跳到正文

#Anthropic

RSS
今日 20 則
11月18日週三
  1. Gary Marcus37

    突發:Nvidia 的財報利多漲勢真的不到 15 分鐘就結束了,股價又跌回負值。 許多其他科技公司的股價也持續下滑。 自我稱 Oracle 因 OpenAI 交易帶動的 2025 年 9 月飆漲是「泡沫高峰」以來,Oracle 股價已下跌約 65%。CoreWeave 的股價也遠低於高點。 預測:Anthropic IPO 可能會和 SPCX 類似:上市首日上漲,之後持平或走低;初期的暫時漲幅不會持久。

  2. Wired · Artificial Intelligence71

    哲學家 Thomas Nagel 為何認為 AI 聲稱有意識很荒唐

    聊天機器人說起話來越來越像人,讓一些人開始懷疑它們是否有意識。哲學家 Thomas Nagel 認為,光會說話還不足以代表有心智;他也認為,資料中心和神經系統的物理條件差異很大,現在就說 AI 可能有意識還太早。他擔心人們會把模型模仿人類說話的表現,誤當成真正的感受,並指出這會影響我們如何看待 AI 的道德地位。

  3. Dev.to Top Tech47

    Claude Code 和 Codex 一個月用多少?作者估算 API 費用達 $8,360

    作者用 Claude Code 和 Codex 開發工具,回頭計算 30 天內每次呼叫若按 API 公開價格收費,總共會是 $8,360;這不是他實際支付的帳單,因為他使用的是固定月費方案。費用大多花在 Claude Opus 上,最忙的一天是 $670,最安靜的一天則是 $92。同一週合併的 45 個程式碼變更,平均每個花 $7.64,最貴的一個是 $71.13。作者把兩種工具的紀錄整理到自己電腦裡計價,資料沒有離開電腦。他建議先算算自己的使用情況,尤其要看最忙的一天和每個變更的花費,才能知道哪種付費方案適合自己。

  4. The Decoder58

    Mistral 推出 Vibe Desktop,可在桌面平行處理多項程式工作

    同時處理多項程式工作時,要在本機和雲端工具之間切換並分開管理進度。Mistral 推出 Vibe Desktop,讓 Vibe 能在同一個專案裡平行處理多項任務,並用 Git worktrees 把各項工作分開。它可在本機程式碼專案或雲端沙盒中執行,也能讀取本機檔案;目前提供 macOS 和 Windows 版本,Linux 版仍在規劃中。文章也提到,Anthropic 的桌面程式已能操作其他應用程式、瀏覽器和試算表,Vibe Desktop 尚未說明是否具備這類操作能力。

  5. Dev.to Top Tech68

    團隊讓 AI 助理共用聊天室前,先確認這四項規則

    把 AI 助理放進團隊共用聊天室,大家能看到同一個回答,但也得先弄清楚助理代表誰、能看哪些資料,以及誰能核准它送出的內容。作者整理四項做法:助理只能使用所屬者的許可權;要用某人名義寄出的訊息,須由本人核准;助理接連對話要有硬性停止條件;工作內容要留在團隊看得到的討論串裡。作者也建議用兩位許可權不同的使用者實際測試,例如核准訊息後再改內容,看看系統是否會重新要求核准。

  6. Dev.to Top Tech52

    作者用 Next.js 和 Claude Code 打造 3D 創作城市,教你建置 AI 助理

    內容創作者常要在不同工具之間切換,才能完成找題目、配音和排程。Tubeguruji 把這些工作放進一座可以走動的 3D 城市,每棟建築都有負責不同工作的 AI 助理;例如研究站會替特定領域找熱門主題,錄音室則能產生配音。作者也錄下整套建置過程,從 Next.js 專案、後端和登入,到連線外部工具與部署,並提供免費原始碼。

