跳到正文

#評測/基準

RSS
今日 14 則
11月15日週日
  1. Dev.to Top Tech36

    ChatGPT、Grok 等 7 款 AI 聊天機器人實測:誰寫行銷文最可靠?

    想用 AI 寫社群貼文或商品介紹,最怕它擅自補上沒說過的產品功能,害人把錯誤資訊直接貼出去。這次測試讓 7 款 AI 聊天機器人各寫 4 種短文,再逐一檢查內容。ChatGPT 每次都只給一個版本,也沒有編造資料;Grok 表現也不錯。Claude 會在缺少資訊時先詢問,但有時會給好幾個版本;其他模型則更常自行加料,例如替水壺寫上「免費配送」。7 款裡有 6 款加了原本沒提供的產品特色,5 款也超過 Instagram 每篇 5 個標籤的限制。AI 寫得像真的,不代表內容正確,發布前還是要逐項確認。

  2. Lobste.rs (Engineering Discussion)58

    調查 40 個大型 C 專案如何管理記憶體

    C 程式通常要由工程師手動安排記憶體,但 40 個大型專案的做法比想像中更多。這份調查比較各專案的配置程式碼,發現 SQLite 全靠手動管理,curl 和 Redis 也以手動管理為主;PostgreSQL 等專案則常用記憶體區域,Ruby、Julia 等專案主要依靠垃圾回收。調查也提到,Linux 和 QEMU 近年開始使用編譯器擴充功能,在離開指定範圍時自動清理記憶體。這些例子呈現了不同專案如何依需求選擇管理方式,但統計配置程式碼數量無法完整反映各方法實際使用的規模。

  3. Dev.to Top Tech74

    Namespace runners 怎麼計費?一次看懂 GitHub Actions 的設定與快取

    GitHub Actions 的執行費用不只看跑了幾分鐘,也會受機器規格和作業系統影響。這篇文章整理 Namespace runners 的兩種設定方式,並說明每分鐘會按 vCPU、記憶體規格和平臺換算成 unit minutes;例如,同為 2 vCPU、8 GB 的 Linux 機器,Namespace 預付價是每分鐘 $0.004,GitHub-hosted runner 則是 $0.006。文章也介紹可在不同工作間共用的快取磁碟,以及遠端 Docker 建置的計費方式。選擇前要留意快取可能被不同分支和儲存庫共用,並確認方案的同時執行數和工作時間上限是否符合需求。

  4. Dev.to Top Tech46

    DigImg、TinyPNG、ShortPixel 同圖實測:檔案大小和畫質怎麼取捨

    圖片壓得越小,畫面不一定還清楚;只看檔案大小,很容易漏掉畫質變差的代價。作者用同一張照片、透明 Logo、平面圖和介面截圖,分別測試 DigImg、TinyPNG 和 ShortPixel,記錄檔案大小與畫質分數。結果沒有固定贏家:照片用 DigImg 壓出的 JPEG 最小,TinyPNG 的 JPEG 畫質分數最高;透明 Logo 三者結果幾乎相同;介面截圖則是 ShortPixel 檔案最小,但畫面有損失,DigImg 保留了每個畫素。這次只有 4 張圖片,結果不能代表所有圖片;選工具時,最好同時看檔案大小和畫質,也確認圖片是否需要完整保留。

  5. Dev.to Top Tech54

    Claude Code 的免費 SEO 技能如何拆解競爭網站

    想知道競爭網站哪些頁面帶來流量,通常得花錢請人分析。作者實際安裝並檢視了 Every App 製作的免費技能 /reverse-engineer-seo:它會透過 OpenSEO 的 MCP 服務取得關鍵字、排名和反向連結資料,再整理成表格,呈現流量來源、熱門頁面與值得參考的做法。技能本身免費,但資料服務會收費;作者表示,一次分析約用 250 到 300 點數。報告也提醒,網站可以參考別人的頁面格式,卻無法直接複製對方累積的品牌信任,而且自動檢查通過不代表有人親自審核。

  6. Dev.to Top Tech57

    RunsOn 替代方案怎麼選?比較自管 AWS 與代管 CI 執行環境

    挑 CI 執行環境時,光比較每分鐘費率,常會漏掉機器由誰管理、能不能連到私有網路等差異。這篇文章比較 RunsOn、WarpBuild、Actuated、GitHub 的 Actions Runner Controller,以及多家代管服務,說明哪些方案讓機器留在自己的雲端帳戶,哪些會把維運工作交給廠商。RunsOn 按每月啟動的 runner 數量收年費,AWS 運算費另計;文章提醒,短時間同時跑很多工作,也會快速增加 runner 數。要比較費用,可以把上個月 CI 使用的 AWS 帳單除以工作執行分鐘,再衡量維護映像檔、配額和堆疊所花的時間。

