跳到正文

全部動態

RSS
今日 4 則
11月18日週三
  1. a16z49

    AI 助理現在已能像研究實習生一樣,照著人指定的方式執行實驗、跑程式並整理結果;Mark Chen 說,這類工作通常範圍明確,不是叫 AI 自己想研究方向。John Schulman 分享,他讓 Fable 花幾天嘗試研究點子,確實能做出一些合理實驗,也提出有趣想法,但最後可能沒完成原本的任務。人類研究者能一邊動手寫程式、一邊累積理解,提出 AI 沒想到的問題,並把研究帶往不同方向。因此,AI 已能幫忙做部分研究工作,但仍需要人判斷目標並引導過程。

  2. llama.cpp Releases36

    llama.cpp 修正 Qwen4exp 的 FP8 模型檔轉換問題

    更新修正了 llama.cpp 轉換 Qwen4exp 模型檔時,FP8 n-gram 表格的縮放設定與區塊縮放權重處理問題,也補上從 ModelOpt 模型檔還原區塊縮放權重的處理。這讓相關模型檔能更正確地轉換;更新也列出 macOS、Linux、Android、Windows 等平臺的下載版本。

  3. Arena.ai61

    GPT-6.2 Astra、Sol 和 Claude Fable 5.2 的 Agent Arena 分數尚未公佈。等待期間,Peter Gostev 以實際操作比較這些模型生成視覺內容的表現,測試專案包括 3D 場景、HTML 動畫、網站、遊戲和資料圖表,也展示了各項測試使用的提示詞。這則貼文提供影片的初步觀察;Arena 表示,根據全球使用者實際工作紀錄計算的分數將於近日公佈。

    推薦理由:這場實測涵蓋 3D 場景、動畫、網站、遊戲與資料圖表,可用來瞭解比較範圍和各模型的初步表現。

  4. Vercel Blog85

    Vercel AI Gateway 迎來 GPT‑6.2 Astra 與 Sol

    Vercel AI Gateway 現已支援 OpenAI 的 GPT‑6.2 Astra 與 Sol。Astra 適合複雜多步專案,支援程式碼變更、檔案範本與電腦使用;Sol 針對日常編碼、寫作與代理工作流程,能從簡短需求建置互動式網頁。使用者可透過 API 指定模型 ID,並可啟用 Ultrafast 服務,降低成本;亦可在 Vercel CLI 內設定並於 Codex、Cursor 等編碼代理使用。

    推薦理由:瞭解 GPT-6.2 Astra 與 Sol 在 AI Gateway 的功能差異與使用方式

  5. Vercel Blog68

    MAI-Image-2.7 與 MAI-Image-2.7-Flash 於 AI Gateway 正式上線

    Microsoft 推出的 MAI‑Image‑2.7 與 MAI‑Image‑2.7‑Flash 兩款影像生成模型,已在 Vercel 的 AI Gateway 進入公開預覽。它們可產出最大 2048×2048 畫素、支援透明背景的 PNG,並能用同一 API key 進行文字生成或圖片編輯。MAI‑Image‑2.7 針對高品質最終素材,MAI‑Image‑2.7‑Flash 則提供更快、成本更低的變體。開發者只需設定 AI_GATEWAY_API_KEY,即可透過 Vercel AI SDK 或 AI CLI 直接呼叫。

    推薦理由:本文說明 Microsoft MAI-Image-2.7 及其 Flash 版可在 AI Gateway 直接使用,支援 2048×2048 解析度與透明背景,適合需要高品質或快速生成影像的應用。

  6. Vercel Blog57

    Vercel AI Gateway 開放使用 Microsoft Decision-1.1

    把客服問題分給合適團隊、替工作流程選下一步,或評分 AI 的回答,都需要清楚、方便程式處理的結果。Vercel AI Gateway 現在提供 Microsoft Decision-1.1,能回傳真假判斷、分類選項及各選項的機率,或依自訂尺度給分;同一個請求也能用同一份輸入回答多個問題。它沿用 Decision-1 的請求格式,開發者可透過 AI SDK、相容 OpenAI 的 Decisions API 或 AI CLI 呼叫。

