌曲;沒有歌詞時,幾乎都答不出來,甚至會把不同哼唱猜成同一首歌。模型仍能辨認部分情緒和音高變化,顯示聲音線索有傳進去,只是旋律資訊不足以穩定認歌。這些測試不代表所有公司的模型,ChatGPT 語音功能也只做了少量手動測試。

  14. The Decoder71

    《The New Yorker》報導:AI 末日焦慮如何讓矽谷部分從業者走向宗教式團體

    AI 可能帶來末日的焦慮,讓部分科技從業者尋求宗教式的答案。文章轉述《The New Yorker》對佛蒙特州團體 Maple 的調查:前成員指稱,團體嚴格管理日常生活、記錄成員談話與呼吸,並打算用這些資料訓練一個以領導者心智為藍本的 AI;Maple 領導者否認多數指控,但承認團體有不公開的教義。文章也提到,研究者對 AI 導致人類滅絕的風險看法不一,並指出宗教倫理討論可能使監管、權力與控制等具體問題被擱置。

11月21日週六
  1. Dev.to Top Tech37

    EPMOS 每日世界掃描:彙整 AI、晶片與核融合等最新訊息

    EPMOS 的每日整理列出多則科技訊息,包括 Anthropic 宣佈 IPO 完成、OpenAI 提到要防範對抗式知識蒸餾,以及 TechCrunch 報導有新創團隊聲稱解開黎曼猜想。部分 Hacker News 熱門話題還在等原始資料確認,因此只列為觀察,不當成已證實訊息。這份整理也提醒讀者,有些來源當天無法查證;EPMOS 對市場與技術趨勢的看法,則屬於自己的推測,不是已確認事實。

  2. 雷科技52

    雷科技分析 OSTA O1 Pro 的高價定位與 AI 手機路線

    OSTA O1 Pro 和華為 Pura X View 用了相近的核心硬體,但首發價格已接近 Pura,讓不少人質疑它為什麼不賣便宜一點。雷科技認為,華為想讓 OSTA 星芒走出不同路線,把 AI 互動放到手機操作的核心,而不是隻做更便宜的 Pura。文章也拿 FreeClip 作比較:當年高階耳夾耳機選擇少,現在 AI 手機已有不少競爭者,OSTA 星芒還得讓人看出自己的特色。它的闊直板設計能否找到長期需求,也會受到其他品牌跟進影響。

  3. Dev.to Top Tech79

    Claude 從空資料夾打造模型,挑戰 GPT-2 的實驗結果如何?

    AI 助理能不能自己做研究,除了看模型表現,也得看人在哪些地方出手。作者讓 Claude 從空資料夾開始設計、訓練模型,並在每次測試前先寫下預測和通過標準。三個關卡中,兒童故事和西洋棋都沒達標;在 HellaSwag 測試中,模型分數高於 GPT-2 small,但它的引數量是對方的 2.8 倍,和同尺寸的 GPT-2 Medium 相比大致打平。作者也檢查出部分測試題出現在訓練資料中,排除後分數仍高於 GPT-2 small。這次實驗顯示 Claude 能依明確規則執行工作、記下失敗,但選擇研究問題和處理重要決策仍由人負責。

    推薦理由:這場實驗把預先訂好標準、記錄失敗和人類介入的過程攤開,呈現 AI 助理能完成明確研究任務時仍需要人決定問題。

  4. Dev.to Top Tech76

    OpenAI 的 MedChemBench 評估 AI 模型解藥物化學題,分數不代表找得到新藥

    AI 模型在藥物研究題目拿高分,不等於真的能找到新藥。OpenAI 推出 MedChemBench,讓模型根據分子結構和實驗結果,回答研究人員接下來可以測試哪些化合物。GPT-6.2 Astra 在其中拿到 84.5% 的可得分數,但這些題目是從已公開的論文和專利整理而來,考的是重建過去研究中的判斷,不是拿新化合物做實驗。不同題目的給分方式也不一樣,總分可能看不出模型在哪些任務上較弱。要知道模型能否幫上實際研究,還得看它提出的選擇經過實驗後是否有效。