  7. Wired · Artificial Intelligence37

    AI DJ 話太多還常講錯,讓聽歌氣氛全沒了

    聽歌聽到一半,AI DJ 突然插話講解下一首歌,常讓人從音樂裡分心。YouTube Music 的「Beyond the Beat」會在歌曲之間聊約 30 秒;Spotify 的 AI DJ 則會依照聽歌習慣和點歌內容挑歌。作者試用後覺得,Spotify 的解說比較精簡,但兩家的 AI DJ 都沒讓他想繼續用。像是 YouTube Music 把 Charli XCX 的名字念錯,還講了一大段歌曲介紹,卻接著播放沒有 Chappell Roan 合唱的原版歌曲。這讓作者覺得,AI DJ 的聲音像真人也沒用,空泛或講錯內容仍會打斷聽歌的興致。

  8. Dev.to Top Tech55

    Latchkey 和 WarpBuild 的 GitHub Actions runner 比較

    選 GitHub Actions runner 時,單看每分鐘價格,可能會漏掉自家雲端帳單、快取費用和工作失敗後的重跑成本。作者整理兩家服務公開的價格與功能:2 vCPU Linux runner 每分鐘,Latchkey 是 $0.0025,WarpBuild 代管版是 $0.004;WarpBuild 也能在自己的 AWS、GCP 或 Azure 帳戶裡執行,每分鐘收 $0.002 的平臺費,但雲端機器費用要另外付。Latchkey 有工作中自動處理暫時性故障的功能,WarpBuild 則提供更多作業系統和處理器選項。作者沒有實際測速,建議先挑一個工作跑一週,比較執行時間。

  9. 雷科技53

    研究:拿掉 ChatGPT 後,習慣用 AI 解題的人較容易答錯或放棄

    用 AI 解題雖然快,研究者想知道,拿掉工具後,人還能不能自己解題。三組隨機對照試驗共找來 1222 名參與者,分別做分數運算或閱讀理解;能使用 ChatGPT 的人一開始做得較快、答得較準,但研究人員收回 AI 使用許可權後,他們的答題準確率和繼續嘗試的意願都下降。這不代表短期用一次 AI 就會造成永久的認知損傷,而是提醒大家,學習時可以先自己想,再請 AI 解釋概念、提供提示或檢查思路,避免直接跳過思考過程。

  10. Phoronix (Linux HW & Benchmarks)57

    Phoronix 解讀 IBM s390 執行 ARM64 虛擬機器的新能力

    不同架構的程式通常不能直接在另一種架構的硬體上執行。IBM 工程師 Steffen Eiden 在 KVM Forum 分享了 s390 硬體執行 ARM64 虛擬機器的進展,這項功能也需要 Linux KVM 的支援,相關程式碼已開始合併到 Linux 7.4。文章提到,讓兩種架構一起運作並不簡單;IBM 也談到未來可能支援更多架構,並加強 ARM64 虛擬機器的能力。

  11. Dev.to Top Tech41

    掃描 10 個熱門 MCP Server 專案後發現:7 個有已知漏洞,全部都浪費 AI 助理的閱讀空間

    MCP Server 會在開發者的電腦上執行,可能讀寫檔案或使用 API 金鑰;如果裡面的套件有漏洞,風險就不只是在網頁上出錯。作者用 RepoXray 掃描 GitHub 上 10 個熱門 MCP 專案,共檢查 4,409 個檔案,發現其中 7 個用了已知有安全問題的套件。掃描也發現,這 10 個專案都沒有設定忽略檔,讓鎖定檔、建置產物等不重要內容佔掉約 217 萬個 token,可能增加費用,也讓 AI 助理更難專心看重要程式碼。

  12. Dev.to Top Tech61

    實測 uv 0.13.6:安裝含 6,000 個檔案的套件更快,也會拒絕特殊 tar 專案

    安裝含大量小檔案的 Python 套件時,解壓縮速度可能拖慢整個流程。作者用同一個套件測試 uv 0.13.6 和舊版:新版改用 tar-codec,在含 6,000 個文字檔的測試中,安裝中位時間是 2.53 秒;使用舊解壓程式時是 3.55 秒。新版也會拒絕含有字元裝置檔的套件;舊版則會安裝成功,卻悄悄漏掉該檔案。升級後第一次安裝還可能重新下載或建置相依套件,讓快取用量增加。

