OpenRouter 教你如何評測 LLM,並比較 10 個模型的合成任務結果
OpenRouter 說明如何用符合應用輸入與輸出格式的任務評測 LLM,並比較正確率、費用與請求時間;文中也公佈 10 個模型在 60 項合成任務上的結果。
推薦理由:文章以可重現的合成任務示範如何同時檢查正確率、輸出格式、成本與回應時間,也揭示公開排名與特定工作負載結果可能不一致。
OpenRouter 說明如何用符合應用輸入與輸出格式的任務評測 LLM,並比較正確率、費用與請求時間;文中也公佈 10 個模型在 60 項合成任務上的結果。
推薦理由:文章以可重現的合成任務示範如何同時檢查正確率、輸出格式、成本與回應時間,也揭示公開排名與特定工作負載結果可能不一致。
小型模型計算量不大,但訓練時仍要等待資料傳送、工作排程和快取處理,整個流程可能因此變得很慢。Meta 團隊在 64-chip Google Cloud TPU v7 上,使用 vLLM、Tunix 和 MaxText 調整 Qwen3-0.6B 的 RL 訓練流程,讓每輪從產生回答到更新模型的時間,從約 100 分鐘降到最快 56 秒,並保留 8,192-token 的回答上限。文章也整理哪些調整有效、哪些沒有帶來明顯改善,並提供已合併到開源專案的設定與重現方式。
推薦理由:文章拆解小型模型訓練中,主機排程、同步與快取如何拖慢整個流程,並以逐步最佳化的實測結果呈現各環節的影響。
AWS 在 2026 年 10 月為 AI 開發者推出新模型與服務更新,涵蓋模型選擇、Agent 可用性、工作流程控制、結構化輸出及成本管理。 - 模型選擇:Claude Haiku 5.5適用於高流量、成本敏感的子 Agent 工作;Anthropic 表示,它在多數任務上的成本比 Claude Haiku 4.5低約 75%。
Modal 宣佈加入 gVisor 維護者行列,並說明其在容器隔離、GPU 工作負載與效能上的實作及上游貢獻。 - 治理變動:Google 將 gVisor(含名稱與商標)捐贈給 CNCF,專案將改採維護者主導的治理模式;Modal 與 Ant Group、Tines 承諾加入維護者,OpenAI、Tencent 和 NVIDIA 將繼續貢獻。
推薦理由:文章以 Modal 的部署需求說明 gVisor 如何兼顧多租戶隔離與 GPU 工作負載,並列出效能資料及已投入的上游改進。
推薦理由:Gemini 登上 Apple CarPlay,並可延續手機上的對話或透過 Gemini Live 進行語音交流,呈現其在車載介面中的使用方式。
Apache HTTP Server 的 HTTP/2 模組存在 CVE-2026-119618,未經驗證的遠端攻擊者可利用競態條件造成堆積記憶體損毀,進而執行任意程式碼。
推薦理由:文章說明漏洞觸發條件、目前利用情況與修補版本,並提供停用 HTTP/2 的暫時緩解方式,便於安全團隊安排處置。
Google Research 介紹一套研究中的穿戴裝置健康框架,結合可調整的健康年齡指標與 SensorWM,模擬不同生活習慣對未來 12 週生理指標的影響,並產生個人化教練計畫。
推薦理由:研究以可調整的日常行為推估健康年齡,並用穿戴資料模擬 12 週生活習慣變化,呈現個人化健康指標如何轉化為可執行的教練計畫。
Vercel AI Gateway 現已提供 Google Gemini Decision 1,這款多模態決策模型可處理文字、圖片、音訊、影片與 PDF,並回傳布林機率、選項或分數。
Google 推出 Gemini Decisions API,由 Gemini Decision 1 驅動,可在單次推論中處理多模態輸入與最多 1,000 個是非題、選擇題或評分問題。
推薦理由:Gemini Decisions API 將多模態輸入與最多 1,000 個封閉式問題放進單次請求,並提供延遲、價格與信心分數,便於評估路由和分類工作流程。
推薦理由:Artificial Analysis 將 Gemini Decision 1 與同類模型比較,呈現其知識與推理基準、檔案抽取表現及每項任務成本的差異。
Google 發布開放式生成 UI 協定 A2UI 1.0,讓 AI 助理描述互動畫面,再由各應用程式以原生元件呈現。 - 1.0 更新:加入雙向函式呼叫、無障礙支援與擴充中繼資料。
推薦理由:A2UI 1.0 將AI 助理描述介面與各平臺原生呈現分開,並加入雙向函式呼叫,說明開發者如何跨應用組合互動畫面。
