跳到正文

#Anthropic

RSS
今日 20 則
11月18日週三
  1. BlockTempo 動區動趨47

    Qwen4-Max 第三方評分落後 Claude,蒸餾是否受阻還沒有定論

    阿里自家測試說,Qwen4-Max 的表現和 Claude Opus 5.5 差不多;但在 Artificial Analysis 的榜單上,Qwen4-Max 得 43 分,低於 Opus 5.5 的 59 分,也比 Claude Fable 5.2 的 65 分少。有人猜,Anthropic 把 Claude 的思考過程藏起來後,其他模型更難拿這些資料來訓練、追上 Claude;不過這目前只是社群的說法,還不能當成定論。 Anthropic 表示,完整的思考過程比摘要更適合拿來訓練模型,也說新防護讓可能被取走的推理內容減少約 90% 到 99%。文章提到阿里是 Anthropic 指控的物件之一,但阿里沒有公開回應;目前沒有證據證明 Qwen4-Max 分數較低就是蒸餾受阻造成的。

  2. BlockTempo 動區動趨51

    GPT-6.2 Astra 和 Claude Fable 5.2 實測做 3D 影片,速度、費用與光影各有優勢

    用 AI 做 3D 動畫或遊戲,成品的細節、光影和製作時間都可能差很多。這篇整理四組個人測試,讓 GPT-6.2 Astra 和 Claude Fable 5.2 用相同提示詞製作水上飛機場景、牛仔短片、飛行遊戲和海盜船。測試中,Astra 通常做得較快、花費較少,物件細節也不錯;Fable 的光影和場景完整度較好,在牛仔短片中差距特別明顯。不過每組只測一次,提示詞多半沒公開,費用也由作者估算,不能直接當成公平的全面比較。

  3. The Economic Times · ETtech70

    Anthropic 面對市場疑慮,仍準備推動 IPO

    市場擔心 AI 泡沫、借錢成本升高,加上資料中心擴建受到政治阻力,讓 Anthropic 的上市計畫面臨考驗。這家 Claude 聊天機器人背後的公司仍打算在週四 IPO,預計募資可能超過 $60 billion;若延後上市,公司也得面對更貴的借款,以及龐大的運算和基礎設施支出。Anthropic 已背負 $6.2 billion 債務,目前仍未獲利,並表示未來幾年已有需要支付 $900 billion 的租約和其他合約。文章指出,趁市場仍願意給高估值時上市,可能有利於募資;但股價大幅起伏,也讓 IPO 投資人承擔不小風險。

  4. aihot78

    Anthropic 工程師分享如何用 Claude 壓測 Claude Docs,20 億次請求僅有 60 次伺服器錯誤

    Claude Docs 上線前,團隊還不確定服務能否承受大量使用者同時建立和開啟檔案。Anthropic 工程師讓 Claude 在仿照正式環境的測試伺服器上連續兩週製造大量檔案、故意弄壞服務,再讀取監測資料、修改程式並重跑測試;遇到難以復原的資料庫變更時,則先停下來請工程師決定。測試也找出大型檔案耗用過多記憶體的原因,讓團隊把預估所需的伺服器數量從 500 多臺降到約 50 臺。Claude Docs 上線後,文章記錄 20 億次請求中有 60 次伺服器錯誤,團隊也分享了這套流程的成本估算與操作步驟。

    推薦理由:這次復盤呈現一套上線前的壓測與修復流程,從遙測、技術選型到人工把關,說明 Claude 如何協助工程團隊找出服務瓶頸。

  5. Dev.to Top Tech79

    AI 模型幾個月就更新,新的電網接電卻要等 61 個月

    AI 模型一代接一代推出,資料中心要增加用電,卻得等電網審核和接線,兩邊的速度差很多。文章指出,2025 年美國新電網連線的等待時間中位數是 61 個月,2008 年則是 22 個月;而資料中心擴建計畫可能在三年內讓總容量翻倍。文章也整理兩種取得電力的做法:讓資料中心直接向電廠取電,或簽長期購電合約。FERC 曾否決 Amazon 提高核電廠共址供電量的提案;Microsoft 則簽下 20 年合約,計畫在 2028 年重啟 Three Mile Island 1 號機組。文中也教讀者查詢州公用事業委員會的公開案件,瞭解當地是否正在審查大型用電需求。