  13. Dev.to Top Tech58

    Namespace runners 怎麼計費?五種替代方案各適合什麼工作

    Namespace runners 的帳單可能比預期高,常見原因是記憶體也會計入用量,或超出方案額度後費率上升。這篇文章用 2 vCPU、8 GB 記憶體的機器比較 Namespace 和五種替代方案,並說明各家的價格與適用情況:Ubicloud 主打較低費率,Blacksmith 提供每月免費分鐘數,WarpBuild 可把 runners 放在自己的雲端帳號,Depot 強調大型快取,Latchkey 則適合常需要重跑工作的流程。文章也提醒,若需要 Windows、macOS 或 Apple Silicon,選擇會受限;搬家前還要檢查工作流程使用的快取和建置工具。

  14. Dev.to Top Tech73

    Cirrus CI 停止服務後,macOS 工作要搬去哪裡?

    Cirrus CI 停止服務後,團隊得替 macOS 工作找新地方跑,而這部分的費用常比 Linux 工作高很多。文章比較 GitHub、Namespace、Blacksmith、WarpBuild 和 Depot 的 macOS runner 價格與機器規格,也提醒 Cirrus CI 和 Cirrus Runners 是不同服務,搬法不一樣:前者要改寫工作流程,後者主要是更換 runner 標籤。以每月 8,000 分鐘 Linux、2,000 分鐘 macOS 的例子,GitHub 的 macOS 費用是 $124,佔計費總額 72%。若改用其他服務,還得留意 Xcode 版本、虛擬機器支援、裝置識別碼和同時執行數量。

  15. Dev.to Top Tech70

    GitHub Actions 和 GitLab CI 怎麼算錢?每月約 20,500 分鐘是費用分界

    選 GitHub Actions 或 GitLab CI,光比每分鐘價格不夠,因為兩家的免費額度差很多。作者整理兩邊公開的費率與額度:GitLab 會依工作使用的機器大小乘上費用係數,GitHub 則按機器規格收固定費率。以預設的 2 vCPU Linux runner 計算,已付費的 GitLab Premium 每月有 10,000 分鐘,GitHub Team 則有 $18 的額度,可用約 3,000 分鐘;每月用量約 20,500 分鐘時,兩邊的額外計費大致打平。公開專案也有差別:GitHub 的標準 runner 免費且不限量,GitLab 則提供折扣。實際選擇仍要看自己的用量與方案費用。

  16. Dev.to Top Tech74

    GitHub Actions 哪種 Runner 比較快?文章比較處理器、快取與排隊時間

    挑 GitHub Actions Runner 時,最快的處理器不一定能讓整個工作流程最快完成,還得看快取和排隊時間。文章整理 RunsOn 發布的跨廠商測試:2 vCPU 的 Linux Runner 單執行緒測試中,Namespace 得分 4,551,GitHub-hosted 得分 2,299;但 15 個工作同時啟動時,GitHub-hosted 的中位等待時間約 3 秒,第三方服務則是 10 至 27 秒。快取測試也有不同結果,而且 RunsOn 同時參與測試並排名,因此文章提醒這些數字有來源限制,建議把同一個工作放到不同 Runner 上,連續測一週再比較。

  17. Dev.to Top Tech68

    Depot 和 GitHub Actions 託管 runner 怎麼選?比較費用、規格與限制

    選 CI runner 時,光看每分鐘價格不夠,工作時間怎麼計費、機器有多少磁碟空間也會影響帳單。這篇比較指出,GitHub Actions 和 Depot 的 2 vCPU Linux runner 都是每分鐘 $0.006,但 GitHub 每個工作都會進位到整分鐘,Depot 則按秒計算後再合併計費。以 40 個各跑 70 秒的工作為例,GitHub 計費 80 分鐘,Depot 計費 47 分鐘;Depot 也提供較大的磁碟空間和 RAM 磁碟。作者沒有自行跑速度測試,因此建議把實際工作分別交給候選 runner 執行,再看自己的紀錄比較。若專案是公開的、免費額度夠用,或工作多半跑在 macOS,GitHub 可能更合適。