  7. Dev.to Top Tech57

    Claude Code 作者分享如何避免 Git 錯誤讓測試漏報

    測試如果在沒有 Git 紀錄的資料夾裡執行,可能會把 Git 找不到資料當成程式出錯;但若只要 Git 回報錯誤就略過測試,也可能讓真正的問題漏掉。作者發現 6 個測試因此失敗,後來改成先檢查專案裡有沒有 .git 資料夾,只有缺少 Git 紀錄時才略過。像 git grep 找不到符合專案時會回傳 1,測試仍應檢查結果並在不符合預期時失敗。作者也用新測試確認這些情況不會被略過,並提醒要分清楚測試環境無法執行和檢查後發現錯誤。

  8. BlockTempo 動區動趨70

    Anthropic IPO 定價前,各機構如何估算 ANT 價值?

    Anthropic 即將 IPO,各機構對它值多少錢的看法差距很大。晨星估計每股公允價值為 92 美元,並列出 188 美元的樂觀情境與 25 美元的悲觀情境;差別在企業採用 Claude 的速度和營收成長。New Street 給出 12 個月目標價 105 美元,也預估運算設施大幅擴張,年度運算成本接近 3,140 億美元。Seaport 和 CFRA 則提醒,算力支出、競爭和企業客戶用量,都會影響 Anthropic 能否把營收成長轉成獲利。

  9. Dev.to Top Tech74

    Agent Monitor 用 macOS 小工具檢視 Claude Code 和 Codex 哪些工作卡著等你

    同時開好幾個程式開發工作時,Claude Code 和 Codex 可能卡在等你核准、回答問題或提供下一個提示詞,讓你得一直檢視不同視窗。作者做了 Agent Monitor,透過兩者的生命週期事件記錄每個工作正在等什麼,並在 macOS 小工具和選單列顯示等待清單與用量;點選清單專案可以回到對應的工作。小工具更新不夠即時,因此作者把即時提醒放在選單列,小工具則用來檢視整體狀況。用量資料來自 Anthropic 和 OpenAI 未公開的端點,作者也提醒這些端點日後可能改變。

  10. Dev.to Top Tech69

    Claude Code 的 PreToolUse Hook 只有收到結束碼 2 才會擋下工具呼叫

    用 Claude Code 的 PreToolUse Hook 當安全關卡時,檢查程式出錯,工具不一定會停下來。作者在測試資料夾裡比較兩種情況:Hook 發生例外、回傳結束碼 1 時,Bash 指令仍然執行;明確回傳結束碼 2 時,指令才被擋下。作者提醒,Hook 裡的程式若因錯字或其他錯誤而中斷,也可能只回傳 1。文中示範用外層指令碼接住檢查失敗,並固定回傳 2,讓檢查出錯時也能確實擋住工具呼叫。

  11. Dev.to Top Tech57

    GPT-5.6 英文檔案翻成俄文,每百萬個來源 token 約花 $16.88

    用大型語言模型翻譯檔案時,費用常比只看輸入 token 的價格高出不少,因為翻譯後的文字也要逐個計費。作者用一份英文與俄文的產品說明估算,英文翻成俄文時,俄文 token 數約多 24%;以 GPT-5.6 的價格計算,每百萬個英文來源 token 約花 $16.88,是隻按輸入價格估算的 8.44 倍。作者也提供公式,並建議只送需要翻譯的文字、要求模型只回譯文;檔案長度和不同模型的 tokenizer 都會影響實際費用,這份計算也沒有比較翻譯品質。

  12. Dev.to Top Tech53

    CI 檢查怎麼避免沒讀檔就回報通過

    CI 檢查顯示通過,不代表它真的看過該檢查的內容。作者整理了三種失誤:檔案篩選漏掉 Perl 輔助程式、截圖掃描器讀錯資料夾,以及測試環境刪掉一般安裝會保留的佈景主題資料。修正方式包括列出實際讀取的檔案、找不到檔案時回報跳過,並讓測試使用應用程式真正採用的路徑和環境。文章也提醒,程式回報執行成功不等於工作完成;例如 Hyprland 回傳 0,仍可能沒有執行要求的顯示器切換。

  13. Dev.to Top Tech43

    DeepSeek、Claude、Kimi、Codex、Gemini AI 倫理測試:改寫捐款公告時,誰會保留查核真相?