  7. Vercel Blog83

    Vercel 推出 eve 1.0,開源框架助你快速打造多租戶 AI 助理

    Vercel 近日正式釋出 eve 1.0,這是一套開源框架,讓開發者能在同一個「harness」裡管理模型、工具與子代理,並支援多租戶、多人協作與安全審核。框架內建的 Workflow SDK 能自動儲存進度,支援 Slack、Teams、Discord 等多個通訊管道,並且在 Vercel 上可即時部署。新版把回應延遲從 3 秒降到 0.4 秒,工作流程成本降低 76%,還提供 OpenTelemetry 追蹤與多種記憶體供應商。對想快速落地 AI 助理或軟體工廠的團隊來說,eve 1.0 提供了完整的工具箱與即時部署環境。

    推薦理由:此公告說明 eve 1.0 讓開發者以單一框架構建多租戶 AI 助理,對快速落地代理系統的團隊具實務參考價值。

  8. Vercel Blog60

    Vercel Blob 新增 TTL 自動刪除功能,簡化暫存資料管理

    開發者常遇到暫存檔案需要手動刪除的麻煩,Vercel Blob 近期推出 TTL (Time‑to‑Live) 功能,允許在上傳時指定保留天數,系統會自動在到期時刪除。你只要在 put、copy 或 presign 時加入 ttlDays,回傳的 expiresAt 會告訴你何時會被清除;CLI 也支援 --ttl-days 引數,並可用 set‑ttl 來延長或清除 TTL。這項功能不僅省去手動清理,還能在觀測面板追蹤 TTL 操作,讓資料管理更輕鬆。

  9. a16z39

    研究品味,是看出哪些點子長遠來說重要、能被其他想法接著使用,最後也可能超越最初發表的論文。John Schulman 認為,研究直覺來自親自做研究,也要大量閱讀過去的成果,從中吸收經驗。Mark Chen 則說,現在的模型還不太會想出好點子,反而更擅長調整超引數等細節。未來公司可能用人類回饋強化學習,請研究人員評分哪些想法好、哪些不好,讓模型從中學習。這很重要,因為做研究不只要把引數調好,還得知道哪些問題值得花時間。

  10. llama.cpp Releases56

    llama.cpp b12480 把 Llama Chat 的共用介面整理成 UI 函式庫

    Llama Chat 原本把不少介面元件、顏色設定和字型留在自己的程式碼裡,與共用版本重複維護。這次 b12480 把這些內容整理進新的 @ggml-org/llama-ui 套件,聊天介面改從套件取用元件、模型資訊和樣式,建置流程也會在函式庫內容變動時重新建置。更新還修正子選單被選單邊界裁切,以及切換對話時可能把回覆節點寫到錯誤對話的問題。

  11. 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。

  12. OpenAI News73

    OpenAI 更新 Astra for Law,提升法律研究與檔案撰寫表現

    法律工作需要查詢判例、整理資料並寫出有根據的答案,引用錯誤可能造成嚴重影響。OpenAI 更新了 Astra for Law,將 GPT‑6.2 Astra 搭配更大的法律搜尋資料庫與法律研究指引,協助模型查法規、衡量不同依據並撰寫答案。在一項測試中,它有 20.8% 的作業拿到滿分;在另一項法律研究測試中,滿分比例從約 46% 升到 53.8%。搜尋資料庫也增加超過 80 million 個網址。ChatGPT Enterprise 客戶現在可申請使用,也可申請 API 存取權。