  18. Hacker News (official RSS)56

    作者如何用自製工具和 Codex 排列 15 個半圓

    把 15 個一樣大的半圓塞進最小的圓裡,手動畫圖很難知道怎麼排才更緊。作者先用繪圖軟體嘗試對稱排列,接著做出能調整扇形圖層的工具,再加入自動微調和搜尋功能,讓半圓可以不對稱地移動。最後,作者改用 Python 程式反覆尋找更好的排列,得到半徑 2.94853 的結果,排在排行榜前三名。作者也發現,衝上排行榜帶來成就感,親手摸索並和 Codex 一起做工具則更有趣。

  19. Dev.to Top Tech47

    Gadsby-4B 被禁止使用常見片語,結果變成愛亂聊的 AI 助理

    多數 AI 助理說話很有禮貌,卻常像照著制式範本回答。Gadsby-4B 的作者 Erin 替 Gemma 3 4B 設下奇怪規則:不能使用 Simple Wikipedia 裡出現過的任何相鄰兩個 token,再用它自己產生、挑選後留下的通順回答來微調。結果它開始拼錯字、用聊天縮寫,說話也更有個性。像有人問章魚有幾顆心,它答「數十億顆心臟細胞」,答案錯了,語氣卻很有精神。這個實驗讓人看到,限制常見說法能逼模型換一種表達方式;但它也可能繞過規則,或把錯誤答案說得很有自信。

  20. 雷科技39

    實探騰勢 N8:質感升級後,能在大型五人座 SUV 市場突圍嗎?

    大型 SUV 越來越多人想買五人座,因為少了第三排,後座和行李空間能更寬敞。騰勢 N8 起價 26.99 萬元,外觀變得更年輕,藍色和米色搭配的內裝也比過去更有質感;車長 5150mm,後座椅背能調到 146 度,還有吸頂螢幕,適合重視乘坐舒適的家庭。不過,後座少了扶手螢幕和手機無線充電,品牌銷量和消費者信任也仍是考驗。N8 有價格、空間和配備上的優勢,能不能賣好,還得看騰勢能否讓更多人願意相信並選擇它。

  21. Dev.to Top Tech73

    搜尋 API 哪個最能回答近期事件?實測比較六種服務

    AI 助理回答近期事件時,搜尋服務提供的資料會影響答案正不正確,也會影響等待時間。作者用 358 題答案會隨時間改變的 FreshQA 問題,比較六種搜尋 API,讓同一個模型各查一次再作答。兩種 Google 搜尋結果 API 的正確率分別是 88.5% 和 88.3%,但每次搜尋約要等 8 秒;Exa 約 0.74 秒,正確率是 83.0%。初步測試也發現,拿掉 Google 結果頁頂端的 AI Overview 後,正確率從 90.5% 降到 80.2%。測試沒有衡量各服務索引資料有多新,因此結果適合用來比較這組題目的表現,不能單靠它判斷差異是否來自資料更新速度。

  22. Dev.to Top Tech72

    Latchkey 和 GitHub-hosted runners 怎麼選?比較費用、支援平臺與重試功能

    要替 GitHub Actions 選執行環境,光看每分鐘價格不夠,因為方案月費、免費額度和能跑的系統都會影響帳單。作者比較 Latchkey 和 GitHub-hosted runners:以 GitHub Team 和 Latchkey Launch 的方案計算,每月約 7,714 分鐘的 Linux 工作量時,兩邊費用相近;用量更高時,Latchkey 的 Linux 執行費較低。Latchkey 也會診斷部分暫時性失敗並在同一次執行中重試,但只支援 Linux x86_64,沒有 macOS、Windows 或 arm64 執行環境。作者沒有實測兩者速度,建議挑一項工作試跑,再依實際紀錄比較。

  23. Dev.to Top Tech67

    WarpBuild 和 Blacksmith 怎麼選?比較 GitHub Actions 執行器的價格與功能

    替 GitHub Actions 換執行器時,單看 Linux x64 價格很難分出高下,因為 WarpBuild 和 Blacksmith 在各種尺寸的單價都相同。文章比較兩家的免費分鐘、快取、Docker 建置和執行環境:Blacksmith 每月提供 3,000 分鐘免費額度,arm64 執行器也較便宜;WarpBuild 則可讓執行器跑在自己的雲端帳戶,還能另外使用遠端 Docker 建置器。作者沒有實測速度,建議把同一個工作分別交給兩家執行器,從 GitHub Actions 紀錄比較時間,再依實際用到的功能和費用選擇。