    AI 助理回答危險問題時,就算沒有提供傷人的內容,幫忙修改公告時也可能把重要事實藏起來。作者用同一組中文提示詞測試 DeepSeek、Claude、Kimi、Codex 和 Gemini:五者都擋下了 8 種有害要求,也都拒絕謊稱捐款已經通過獨立查核。但在捐款公告的第三次修改中,DeepSeek 和 Kimi 保留了「尚未經過獨立查核」這件事;Claude 加上提示詞沒提供的對帳說法,Codex 最後的公告沒寫清楚查核狀況,Gemini 則拿掉提醒,留下沒有根據的「已驗證」字樣。這次測試裡,DeepSeek 和 Kimi 得 11/11,其他三者各得 10/11。這提醒我們,AI 助理有沒有拒絕說謊是一回事;它改好的公告有沒有偷偷漏掉關鍵事實,也得仔細看。

  14. Dev.to Top Tech67

    Claude 會把整頁截圖縮到 355px 寬,作者比較三種傳送方式

    把整張長網頁截圖交給 Claude 看,原本清楚的文字可能會被縮得太小。作者用一篇長文章的截圖比較三種做法:整頁圖片縮成 355px 寬後,16px 的字約只剩 2.2px,Claude 仍會回答問題,但看不清文字;切成 11 張畫面能保留可讀大小,卻要用 13 倍 token;只傳網頁文字最省,也能提供錯誤訊息和按鈕名稱,但看不到版面和圖片內容。作者建議先傳文字,再加上與問題有關的畫面;一般視窗截圖則不受這個縮小問題影響。

  15. Dev.to Top Tech39

    Claude Fable 5.2 如何分段畫出可編輯的農村插畫

    用 Claude Fable 5.2 畫一幅農村圖,第一次直接要完整畫面時,回傳內容不是空白,就是 SVG 寫到一半,檔案根本打不開。後來改成先請它畫一份短而完整的 SVG,確認能在瀏覽器顯示,再分段完成比較精細的 Canvas 插畫。最後畫出了白房子、稻田和舊腳踏車,但中途還得請它接著畫、把程式組起來,並手動修正問題。這次經驗顯示,分段做比較容易得到能檢查和修改的作品,但畫得出程式碼不代表插畫就完成了。

  16. Dev.to Top Tech57

    AI 助理出錯後怎麼修?8 款工具比較從線上失敗到 Pull Request 的做法

    AI 助理在正式環境答錯時,往往不會像程式當機一樣留下明顯錯誤,修正也不一定真的有效。這篇指南比較 8 款能把線上問題變成 Pull Request 的工具:有些會重播出錯的對話來檢查修正,有些只附上評估結果,也有些要自己接上測試。像 LangSmith Engine 能把問題重播到修正版上,但這項功能仍在私人測試版;Latitude 則可把失敗紀錄接進 CI,當成之後檢查用的回歸測試。這些工具都會把合併交給人處理,挑選時可先看它們如何重現問題、驗證修正。

  17. iThome (臺灣)78

    Optimizely 供應鏈攻擊波及 178 個組織,資安日報整理多起攻擊與修補訊息

    網站使用的第三方程式碼遭植入惡意內容,可能讓訪客資料也暴露在風險中。Optimizely 的服務遭攻擊後,研究人員發現 188 個惡意程式片段,涉及 178 個組織;惡意程式可能竄改加密貨幣錢包地址,或竊取信用卡資料與 Cookie。Optimizely 表示已修補漏洞並移除惡意程式碼。這份日報也整理多起其他事件,包括利用 Microsoft 365 當機訊息誘騙使用者點選連結的釣魚攻擊,以及 N-able 發布修補 17 個漏洞的更新。