    推薦理由:MedChemBench 把模型表現拆成多種藥物化學任務,能看出整體分數背後哪些能力較強、哪些仍有限。

  5. Artificial Analysis61

    千禧年難題中,只有龐加萊猜想的證明目前獲得正式承認;另外兩項由 AI 協助提出的解答仍在等待獨立查證。Artificial Analysis 盤點了三項主張:Grigori Perelman 在 2003 年證明龐加萊猜想,並婉拒獎金;OpenAI 在 9 月宣稱用尚未發布的內部模型解出 Navier–Stokes 問題;Levent Alpöge 則表示,他今天與 Claude 合作找到黎曼猜想的證明。這些 AI 相關成果目前只能算暫定,其他五項千禧年難題仍未解決。

    推薦理由:這份盤點把已獲正式承認的證明,和兩家公司的待查證主張放在一起,呈現目前解題紀錄的不同可信程度。

  6. 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。

  7. Arena.ai44

    LMSYS Arena 更新了 Arena Alignment Index,調整偵測 AI 助理出錯的方式,希望涵蓋更多情況、判斷更可靠。這份指數會看 AI 助理在真實使用情境中,是否擅自做事、謊稱工作已完成,或把使用者沒說過、沒做過的事算到使用者頭上。新版排名中,OpenAI 包辦前七名;Claude Fable 5.2 首次上榜排第 8,Kimi K3.1 Pro 是進步幅度最大的開放模型,也排在第 9。這提醒我們,模型排名不只看能不能回答問題,也要看它會不會越權或誤報工作狀態。

  8. Where’s Your Ed At (Ed Zitron)41

    AI 泡沫為何越吹越大?又該怎麼阻止它再度膨脹

    AI 泡沫越吹越大,媒體、銀行、科技公司和投資人都能從中受益,卻很少有人認真追問:AI 到底賺了多少錢?作者認為,大家容易被大公司和大數字說服,也會把提出質疑的人當成唱反調。像是雲端服務商說成長來自 AI,卻沒有說清楚 AI 帶來多少收入;OpenAI 在 2024 年則虧損 $5 billion。文章也提醒,LLM 確實可能成為網路犯罪者的新工具,但這不代表 AI 一定會實現所有承諾。作者接下來要談如何用規則和社會行動,減緩炒高估值的風氣,避免泡沫繼續擴大。

  9. Dev.to Top Tech52

    從 75% 失敗警示到凍結訴訟:作者分析 AI 安全門檻怎麼設

    警示門檻設得太高,問題可能累積到造成損害才被人發現。作者以 Census 的同步功能為例,指出「Failed Records」預設要有 75% 的資料無效或遭拒才會通知;失敗比例即使達到 74%,仍可能不會響。作者建議重要同步改成任何一筆出錯就通知,並在第一次違規時提醒,再搭配資料筆數偏離平常狀況的警示。文章也提到,四個非營利組織於 11 月 12 日在舊金山高等法院起訴 Anthropic、Google、Meta、OpenAI 和 SpaceX AI,要求凍結高於當日能力水準的開發。作者將訴訟爭議連到警示門檻,認為門檻實際決定了問題何時會被處理。

  10. O'Reilly Radar40

    本週 AI 觀察:AI 走進現實後,企業遇上哪些考驗

    AI 開始幫企業處理工作和購物,但新模型變強了,還是有些麻煩沒解決。Anthropic 把 Claude 擴充套件成工作平臺,也推出讓企業把登入資料和工作紀錄留在自家裝置上的方案;OpenAI 則讓商家在 ChatGPT 上介紹商品,AI 助理也能協助購物,但付款前仍要由使用者確認。航空公司、銀行和零售業者擔心隱私、安全與誤買,已開始限制外部 AI 助理使用服務。 AI 助理也可能記錯以前的經驗,或回答錯了卻聽起來很有把握。研究人員正在設計方法,讓 AI 助理查清楚記憶從哪裡來,也讓人看出模型何時不確定。另一方面,NVIDIA 創辦人黃仁勳離開執行長職務後,公司正尋找接任者;相關指控仍未證實。這些發展提醒企業,AI 要真正派上用場,還得處理好安全、責任和出錯時怎麼補救。