  24. Dev.to Top Tech62

    GitHub Actions arm64 執行器各規格費率比較:工作最多能慢多少才划算

    GitHub Actions 的 arm64 執行器每分鐘比較便宜,但工作若跑得更久,省下的費用可能就不划算。作者整理 Linux 和 Windows 各規格的 arm64、x64 費率,並算出工作最多能慢多少才打平:標準 Linux arm64 便宜 16.7%,最多可慢 20%;16 核心 Linux 執行器則最多可慢 61%。標準 Windows 的 arm64 和 x64 費率相同,切換不會省錢。計費還會把不足一分鐘的時間進位,因此作者建議先用兩種規格跑同一個工作流程一週,比較實際計費分鐘再決定。

  25. Dev.to Top Tech76

    Rust 1.100 實測:never type、配置器與 Cargo 依賴防護

    升級程式語言版本後,有些原本能編譯的程式可能因型別推斷改變而出錯。作者把自己的電腦從 Rust 1.99.1 升到 1.100.0,測試 never type、可自訂的記憶體配置器,以及 Cargo 的依賴檢查功能。新版本會提醒專案中沒用到的依賴,也能設定等待新套件版本發布一段時間再採用;不過作者只確認設定可用,尚未測試它能否擋下新發布的版本。兩版的編譯時間也沒有明顯差別。升級前跑過測試,有助於找出少數可能受型別推斷變更影響的程式碼。

    推薦理由:作者實際升級並測試 Rust 1.100,整理出型別推斷可能改變的相容性風險,以及 Cargo 依賴防護的測試限制。

  26. Dev.to Top Tech55

    Namespace 和 Blacksmith 怎麼選?比對 GitHub Actions runner 的價格與規格

    挑 GitHub Actions runner 時,光看每分鐘價格,可能會把不同規格的機器拿來比較。這篇文章整理 Namespace 和 Blacksmith 的公開價格與功能,發現 Namespace 的 2 vCPU runner 有 4 GB 記憶體,Blacksmith 的同核心數 runner 則有 8 GB;把記憶體對齊後,兩者都是每分鐘 $0.004。Namespace 採預付方案,適合能預估用量、需要更多核心的工作;Blacksmith 每月提供 3,000 分鐘免費額度,費率較簡單,也適合更需要記憶體的工作。作者沒有實際跑相同工作負載,因此沒有提供速度比較。

  27. Dev.to Top Tech59

    作者測試 Qwen3.5 4B 能否取代 Gemma 4 12B,發現工具錯誤會影響結果

    小型模型用工具時,第一次呼叫出錯後能不能修正,會影響整體任務結果。作者用同一組訂單任務比較 Qwen3.5 4B 和 Gemma 4 12B,並測試工具遇到錯誤時直接結束,或把錯誤訊息交回模型處理。第二輪中,Gemma 4 12B 完成 480 次測試,Qwen3.5 4B 完成 428 次;但兩者差距沒有達到預先設定的判定門檻。當小模型先查錯資料,接著又遇到查詢結果為空時,常會停下來,沒有重試。作者提醒,測試工具使用能力時,工具如何回報錯誤會改變測到的結果;這次測試只涵蓋兩個模型、一組任務和一臺電腦。

  28. Dev.to Top Tech67

    GitHub Actions Runner 怎麼選?比較 GitHub 託管、自架與代管方案

    GitHub Actions 的工作需要 Runner 來執行,團隊得在省下維護時間、掌握環境和控制花費之間做選擇。作者比較 GitHub 託管、自架和第三方代管三種方式,並用每月 10,000 分鐘 Linux 工作和 2,000 分鐘 macOS 工作說明費用差異:GitHub 託管估算為 $184,Latchkey 代管方案為 $149,另加方案費;自架費用則取決於主機閒置時間和團隊維護工時。文章建議,只有需要特殊硬體、內部網路或自有環境時才考慮自架;其他團隊可依免費額度、作業系統需求和代管廠商風險來選擇。