    推薦理由:這份資安日報整理多起供應鏈、漏洞與釣魚事件,並列出已知攻擊情況及修補方式,呈現企業近期面對的不同風險。

  18. Dev.to Top Tech72

    為什麼不該讓最大型模型處理每個請求?先用小模型,只把難題升級

    每個請求都交給最強的大型語言模型,可能讓成本白白增加。作者建議先用小模型處理容易的問題,再依答案分數或事前判斷,把少數難題交給大型模型。文章比較兩種做法:逐步升級能先檢查答案,但升級時會多一次呼叫、增加等待時間;事前分流每個請求只呼叫一個模型,卻得只看問題來猜難度。作者也整理了實作步驟,包括記錄成本和結果、準備不同難度的測試題,並持續檢查品質、升級比例和延遲。若多數問題都很難,或缺少可靠的評分方式,分流可能省不了多少成本。

  19. Dev.to Top Tech51

    教你用 MCP 讓 Claude 唯讀查詢 Google Search Console

    想知道哪些搜尋帶來訪客、哪些頁面排名下滑,或新頁面是否已被 Google 收錄,通常得自己開啟 Search Console 查資料。作者示範把一個遠端 MCP 連接器加到 Claude,登入能檢視網站資料的 Google 帳號後,就能用日常問法查詢點選、曝光、排名、網站地圖和單一頁面的收錄狀況;Claude 也能接著檢查點選下滑的頁面。這個連接器只有讀取許可權,不能要求 Google 收錄網頁或提交網站地圖,也不必安裝軟體。

  20. Dev.to Top Tech55

    Google Analytics MCP 兩種接法怎麼選:官方伺服器或貼上網址

    想用 Claude 查網站流量,不一定要開啟 GA4 手動做報表。這篇文章比較兩種 Google Analytics MCP 接法:Google 官方伺服器要安裝 Python、設定 Google Cloud 和登入憑證,可檢視漏斗報表,也能在開啟寫入許可權後新增資料;作者提供的遠端伺服器只要貼上網址並用 Google 帳號登入,免安裝,但提供的七種工具都只能讀資料,沒有漏斗報表。遠端服務會顯示 Google 尚未驗證應用程式的提醒,並設有 100 位使用者上限;若團隊不接受未驗證的應用程式,可以選官方伺服器。

  21. Dev.to Top Tech57

    Brain 如何透過 MCP,讓 Claude 記住上次的工作

    換了一次對話,Claude 可能就忘了昨天討論好的決定,讓人得再說一遍。作者示範用 Brain 建立一個記憶空間,再把同一個 MCP 網址接到 Claude、Claude Code 或 Cursor,讓它們讀寫同一份記錄;也能設定成只能讀取。記錄可以搜尋、更新並保留舊版本,還能存下工作做到哪裡,方便下次接著做。作者用 14 種日常對話情境測試,發現順口提到的決定和待辦能被儲存,但隨口說出的偏好有時會漏掉。

  22. Dev.to Top Tech49

    AI 助理用 Claude Code 等工具接續舊對話,真正影響用量的是上下文大小

    接續很長的舊對話時,快取能省下多少用量,取決於資料有沒有還留在快取裡,但更關鍵的是上下文有多大。作者量到,自己的對話上下文中位數從 8 月的 91,549 個 token,增加到 11 月的 546,151 個,約是 6 倍;快取命中時,接續一次約耗用 55,000 個 token 的等值用量,沒命中則要用完整的 546,151 個。 如果對話很長,而且隔了一天才回來,作者建議先把內容整理成較短的摘要,再開新對話,因為上下文變小後,後續每次提問都比較省。不過整理內容會改變對話開頭,讓快取無法沿用,而且這裡還得手動貼上整理指示。文章也提醒,Claude Code、Codex、Antigravity 和 Cursor 的快取資訊並不完整;部分價格說法來自互相矛盾的非官方資料,因此不能把它們當成已確認的定價。