    推薦理由:原文比較 Astra for Law 在多項法律測試中的表現,也說明法律搜尋資料庫擴充後,研究答案的完整得分比例有所提升。

  13. AWS Machine Learning Blog63

    AWS SageMaker JumpStart 開放部署 OpenTSLM 時間序列模型

    只看大量裝置數字,很難及早看出問題從哪裡來。OpenTSLM 能把 CPU 使用量、磁碟空間等數值,和維修紀錄或文字說明放在一起分析,再整理可能的狀況、建議檢查方式和預期結果。文中以 Nexthink 的 IT 支援為例,Spark 會先確認磁碟空間是否不足,經員工同意後才進行清理,並確認問題是否改善。AWS 也示範如何在 SageMaker JumpStart 部署模型,以及用 ARFBench 資料微調;這提供了把時間序列資料接進實際工作流程的做法。

    推薦理由:OpenTSLM把數值變化和文字背景放在一起分析,文中也示範如何部署與微調,呈現從資料到實際 IT 支援的做法。

  14. AWS Machine Learning Blog76

    SMART 如何用 Amazon Bedrock AgentCore 串接 WhatsApp AI 助理

    把 AI 助理接上 WhatsApp,麻煩的地方常是訊息格式、圖片和語音處理、對話記憶與提醒排程。AWS 的開源工具 SMART 提供 Python SDK 和 Terraform 設定,讓開發者把重心放在 AI 助理的提示詞、工具和商業邏輯,並由 SMART 處理通道工作。文章也示範如何在本機先試跑,再部署到 AWS;若訊息是在對方最後發言超過 24 小時後送出,就必須使用 Meta 預先核准的範本。文中提醒,這是供非正式上線用途的範例程式,部署前仍要符合自己的安全與法規要求。

    推薦理由:文章整理 WhatsApp 串接時常見的訊息、媒體、記憶與排程工作,並展示 SMART 如何把這些通道功能交給現成工具處理。

  15. Arena.ai69

    MAI-Image-2.7 已結束預覽,Arena 的榜單比較了它和前一版 MAI-Image-2.6 在圖片任務上的表現。新版本在多張圖片編輯排第 3,單張圖片編輯和文字生成圖片都排第 4,整體比前一版約高 50 分;單張圖片編輯的進步最大,例如文字呈現從第 13 名升到第 4 名。每張圖片價格是 $0.035,榜單也把它列在兼顧價格與排名的選項中。

    推薦理由:Arena 比較 MAI-Image-2.7 與前一版在多種圖片任務的名次,也列出每張 $0.035 的價格,方便了解效能與成本的取捨。

  16. GitHub Engineering81

    GitHub 如何用 Agent Host Protocol 讓 Copilot 工作階段跨裝置接續

    AI 助理如果綁在單一程式裡,關掉視窗或換裝置時,工作就難以接續;每個應用程式各自串接,也讓開發者不容易把 AI 助理帶進自己的工具。GitHub 說明 Agent Host Protocol(AHP)如何讓 VS Code、GitHub Copilot app 和其他使用者端共用工作階段、歷史紀錄與狀態。使用者端送出操作後,由伺服器更新狀態;遇到網路中斷時,使用者端可以重新送出排隊中的操作,等伺服器確認。VS Code 和 GitHub 也用不同語言各自實作主機,藉此找出協定需要補足的地方。

    推薦理由:AHP以獨立協定連線不同裝置與兩種獨立實作,文中也整理了跨網路中斷、重連與功能差異時的設計取捨。

  17. Artificial Analysis76

    模型在機器人基準測試拿高分,不代表每項實際操作都能做好。Artificial Analysis 用 Codex 控制真實機械手臂,讓 GPT-6.2 Astra 執行八項實體任務:完成六項,倒液體的任務部分完成,只有測量盒子失敗。它在 AA-Robotics v0.1 得到 79 分,比 GPT-6 Astra 高 10 分,也領先 GPT-6.2 Sol、Claude Fable 5.2 和 Gemini 4 Hydrogen。