  29. Dev.to Top Tech72

    GitHub Actions runner 替代方案怎麼選?比較 8 家服務的費率與功能

    GitHub Actions runner 的每分鐘費率看起來很便宜,實際花費卻會受記憶體、免費額度和計費方式影響。作者比較 8 家服務,列出 Linux 2 vCPU 的公開價格,也整理各家的記憶體、快取、作業系統和使用限制。像 Namespace 的 $0.002 方案只有 4 GB 記憶體;若要 8 GB,費率就變成 $0.004。文章也提醒,工作失敗後重跑會再花錢,短工作若每次都無條件進位,帳單可能比實際執行時間高出不少。

  30. Dev.to Top Tech60

    GitHub Actions 自管與代管 Runner 怎麼選?成本和安全差異一次看

    自管 GitHub Actions Runner 看起來不用付 GitHub 的使用費,但主機閒置、更新和故障處理都得自己負責。文章比較自管 Runner、代管服務和 Latchkey,並用每月 10,000 分鐘、2 vCPU 的工作量估算成本:自管每月合計約 $416 至 $560,其中 $400 是假設每月投入 4 小時工程時間的估算;作者也指出,把這項工時調成零時,自管的運算費會低於代管方案。安全方面,GitHub 建議公用儲存庫不要使用自管 Runner,因為外部貢獻者的程式可能在主機上執行並留下狀態。若工作需要特定硬體、私人網路或符合規範,自管可能有其理由;只為省運算費,還得把維護工時一起算進去。

  31. Dev.to Top Tech63

    2026 手機離線 AI App 評測:iPhone 和 Android 怎麼選?

    手機離線跑 AI,選擇會受手機平臺和想用的功能影響。作者實測並比較 7 款 App:Off Grid AI 能聊天、看照片、聽語音和生圖;只想聊天可看 PocketPal,Google AI Edge Gallery 則能試用 Google 的 Gemma 模型。各款 App 都要先下載模型,之後才能在飛航模式下使用;選擇時也要確認手機能否安裝,以及模型是否放得進記憶體。文中另整理各 App 的價格、平臺和功能差異,方便依需求挑選。

  32. Dev.to Top Tech58

    如何把過去的 AI 程式開發紀錄變成評測案例

    想知道 AI 程式助理的設定改了之後有沒有變好,只看完成時間或成功次數,很難公平比較。作者把一次舊任務整理成新評測案例:從紀錄取回當時的需求和 Git 起始版本,再準備一個有記錄差異的近似執行環境,讓新的 AI 助理重新完成任務。接著用實際執行檢查輸入內容、產生的摘要值和檔案變化,也跑原有的專案檢查。一次新嘗試通過了所有檢查,但環境並未完全隔離,原始解法也可能已公開,因此這個結果只適用於那次執行。儲存需求和起始版本,能讓未來重跑舊任務更容易。

  33. Dev.to Top Tech66

    RTX 3090 的 24GB VRAM 能跑 Qwen3.8-27B 嗎?作者拆解實際限制

    網路貼文說 RTX 3090 能輕鬆跑 Qwen 4 27B 和 Flash,但模型名稱和大小容易讓人誤會。作者查了 Hugging Face 上的模型資料:27B 模型原始檔案有 55.6GB,無法直接放進 24GB VRAM;改用 4 位元量化後,約需 16.7GB,還要替上下文和其他系統用途留空間。Flash-Next 的檔案更大,無法放進單張 24GB 顯示卡,官方提供的是雲端服務。作者建議從 8,000 token 的上下文開始,並實際測量速度;文章也說明,目前未見獨立測試同時回報這張卡上的速度與品質。

  34. Dev.to Top Tech67

    RunsOn 和 GitHub 託管執行器怎麼選?三筆費用與每月成本比較

    GitHub Actions 換成自架執行器,帳單可能不只看每分鐘費率,還要算儲存、網路和維護工作。作者比較 RunsOn、GitHub 託管執行器與 Latchkey,整理各自的費用、快取、執行環境和維運責任。以文中的每月用量為例,RunsOn 的 Linux 執行器費率較低,但它不提供 macOS,因此 2,000 分鐘的 macOS 工作仍由 GitHub 計費;公開專案則可免費使用 GitHub 標準執行器。文章也提醒,RunsOn 的 AWS 執行個體、儲存與網路費用會分開出現在 AWS 帳單上,搬遷前應一併估算。