  11. ChinaTalk64

    ChinaTalk 走訪 CoRL:機器人進步不少,離通用幫手仍很遠

    機器人能在展場完成一些動作,不代表它們已能在家裡或工廠可靠地處理各種工作。ChinaTalk 團隊走訪 CoRL,看到中國廠商供應許多機器人硬體,也聽到研究者討論專用機器人模型和通用 AI 模型該走哪條路。Anthropic 的 Fable 5.2 在 RoboDojo 展現了控制兩支機械手臂的成果,但研究者對通用能力如何實現仍有不同看法。家務環境變化多,機器人也可能比人慢、成本更高,還需要更多訓練。這些限制說明,展場上的進步離成為日常生活中的可靠幫手,還有一段距離。

  12. aihot56

    MIT 數學家談 AI 如何改變數學研究

    AI 開始解出沒有答案的數學問題後,數學家也在思考:答案要怎麼確認,人類又該如何理解背後的推理。MIT 舉辦座談,邀請來自 MIT、哈佛、西北大學和紐約大學的數學家討論這些變化。有人認為,AI 產生的證明難以看懂,數學仍需要人的理解;也有人提出,研究者可以把重點放在解釋證明、分享想法。座談也談到期刊收到更多 AI 生成或協助完成的投稿,有些期刊因此增加編輯,並嘗試用影片呈現數學研究。對學生來說,學會說明自己理解了什麼,也變得更加重要。

11月20日週五
  1. MIT News · AI57

    MIT 等校數學家討論 AI 如何改變數學研究

    AI 開始解出一些沒有答案的數學難題,也讓數學家擔心,人們是否還能理解證明過程,以及怎麼判斷研究成果的價值。MIT 舉辦座談,邀請 MIT、哈佛等校的數學家討論這些變化。有人認為,AI 產生的證明有些難以理解,數學仍需要人的理解;也有人主張,研究不該只看誰最先解出題目,還要重視能否清楚說明思路。與會者也談到期刊收到更多 AI 協助完成的論文,以及學生面對 AI 工具時如何學好數學。

  2. Gary Marcus (The Road to AI We Can Trust)58

    Gary Marcus 認為 Anthropic 股價下跌,AI 股票也正在走弱

    Anthropic 上市後股價下跌,作者認為這不只是單一公司的狀況,整個 AI 投資市場也在走弱。文中提到,Anthropic 股價從 111 跌到 97,盤前看來可能再跌約 9% 至 88;SpaceX 也預計以低於 135 的價格開盤,SoftBank 一夜下跌 14.5%。Gary Marcus 據此判斷,OpenAI 在這種市場氣氛下難以用 1 兆美元估值上市,也警告公司可能面臨現金不足。這些是作者對市場走勢與資金風險的看法。

  3. Dev.to Top Tech48

    Codex 在 T3 Code 裡為什麼跑比較久?一次實測拆解等待時間和程式問題

    同一個 Codex 模型做同一件事,透過 T3 Code 花了 10 分 26 秒,用原生 CLI 則花了 6 分 07 秒。看起來 T3 Code 比較慢,但其中 6 分 6 秒其實是在等人批准清理暫存檔;扣掉等待後,實際工作時間是 4 分 20 秒。T3 Code 少花時間檢查環境,原生 CLI 則多做了不少檢查,還碰上瀏覽器測試卡關。三個版本也都被檢查出問題:兩個有跨分頁資料被蓋掉的錯誤,另外兩個有鍵盤焦點跳走的問題。這次只有各跑一次,時間差可能受網路或排隊影響,還不能當成定論。

  4. Dev.to Top Tech69

    為什麼 OpenAI、Anthropic 和 Cursor 都在打造自己的 GitHub

    AI 助理大量產生程式碼,讓原本為人類開發者設計的 GitHub 面臨更大負載,文章也整理了它近年的服務中斷情況。Cursor 推出可和 GitHub 同步的 Origin;OpenAI 用 Pando 支援自家程式庫,並計畫把 Code Storage 整合進 Codex;Anthropic 則在公司內部用 Scion 取代 Git。這些做法各有不同,目前只有 Origin 能讓外部使用者試用,Scion 僅供 Anthropic 內部使用。GitHub 正擴充容量並遷移到 Azure,而它累積的使用者、開源社群和協作習慣,也讓其他平臺不容易取代它。