    推薦理由:文章比較模型更新與電網接電所需的時間,並整理共址和長期購電合約如何避開漫長的排隊等待。

  6. TechCrunch · AI71

    Nvidia 持有的新創股權增至 $65.5 billion,黃仁勳卸任後投資走向受關注

    Nvidia 投入新創和其他公司的金額大增,但黃仁勳卸任後,這筆資金還會不會照原本的規模流向新創,仍不明朗。公司表示,持有的私人公司股權目前估值為 $65.5 billion,高於 1 月公佈的 $22 billion;過去一季投入股權 $16 billion,過去 9 個月共投入 $58 billion,包含買進上市與私人公司的股份。Nvidia 財務長說,未來會更嚴格評估投資、承諾與保證,也表示會把扣除策略用途後的多餘現金流還給股東。報導引述投資人預期,新任領導層可能採取較保守的做法,讓創投圈擔心新創資金會減少。

  7. Dev.to Top Tech49

    檢查 15 個大型醫療網站:三分之一在 AI 助理讀到內容前就擋下它

    病人會問 AI 助理哪裡能看某種病、藥物有沒有給付,或哪裡能領藥;但如果醫療網站不讓 AI 助理讀取公開資訊,回答就可能漏掉這些服務。作者檢查 15 個醫院、保險公司、藥局和健康資訊網站,發現其中 5 個回傳防機器人頁面,另有 1 個網站無法連線;只有 9 個能讀取。這 9 個網站都在網頁程式開始執行前提供文字,也都允許受檢的 AI 助理爬蟲讀取。像 Mayo Clinic、Johns Hopkins Medicine、Zocdoc 和 GoodRx,就都擋下了這次檢查使用的工具。這不代表它們一定會擋 ChatGPT 或 Claude 的官方爬蟲,但診所和藥局可以檢查公開頁面的防護設定,讓 AI 助理讀得到服務、地址和看診資訊,同時繼續保護病人入口與預約頁面。

  8. Dev.to Top Tech63

    lmux 推出 macOS 終端機,讓你撤回送錯的 Claude Code 提示詞

    同時開著好幾個 Claude Code 工作時,提示詞可能送錯對話;要撤回時,也可能不確定程式已改了哪些檔案。作者做了 lmux,一款 macOS 終端機,讓使用者把提示詞退回送出前,也能修改後再送一次。0.2.0 還加入分岔工作階段,以及移除提示詞時選擇還原檔案的功能;還原會改回 Claude Code 用自己的工具編輯的檔案,之後對這些檔案所做的修改也會被覆寫,因此操作前會先詢問。lmux 免費開源,但目前只支援搭載 Apple silicon 的 macOS 14 以上版本,撤回、還原和分岔功能目前只適用於 Claude Code。

  9. Dev.to Top Tech36

    研究追蹤 287 則 AI 回答:ChatGPT、Gemini、Perplexity 和 Claude 引用哪些來源

    想知道品牌為什麼會被 AI 助理推薦,可以看看它們回答問題時引用了哪些網站。作者用自家工具 AIVisib,測試 ChatGPT、Gemini、Perplexity 和 Claude 對 24 個買家問題的回答,共收集 287 則,涵蓋英文、法文和阿拉伯文。結果發現,AI 助理常引用 HubSpot、Semrush 等網站;同一品牌在 ChatGPT 的能見度是 3%,在 Gemini 和 Perplexity 都是 4%,在 Claude 則是 0%。英文回答中,品牌出現率為 8%,法文和阿拉伯文都是 0%。這提醒品牌不能只檢查一種 AI 助理或一種語言,也可以先從較具體的問題和 AI 助理常引用的網站著手。

  10. iThome (臺灣)67

    Forescout 研究團隊用 AI 找出 66 項 TCP/IP 堆疊新漏洞

    工控、醫療和物聯網裝置常共用 TCP/IP 網路軟體,一處漏洞可能影響多種產品。Forescout 旗下研究團隊用 Claude 和自建工具分析 10 套嵌入式 TCP/IP 堆疊,約 90 小時找出 66 項新漏洞,其中 52% 屬重大或高風險;部分漏洞可能讓裝置異常或無法提供服務。研究團隊表示,AI 協助分析約花 10 小時,後續仍用約 80 小時驗證,且需要研究人員參與。報告發布時,已通報的開放原始碼漏洞有 19 項完成修補,專有軟體漏洞則有 5 項修補。對無法更新的裝置,研究團隊建議限制網路服務、隔離網路並規畫汰換。