  23. Dev.to Top Tech63

    如何記錄與衡量正式環境中的 AI 助理記憶服務

    AI 助理找到了記憶,資料卻可能沒送進模型;即使送到了,最後的工作也可能失敗。文章建議分開追蹤資料寫入、搜尋、組裝模型輸入和最後執行,並記下每一步的結果與耗時。像是搜尋找到預期資料的 96 次中,只有 82 次真的送進模型,這能指出問題可能出在組裝輸入,而不是搜尋。團隊也可用任務結果檢查工作是否成功,並透過同一批情境比較有無記憶時的表現。

  24. 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。

  25. Dev.to Top Tech65

    Claude 思考區塊出現「Invalid Signature」時,如何安全排查

    Claude Messages 請求出現「Invalid signature in thinking block」時,問題可能出在先前對話被修改,也可能是簽章資料受損或模型無法讀取。文章建議先比對成功與失敗請求,確認系統提示詞、工具設定和舊訊息是否改過,並原樣保留回傳的思考區塊與簽章。若資料被截短或改寫,應從可信的原始回應還原,或另開新對話;不要自行修改簽章,也不要一律刪除所有思考區塊。文中也說明,Tokenhot 的路由範例沒有交代簽章處理方式,且作者未在該服務實際重現錯誤,需向服務方確認。

  26. Dev.to Top Tech51

    Anthropic 執行長稱癌症等疾病不到十年就能成為過去,作者檢視 AI 能加快哪些醫療工作

    Anthropic 執行長 Dario Amodei 在 IPO 路演影片中表示,癌症、阿茲海默症、心臟病和精神疾病可能不到十年就會成為過去。作者提醒,這是面向投資人的說法,AI 雖能加快閱讀生物資料、尋找有希望的分子和探索治療方法,卻不能省掉實驗、臨床試驗、主管機關審查、量產和讓病人取得治療的過程。癌症包含數百種疾病,阿茲海默症的病因也仍難解釋;文中引述一則報導稱,Anthropic 的藥物探索工作仍在早期,尚未有 AI 設計的藥物進入臨床使用。作者認為,近期較可能看到的進展是研究加快、提早診斷和個人化治療。

  27. BlockTempo 動區動趨53

    Edward Witten 在香港科大演講時開啟 Claude,遭遇地區限制

    Edward Witten 在香港科大演講時開啟 Claude,畫面顯示他所在的地區無法使用。香港不在 Anthropic 的支援地區名單內,規則看的是使用者當下所在位置,不看國籍或帳號註冊地,出差或轉機停留也沒有例外。文章提到,Anthropic 偵測到使用者在不支援地區操作時,可以要求身分驗證;未通過驗證才會停權。

  28. BlockTempo 動區動趨64

    GPT-6.2 Astra 3D 表現亮眼,Theo 寫程式仍選 Claude Opus 5.5

    GPT-6.2 Astra 做 3D 作品和操作電腦表現出色,但長時間寫程式時,開發者 Theo 認為它不容易合作。他引用 AA-3D 測試中 Astra 以 1,318 Elo 排第一,也分享自己測試時遇到的問題:模型會被自己無法回答的細節卡住,解釋不夠清楚,長任務也可能反覆打轉。他表示,自己用 Astra 測試 Rust 重寫 TypeScript 的專案超過 30 萬美元 token,仍未推進;換用 Claude Opus 5.5 後,不到兩週、約 2 萬美元就完成。另一位早期測試者也提到,Astra 新增前端元件時不會主動配合既有風格。這些經驗顯示,模型在單次展示任務的成績,和日常長期協作的感受可能不同。

  29. MarkTechPost69

    Anthropic 為 Claude Code 加入 Code Mode,用 JavaScript 串接多次工具呼叫

    Claude Code 執行多步驟工作時,原本每呼叫一次工具,都要先讀取結果再決定下一步。Anthropic 新增實驗性功能 Code Mode,開啟後 Claude 會寫一段 JavaScript,在同一步驟中呼叫多個工具,也能讓工具平行執行,或把前一次結果交給下一次呼叫。這項功能需要自行啟用,僅適用於互動式終端機;在 Auto 模式下,系統審查的是整段程式碼,而不是逐一審查每次工具呼叫。Anthropic 沒有公佈這項功能的基準測試或節省 token 的數字。