  35. Dev.to Top Tech72

    作者比較八款模型在 Surface Laptop Ultra 上的記憶體頻寬

    同一臺筆電跑不同大型語言模型,生成速度不只看模型大小,也會受記憶體頻寬影響。作者把八款模型的檔案大小、每秒生成速度和啟用的引數量換算成每秒讀取的資料量;三款密集模型約用到實測頻寬上限的 87%–91%,MoE 模型則約為 43%–67%。這表示 MoE 雖然每個 token 要讀的資料較少,路由等工作也會讓記憶體沒那麼忙。作者提醒,只有關掉 speculative decoding、並清楚說明 token 怎麼計算,生成速度才適合拿來估算頻寬;數字也只反映這臺筆電和這次測試。

  36. Dev.to Top Tech57

    GitHub Actions Cost Index 比較 CI 執行環境的費用

    CI 費用不能只看每分鐘單價,作業系統、方案額度和額外費用都會改變最後帳單。這份比較整理了 GitHub Actions 和多家代管執行環境在 9 月公佈的價格:GitHub 的 macOS 每分鐘 $0.062,是 Linux 2 核心的 $0.006 的 10.33 倍;短工作也可能因分鐘數進位而多收費。文中用每月不同工作量試算,說明免費額度、使用者費用、固定授權和自備雲端各自怎麼影響總價,也提醒 BuildJet 已在 2026 年 3 月停止服務。比較方案時,應先用實際用量估算完整帳單。

  37. Dev.to Top Tech63

    RunsOn 和 Depot 怎麼選?比較 GitHub Actions 執行環境的費用與管理工作

    GitHub Actions 執行環境的帳單不容易直接比較,因為 RunsOn 按每月工作數收年費,AWS 運算費另計;Depot 則按執行分鐘收費,並由 Depot 管理 AWS 主機。文章整理兩者的費用、作業系統、快取和管理方式,並用每月 10,000 分鐘 Linux 工作的例子比較帳單:RunsOn 的授權費加上文中估算的 EC2 費用較低,但 AWS 的儲存與網路費用另計。RunsOn 需要團隊管理 AWS 配額和設定;Depot 費用較高,則不必自行維護 AWS 帳戶。作者沒有實測同一份工作,因此沒有提供速度比較。

  38. Lobste.rs (Engineering Discussion)44

    25 款我最喜歡的現代 NES 遊戲

    老 NES 還有新遊戲推出,而且不少作品能上網下載,也有實體卡帶可玩。作者挑出 25 款喜歡的遊戲,依英文名稱排序,沒有排名;玩法從救火合作、躲開礦坑敵人,到對抗怪物都有。像《Blazing Rangers》就要兩名玩家合作拉著水管滅火、救出孩子。這些新遊戲讓老主機繼續有新冒險,也讓喜歡復古遊戲的人能在原本的 NES 上玩到新作品。

  39. Dev.to Top Tech45

    Bloom-Counter 壓力測試:光線和遮擋會讓花朵總數看似正確,花苞與盛開花朵卻分錯

    溫室裡的光線會變,葉子也常遮住花朵;如果只看總數,盛開的花可能被算成花苞,花苞也可能被漏掉,數字看起來還是對的。Bloom-Counter 用照片和顏色來分辨花苞與盛開的花,但這次測試發現,光線變暗時,盛開的花會被分到花苞那一類;葉子遮住花朵時,碎片又可能被誤認成花苞。測試中,葉子遮住花朵約 0.8 倍半徑時,花朵總數比實際多了 81%。 先調整照片亮度和顏色,能改善部分光線變化造成的錯誤,但遇到過曝或低光雜訊時,反而可能漏算或多算。這提醒我們,數花不能只核對總數,還要分別檢查花苞和盛開花朵有沒有算對;照片裡被葉子完全擋住的花,也不是調整顏色就能找回來。

  40. Dev.to Top Tech69

    Ubicloud GitHub Actions 執行器的 4 到 7 倍優惠,實際差在哪裡?

    Ubicloud 宣稱 GitHub Actions 執行器可省下 4 到 7 倍費用,但「7 倍」也算進工作跑得快兩倍的說法,不能直接當成帳單折扣。作者比對雙方公開費率,發現 Linux x64 標準型在 2 和 4 vCPU 時便宜 4.8 倍,高階型是 3 倍;arm64 則從 4 倍降到 2.5 倍。Ubicloud 沒有 Windows 或 macOS 執行器,所以需要這些系統的工作仍得留在 GitHub。公開專案使用 GitHub 標準執行器免費且不限分鐘,改用 Ubicloud也不會省下執行費。文章提醒,若想確認工作是否真的跑得更快,可以讓同一項工作在兩邊各跑一段時間,再比較紀錄。