Google 推出 Google Labs 實驗 Tabletop,讓群組即時共同建立行程、投票、分帳工具與賽事籤表。 使用者可加入連結、檔案與想法,再提示 @tabletop 或選擇範本來產生互動內容。 空間建立後可分享邀請連結,讓群組成員同時使用;目前透過候補名單在美國向 18 歲以上使用者推出。
AI 推論越來越耗用運算資源,怎麼讓模型在不同硬體上跑得更有效率,成了業界共同面對的問題。LMSYS Org 成立 SGLang 聯盟,邀請 NVIDIA、AMD、Intel、Google、Meta 等創始成員與 SGLang 維護者一起討論專案方向,並合作開發。成員每年參加兩次路線圖會議,也能透過工程經驗、實際部署回饋和測試資源投入合作;技術決策與程式碼是否接受,仍由 SGLang 維護者負責。聯盟希望讓共同的需求轉成工程工作,並公開路線圖與進度。
推薦理由:SGLang 聯盟讓多家硬體與基礎設施團隊定期交流推論需求,並把共同方向帶進工程合作,呈現開源專案協調發展的做法。
Google DeepMind 發布 AlphaGenome 2,可依特定人類細胞型別或狀態,預測 DNA 序列及其變異對基因活動的影響。 - 模型訓練:使用人類與小鼠的 bulk 及單細胞資料訓練,涵蓋超過 1.07 億個細胞剖面與 68 種組織;新增 DNA 甲基化預測。
推薦理由:AlphaGenome 2 在 TenK10K 資料集的因果變異辨識率由 16% 提升至 30%,可供評估單細胞模型定位疾病相關變異的能力。
Google Arts & Culture 推出南非藝術家 Esther Mahlangu 的首個線上回顧展,透過超過 45 則策展故事與 AI 生成影像呈現她的藝術、人生與早年記憶。
Gemini Omni Flash 1.2 在 AA-Video-Editing v1.1 取得第 2 名,並在兩項影片生成基準中超越 Gemini Omni Flash 1.1。
推薦理由:多項影片基準呈現不同幅度的名次變化,並列出擅長與較弱的任務,方便對照其影片生成與剪輯表現。
Go 團隊在開源發布 17 週年回顧 Go 1.26 與 Go 1.27 的進展,涵蓋語言與標準函式庫、執行效能、安全防護及開發工具,並說明後續規劃。
推薦理由:文章從語言、執行效能、安全防護與開發工具整理 Go 過去一年的變化,也交代 Go 1.28 與 1.29 的規劃方向。
Google 擴大 Gemini Intelligence 在 Android 裝置上的支援,並推出自訂小工具、裝置協助等新功能。 - 裝置與地區:motorola signature 27 將於美國開放預購;Pixel 10、Pixel 10 Pro XL 和 Pixel 10 Pro Fold 透過 Pixel Drop 取得最新功能。
推薦理由:內容列出 Gemini Intelligence 擴充套件至不同裝置與地區的功能和入口,便於比較各項能力的適用情境。
Google DeepMind 推出 Gemini 4 Carbon,主打處理複雜長時程任務,並在多個領域進行延伸驗證迴圈。 應用領域:軟體工程、資訊安全、知識工作與科學。
推薦理由:Perplexity 提供 WANDR 分數與單次任務成本,並和 Claude Fable 5.2 比較,呈現 Gemini 4 Carbon 的效能與成本資訊。
推薦理由:Gemini 4 Carbon 已開放給 Perplexity Pro 與 Max 訂閱者,並提供持續性 Teammates 和單次 Computer AI 助理工作階段兩種使用方式。
Google於 2026 年 11 月 10 日宣佈,Google AI Edge Gallery 與相關開發工具加入裝置端語音辨識(ASR)和文字轉語音(TTS),可在離線情境下提供語音互動。
推薦理由:文章整理 Android 與跨平臺語音方案的模型、延遲及整合方式,方便開發者依裝置與部署需求比較選擇。
Google 的 Gemini 4 Carbon 已在 Vercel AI Gateway 開放使用,至 11 月 30 日提供 5 折優惠。 用途與能力:Gemini 4 Carbon 面向複雜軟體工程、長時間 AI 助理工作與資安防禦,支援尋找漏洞、驗證風險及開發修補程式;Google 表示,它在多階段工程任務、編碼、全端網頁開發與科學推理方面有所改善,也更可靠地執行多步驟計畫、減少缺乏依據的主張,並能在需求模糊時改善協作。 上下文與使用方式:模型提供 1M token 上下文視窗,可處理大型程式碼庫與長輸入;模型名稱為 google/gemini-4-carbon,可在 Claude Code、Codex、Cursor 等工具中,安裝最新版 Vercel CLI 並完成設定後選用。 AI Gateway:提供統一 API,可呼叫模型、追蹤用量與成本,以及設定重試、故障轉移與效能最佳化;另支援自訂報表、Zero Data Retention、API 金鑰預算、路由規則與 BYOK。Vercel 表示,AI Gateway 按供應商價格計費,不加價,也不對推論收取平臺費。