  5. hackernews10064

    Y Combinator 邀 Jacob Coxon 和 Robin Hanson 辯論政府該不該放慢 AI 發展

    AI 發展可能帶來哪些風險,政府該不該出手放慢腳步?Y Combinator 邀請 Jacob Coxon 和 Robin Hanson 辯論。Coxon 提出超級智慧可能很快出現,也談到模型行為難以理解和風險難以補償;Hanson 則質疑政府管制能否奏效,主張考慮以責任追究等方式處理。兩人也討論 AI 對工作、監管機構和安全的影響,並在最後回應觀眾提問。

  6. Dev.to Top Tech60

    為什麼打造可靠 AI 助理時,先改善工具與檢查流程往往比微調更重要

    打造 AI 助理時,團隊常想先微調模型,但有些案例顯示,工具和檢查流程也會大幅影響成果。文章整理 Clay、Harness-Bench 和 LangChain 的案例:固定模型、只更換工具流程時,分數曾從 52.4 變到 76.2;另一個案例則用流程調整,讓 Nemotron 3 Ultra 在 Deep Agents 測試中的分數接近 Opus 4.8,成本約低 10 倍。作者建議先整理工具、加入檢查步驟並追蹤失敗;只有流程改善停滯,而且任務範圍明確時,再考慮微調。

  7. Artificial Analysis45

    語言模型能不能做出比影片生成模型更好的影片?Artificial Analysis 讓 OpenAI 的 GPT-6.2 Astra 用 three.js 程式碼打造雪梨歌劇院、拆解中的機械錶,以及巨龍攻擊中古城鎮的場景,再用瀏覽器裡的虛擬攝影機拍成 15 秒、1080p、24 fps 的影片。ByteDance 的 Dreamina Seedance 2.5 則收到相同的攝影機路線,搭配路線參考圖作為文字提示詞。這場比較要看的是:語言模型寫程式做出的影片,能否和專門生成影片的模型競爭。

  8. Dark Reading (Information Security)58

    資安記者談 PHP2Shell 與 Java4Shell:漏洞警報升高時,企業該怎麼應對

    重大漏洞一齣現,企業常得在趕快修補和維持服務之間做決定;如果還不清楚攻擊者能不能真的利用,急著關站也可能造成損失。資安記者以 PHP2Shell 和 Java4Shell 為例,談到 AI 加快找出漏洞的同時,複雜的攻擊步驟也不代表漏洞會立刻被攻擊。Java4Shell 沒有適用所有程式的通用攻擊方式,利用它還得看各個應用程式的情況。與談者建議企業依風險安排修補,也讓負責營運的主管參與是否停機的決定,避免警報太多讓團隊忽略真正緊急的事件。

  9. The Decoder69

    AI 產業仍在成長,但支出與收入的增速都在放慢

    AI 產業還在擴大,但公司用得更多時,花費和收入沒有跟著同樣加快。Ramp 的資料顯示,兩週前達到高點後,AI API 支出下滑 6.3%;和前一個月相比,token 用量增加 27.2%,支出只增加 12%。OpenAI 和 Anthropic 的每百萬 token 平均價格降到 $0.45。Stripe 追蹤約 20,000 家使用其服務的 AI 公司,這些公司的收入在截至 11 月 8 日的 52 週成長 103%,但以最近 13 週換算的年化成長率,已從幾個月前的約 140% 降到約 80%。兩組資料都顯示市場仍快速成長,只是成長速度正在放慢;這些資料各自只涵蓋特定企業和平臺,不能代表整體市場。

  10. hackernews10069

    Pete Warden 談本機 AI、語音介面與 AI 硬體的未來

    AI 越來越常靠雲端運作,但這會帶來費用、網路連線和資料隱私等考量。Pete Warden 在訪談中談到,本機模型已能處理不少日常工作,放在自己的電腦或企業掌控的伺服器上,也能減少對外部服務的依賴。他還認為,語音介面要讓人用得自然,回應速度很重要;如果等待太久,使用者會不確定系統有沒有聽見。至於 AI 硬體,他談到記憶體頻寬和不同型別的加速器,認為執行模型的需求和訓練模型並不一樣。