    推薦理由:AA-Robotics v0.1 的分數比較與真實機械手臂測試,呈現模型在基準表現和實際操作任務上的差異。

  18. Google Developers Blog89

    Google 推出 Gemini 4 Hydrogen,讓機器人控制更快也更省

    讓機器人完成日常工作,常得先處理硬體設定、模擬環境和控制程式,花上不少時間。Google 推出 Gemini 4 Hydrogen,開發者用一般語言描述目標並提供相機畫面後,它就能規劃工作、撰寫控制程式,並在執行時持續調整。在一項機器人基準測試中,它操作真實的六軸手臂完成八種桌面任務,分數是 58,與 Gemini 4 Argon 相近,但每個 token 的成本較低。Google 也推出 Antigravity Robotics 外掛,協助設定手臂、建立 MuJoCo 模擬場景,再把測試過的應用帶到真實機器人上。

    推薦理由:Gemini 4 Hydrogen 在機器人任務測試中取得與 Argon 相近的分數,文章也展示它如何搭配工具完成從模擬到實機的工作流程。

  19. Arena.ai53

    OpenAI 的 GPT-6.2 Astra 和 Sol 已加入 Arena,排行榜分數還沒公佈,使用者可以先到 Agent Arena 試用。Agent Arena 會用全球使用者提供的大量真實長流程任務,測試模型完成工作的成果;模型能使用網頁搜尋、檔案系統和終端機工具。排行榜會把模型表現和平均模型比較,並用因果追蹤方法分析結果。這兩個模型也已在 Code Arena 的 WebDev、Text、Vision、Search 和 Document 專案中提供。

  20. ElevenLabs Official Blog65

    ElevenLabs 推出 Scribe v3 Live Medical,讓醫療電話更聽得懂藥名

    醫療電話裡的藥名、劑量和病情細節容易被聽錯,可能讓後續處理出問題。ElevenLabs 推出 Scribe v3 Live Medical,讓 ElevenAgents 能即時轉錄看診和醫療服務電話;醫療團隊也能加入最多 10,000 個自訂詞彙,並支援超過 90 種語言。PriMock57 測試中,它的字詞錯誤率是 12.8%,比測試中最接近的醫療模型少 17% 錯誤。這些結果來自 ElevenLabs 對部分模型的內部測試。

    推薦理由:原文以兩組醫療對話測試比較轉錄結果,可瞭解這款即時語音模型在藥名、症狀等臨床內容上的表現。

  21. Artificial Analysis83

    OpenAI 發布 GPT-6.2 Astra 和 GPT-6.2 Sol。Artificial Analysis 的評測顯示,Astra 在 Intelligence Index 排名第二,僅次於 Claude Fable 5.2;Sol 得分 57,和 GPT-6 Astra 相當,完成任務的成本約為其 15%。Astra 的價格是每百萬輸入與輸出 token $8/$40,比 GPT-6 Astra 低 20%,快取輸入則從 $1.00 降到 $0.40;Sol 的價格維持每百萬輸入與輸出 token $2/$10。兩款模型在科學、3D 和機器人評測表現突出,但編碼助理評分沒有提升:Astra 持平,Sol 比前代低 3 分。

    推薦理由:GPT-6.2 Astra 與 Sol 在多項評測的名次和價格效率各有表現,也出現編碼評分停滯或下滑,便於比較不同用途的取捨。

  22. Artificial Analysis73

    挑選影像編輯模型時,品質和價格常得一起考量。Microsoft 推出 MAI-Image-2.7 和 MAI-Image-2.7-Flash,Artificial Analysis 表示兩款模型在影像編輯與文字生成圖片的品質和價格比較中,都進入表現與費用的前段。MAI-Image-2.7 每 1k 張圖片要 $34.82,Flash 版要 $10.24;前者在文字或符號、場景與風格、畫面增強與修復等編輯專案排名第 1,後者在場景與風格編輯排名第 3。這些結果提供了比較兩款模型用途與費用的依據。