n8n 現已支援 Google Gemini 4 Carbon,可在 AI Agent 節點與獨立的 Google Gemini 節點中使用,處理多步驟工作與不受信任輸入。
推薦理由:Carbon 在 n8n 的整合方式、代理工作流程範例與基準資料,呈現長任務處理和提示注入防護的實際應用脈絡。
Cursor 開放使用 Gemini 4 Carbon,並表示該模型在高 effort 設定下於 CursorBench 獲得 60.4%。
推薦理由:原文列出 Gemini 4 Carbon 在複雜任務、檔案分析與 3D、UI 設計上的用途,並說明 Ultra 訂閱者可開始使用。
Google DeepMind 開放 Gemini 4 Carbon,主打複雜知識工作、長流程AI 助理工作流程、軟體工程、資安與科學推理,並提供多種產品與 API 使用入口。
推薦理由:Carbon 展示資安防禦、長流程AI 助理與科學研究的能力及安全測試結果,並提供與 Argon 的基準和價格比較。
Gemini Robotics 2.5 登場了。🤖 我們最新的實體 AI 能學會數百種日常技能,從摺衣服、端上糕點,到在工廠現場自主分類汽車零件。 以下是它能力的一瞥 🧵
Google DeepMind 推出 Gemini Robotics 2.5,擴大機器人可學習的任務範圍,並提升執行速度、可靠度與安全性。 - 任務評估:模型在 200 多項任務中接受測試;相較先前基準,依任務型別成功率提高 30% 至 100%,完成速度快 20% 至 30%。
推薦理由:文章以 200 多項任務的評估與 Mercedes-Benz 生產線概念驗證,呈現模型在操作能力、作業可靠度及機器人安全上的進展。
Google 宣佈擴大與 Adobe 的合作,將 Adobe 創意與生產力工具整合至 Google 產品,並把 Google 的 AI 模型匯入 Adobe 應用程式。
推薦理由:合作把 Adobe 工具接入 Google 的搜尋、郵件、雲端硬碟與 Gemini,並讓企業在 Gemini Enterprise 使用設計與行銷代理程式,呈現跨應用整合方向。
Google Cloud 推出 Gemini for healthcare,整合分散的臨床、營運與行政系統,協助醫療團隊協調並執行多步驟工作流程。
推薦理由:平臺整合電子病歷、帳務系統、臨床指引與 Medicare 資料,並在人工作業監督下處理多步驟流程,呈現其在醫療行政協作上的應用方式。
Google DeepMind研究人員使用 AlphaProof Code,對 Signal 加密協定的實際程式碼,以數學證明驗證關鍵安全性質。
推薦理由:研究展示如何讓 AI 助理把 Signal 協定的安全目標轉成可機器檢查的證明,並將人工審查集中在需要判斷的部分。
要預測天氣和水情,得先把各地衛星與地面儀器的觀測整理成完整、更新快的全球影像。Google DeepMind 開放 SatWeave 和 PARDIG,提供即時資料與歷史資料,讓研究者和開發者用來打造天氣、水文和氣候應用。SatWeave 每小時整合全球衛星影像;PARDIG 則用 AI 推估全球降雨,每 15 分鐘一筆,平均延遲約 5 小時。文中評估顯示,PARDIG 在小到中雨的每小時降雨偵測表現,比 IMERG-Final 高 30% 以上,也能協助研究洪水、土石流和乾旱。
推薦理由:兩組資料分別補上全球衛星雲圖與降雨觀測,可供研究者評估天氣、水文與氣候應用,文中也比較了降雨偵測表現。
AWS Quick 以AI 助理、技能、資料來源與連接器協作,讓使用者用自然語言處理任務、查詢資料並在已連線的應用程式中採取行動。 - 技能結構與載入:技能遵循 Agent Skills 規格,以根目錄中的 SKILL.md 為核心;AI 助理先讀取技能名稱與描述,遇到相符任務時再載入完整指示。
我們今天也將 muse ember🔥 帶到 @googlecloud,還有 muse wonder🔮 和 muse spark 1.3⚡️!