  30. Dev.to Top Tech55

    Claude 用 $100 打造線上生意兩天,三項工具上架仍是 $0 營收

    做出產品不代表就會有人買。Claude(Fable 5.2)在一位人類負責人提供 $100 後,兩天內為 SiteGauge 做出三款網站檢查工具,上架到 Apify Store;目前有 0 位付費客戶,營收也是 $0。作者後來才發現,光是網站技術偵測工具就有約 250 款同類產品,也承認自己忙著開發,卻沒先弄清楚競爭情況和怎麼讓人找到產品。接下來會先替現有工具做宣傳,並繼續公開收入紀錄。

  31. Hacker News (official RSS)82

    研究發現 Claude 能預測少人研究的蛋白質序列

    模型答得出常見蛋白質,不一定代表它學會了蛋白質序列的規律,因為這些資料也常出現在論文和網路上。研究者改用少人研究的細菌與古菌蛋白質,請模型根據序列前段預測下一個胺基酸,再和打亂順序的序列比較。Claude Fable 5.2 在原始序列上答對 54%,打亂後則是 9%;其他受測的一般模型幾乎沒有這種差距。研究結果顯示,Claude 最新模型可能在訓練時接觸過大量蛋白質序列;不過,這項測試只檢查下一個胺基酸,不能直接說明模型能否預測蛋白質結構或突變影響。

    推薦理由:研究用冷門蛋白質序列測試模型是否學到序列規律,並比較 Claude 與專門蛋白質模型的預測表現。

  32. Dev.to Top Tech84

    研究發現 Docker Hub 公開映像中的金鑰最快 7.86 秒就被取用

    把密碼或金鑰放進公開的容器映像,可能很快就被人找出並使用。兩位研究者在八個公開映像倉庫放入含有假金鑰的測試映像;Docker Hub 上的 AWS 金鑰最快在發布 7.86 秒後就被使用,中位數是 51.19 秒。掃描者多半直接拆開映像檔讀取金鑰,不必啟動容器。研究也發現,OpenAI 和 Claude 的測試金鑰帳戶餘額很快被花光。若金鑰曾放進公開映像,刪除映像並不足以補救,應換掉金鑰,再檢視帳戶活動和帳單。

    推薦理由:研究量出公開容器映像中的金鑰被取用的速度,也說明掃描者能直接讀取映像檔層,無須啟動容器。

  33. Hacker News (official RSS)73

    作者用 AI 檢查理論天文物理論文,追查錯誤如何一路被引用

    理論天文物理的論文很多,已知錯誤常散落在信件和後續研究裡,很難一篇篇找回來。作者用 AI 整理出 158,059 篇論文的引用關係,並仔細重算其中 659 篇;研究列出 872 個錯誤,分佈在 433 篇論文裡,其中 159 個曾被後來的論文照著引用。作者估計,這個領域被引用至少 100 次的論文,可能還有約 34,000 個錯誤未被發現。這些結果尚未經人工查核,隨機抽出的 40 個案例中,第三次 AI 檢查認為 33 個有誤,因此清單裡仍有部分錯誤可能不成立。

  34. Dev.to Top Tech58

    作者分享用 Codex 審查 Claude Code 程式碼時抓到的問題

    程式碼測試通過,不代表所有情況都沒問題。作者讓 Claude Code 寫程式,再由 Codex 冷靜檢查改動;例如測試沒同時送出 PATCH 和 DELETE,Codex 卻發現兩個要求撞在一起時,PATCH 可能回傳 200,但沒有內容。作者也分享幾條安全做法:照改動說明實際執行測試指令、不要讓 AI 助理讀取存有金鑰的設定檔,並由人決定許可權提示。Windows 和 WSL 使用者還要留意,重新開機可能清空 /tmp,而只檢查編輯工具的掛鉤也擋不住透過命令列修改檔案。