    推薦理由:Artificial Analysis 比較兩款模型在影像編輯與文字生成圖片的表現和價格,可看出不同任務下品質與費用的取捨。

  23. a16z38

    AI 已經能幫研究人員更快做實驗、寫程式和測試想法,但它離自己規劃並完成研究還有多遠?a16z 的節目邀請 OpenAI 的 Mark Chen,以及 Thinking Machines Lab 的共同創辦人 John Schulman,討論「遞迴式自我改進」:AI 能不能研究如何讓自己變得更好,再用新方法繼續改進。他們也談到研究直覺為何難教,以及 AI 為什麼可能成為協助解決 AI 對齊問題的重要工具。

  24. LangChain Blog56

    LangSmith 新增追蹤資料許可權,讓團隊除錯時保護客戶資訊

    工程師需要檢視 AI 助理的工作紀錄來找問題,但紀錄裡可能有姓名、健康資料或付款資訊,不能讓所有人都看見。LangSmith 新增三種管理方式:限制誰能看使用者輸入和模型回覆、按團隊設定許可權,以及依追蹤紀錄中的客戶或使用者資料決定誰能檢視。工程師仍可檢查工具呼叫和速度等資訊,必要時也能只讓負責某位客戶的團隊檢視相關內容。這些功能已提供給 LangSmith Enterprise 方案。

  25. Apple Newsroom63

    Apple TV 本週末直播 F1 拉斯維加斯大獎賽

    想看 F1 賽事時,觀眾可能也想同時掌握不同車手畫面和賽道狀況。Apple TV 將直播拉斯維加斯大獎賽,賽事畫面可加入更多車手視角,也有前三名車手畫面、賽道追蹤資訊和車隊畫面。到現場的車迷可用 Apple Maps 查詢入口、接送區、飲水站、步行路線和道路封閉資訊,也能檢視賽道附近景點與粉絲活動。美國觀眾需訂閱 Apple TV,月費為 $14.99,新訂戶可免費試用七天。

    推薦理由:Apple TV 將提供賽車多視角直播,並搭配賽道資訊與週邊指南,讓觀眾能比較不同觀看方式與現場服務。

  26. Google AI Official Blog88

    Google 讓 Gemini 代辦電話預約、帳單分析和購物

    打電話預約、翻帳單找問題或比價購物,都得花時間自己處理。Google 更新 Gemini 的 Task 功能,讓它能依照指示使用連結的應用程式完成多步驟工作,例如同時打電話詢問預約、找出電費變高的原因,或把商品加進購物流程;有些步驟仍會交回給使用者完成。購買前,Gemini 設計上會先詢問確認,也能設定支出上限。這項更新正向美國、日本、韓國、加拿大、澳洲和印度的使用者免費推出,部分進階功能先在美國推出。

    推薦理由:Gemini 把打電話預約、整理帳單和購物等日常工作串在一起,也設有確認步驟與支出上限,能看出 AI 助理如何代辦多步驟任務。

  27. Google Developers Blog73

    Google 開源 ABFS,讓 Android 大型程式碼庫更快下載與建置

    Android 程式碼庫很大,下載原始碼和重新建置常要等很久,也讓開發者和 AI 助理難以快速開好多個工作區並平行測試。Google 做了開源工具 ABFS,先載入檔案清單,等建置真的需要某個檔案時才下載,並重用 CI 和開發者已經做好的建置結果。Google 表示,Android 原始碼下載時間從約 36 分鐘縮短到不到 8 秒,完整建置則從約 80 分鐘縮短到 2 分鐘多。ABFS 也能讓多個工作區共用快取;Google 正探索把它用在其他大型 Git 專案。

    推薦理由:ABFS 把大型 Git 專案的檔案按需載入,並重用 CI 與開發環境的建置結果,文中以 Android 實測呈現這套做法如何縮短等待時間。