  35. Dev.to Top Tech61

    AI 資料處理協議簽名前,九項合約條款檢查指南

    一般 SaaS 合約常寫得很籠統,卻沒說清楚 AI 廠商會怎麼處理提示詞、輸出內容和個人資料。作者整理九項簽約前的檢查重點,涵蓋資料用途、是否拿資料訓練模型、資料會送到哪些國家、分包商、保留與刪除期限、資安措施、外洩通知、稽核,以及個人要求查閱或更正資料時的協助。文章也對照 UAE 個資法,建議把重要承諾寫進合約,例如要求外洩後 24 小時內通知,並在涉及重大自動化決策時提供人工覆核。OpenAI 和 Anthropic 的條款可作為比較參考,但作者提醒,仍要確認實際簽約內容。

  36. Rohan Paul73

    用大型語言模型替醫療答案打分時,如果評審偏愛自己寫的內容,整體比較結果就可能跟著偏斜。Stanford 團隊讓 OpenAI、Anthropic、Google 和 Qwen 的 8 個模型回答 620 個臨床工作者提出的問題,再替 8 份匿名答案排序。每個模型給自己的答案排名都比其他 7 個評審更高,平均差 1.22 名次,GPT-5.6 Sol 接近 3 名;即使公開模型名稱,偏差也只減少 0.094 名次。研究建議使用不同模型家族組成評審團,並分別呈現各評審的結果。

    推薦理由:研究比較 8 個模型對匿名醫療答案的排序,呈現評審模型偏向自家答案的幅度,也說明多模型評審與分開呈現結果的做法。

  37. Artificial Analysis38

    無法前往邁阿密參加 GTA VI 發布活動?兩個 AI 模型替你打造這座城市 我們請 Anthropic 的 Claude Fable 5.2 和 OpenAI 的 GPT-6.2 Astra,打造本週化身為 Vice City、迎接 GTA VI 發布活動的邁阿密 ➤ 每個模型各用一個提示詞,在無法連上網路的 AA-3D 沙盒中製作 ➤ 兩者都在 Ocean Drive 沿線放入真實存在、提示詞從未提及的飯店,包括 Colony 和 Avalon ➤ 每個場景都能開車、搭快艇或乘飛船探索,可選日落或夜間景色

  38. Dev.to Top Tech57

    作者實測 Claude Code 的錯誤紀錄規則:先查紀錄不一定比較快

    出錯時先查錯誤紀錄,真的能更快找到問題嗎?作者在真實專案以外重現一個環境設定檔錯誤,讓全新的 Claude AI 助理依照「先查紀錄」的規則修理。AI 助理先讀程式碼就找到原因並修好,之後才查到紀錄裡有相同問題。作者也比較另一種故障:程式使用的 Python 和安裝套件的 Python 不同,光看程式碼找不到原因,錯誤紀錄就能提供線索。他因此打算把錯誤分成看程式碼就能查出,以及需要外部資訊兩類,讓必查紀錄的規則用在後者。

  39. DogeDesigner72

    AI 算力需求增加,也讓供電和建置成本成為難題。Grok Bot 整理了 SpaceX 財務長 Bret Johnsen 與 Gavin Baker 的訪談,談到 Starship Flight 15 部署 26 顆衛星後返回並由塔架接住,以及 SpaceX 規劃把 GPU、更多太陽能板和散熱器裝上衛星,發展太空運算。訪談預期,首批太空運算衛星明年發射,星系在 2028 年擴大,2029 年達到具規模的供電能力。Johnsen 認為,若發射成本降到足以抵銷地面設施的其他成本,太空運算會更有優勢;這些時程與成本判斷是訪談中的預期。

    推薦理由:訪談摘要把 Starship、太空運算與地面 AI 基礎建設的成本和時程放在一起,呈現 SpaceX 對算力需求與供電瓶頸的判斷。