  11. Dev.to Top Tech50

    5 個值得動手測試的科技專案:Claude Code、Rust 改寫、OpenJDK 安全與雲端搬移

    新工具聽起來很厲害,實際用起來合不合工作流程,還是得動手測才知道。這篇文章整理 5 個可以從小地方開始試的專案:用 Claude Code 修小 bug 時,先確認測試真的能抓到問題,再檢查修正結果;用 rust-anything 把舊程式逐步改寫成 Rust,並拿新舊版本處理相同資料、比對結果;用 FrontierHarness 比較不同模型搭配工具後的表現;檢查 Java 版本是否受 Java4Shell 影響;以及測試 open-orange 能不能讓 Cloudflare Workers 換到其他雲端環境。先用小型、可比較的任務找出工具適合做什麼,比只看宣傳或排行榜更能幫團隊做選擇。

  12. Dev.to Top Tech55

    如何用 Claude Code 的提示詞攔截功能,避免貼上私密金鑰

    檔案防護規則擋不住直接貼進提示詞的私密金鑰、助記詞或 API 憑證。作者示範在 Claude Code 加入提示詞攔截功能,用文字比對找出看似機密的內容,符合條件時就拒絕送出,並顯示提醒訊息。這種比對可能漏掉特殊寫法,也可能把只是在談私密金鑰的句子擋下來;作者建議搭配檔案讀取限制和寫入防護,並只用假資料測試。

  13. Rohan Paul79

    Anthropic 預計把 IPO 定價提高到原本每股 $70 至 $78 的區間以上,可能超過每股 $80;顧問也曾討論把公司估值訂在 $1.5T 或 $1.6T,高於約 $1.33T。按原定價格區間計算,IPO 規模約為 $61B,另有 $26B 私募;Google 和 Nvidia 各自會按 IPO 價格買進約 $10B。這些數字是報導中的預期與規劃,並非已確定的最終價格。

    推薦理由:報導呈現 Anthropic 預計調高 IPO 定價,以及公開發行與私募配置的規模,可瞭解這次上市規劃的資金結構。

  14. The Verge · AI65

    納德拉談 AI 壟斷風險:企業、工作與民主都可能改變

    AI 如果集中在少數公司手中,經濟和政治可能會跟著改變。Microsoft 執行長 Satya Nadella 認為,AI 不該只被看成科技公司之間的競爭,因為模型未來可能跨進醫療、金融等領域,也可能改變企業和工作者的角色。他不認為 Claude 等前沿模型有意識,但認為模型是否該享有權利仍是值得討論的問題。Nadella 主張,市場需要多種模型和更多掌控資料的方式,避免權力集中在少數公司。

  15. aihot84

    Anthropic 獲準在納斯達克上市,股票程式碼 ANT、每股定價 70 至 78 美元

    Anthropic 已獲準在納斯達克全球精選市場上市,股票程式碼是 ANT,發行價訂在每股 70 至 78 美元。公司打算公開發行 8.25 億股,並同步安排 260 億美元私募配售;按每股 74 美元估算,兩者合計預計帶來約 846 億美元募資。檔案也列出股權激勵費用與部分投資者的持股安排。報導指出,認購需求接近發行股數的七倍,配股將優先提供給現有投資者。

    推薦理由:檔案列出公開發行與同步私募的規模、股權安排及股權激勵費用,可用來瞭解 Anthropic 這次上市的募資結構與成本。

  16. aihot87

    WSJ:Anthropic IPO 定價可能高於每股 $80,估值或達 $1.6T

    Anthropic 的 IPO 定價可能高於原本每股 $70 至 $78 的區間。WSJ 報導指出,公司的顧問已討論 $1.5T 或 $1.6T 的估值,高於先前約 $1.33T;若按原定區間計算,IPO 規模約 $61B,另有 $26B 私募配售,Google 和 Nvidia 各認購約 $10B。這些數字呈現了 Anthropic 上市規模與估值可能上調的幅度。

    推薦理由:這則轉述列出 Anthropic IPO 可能調高的股價與估值,也交代 Google 和 Nvidia 的認購金額,可用來瞭解這次上市規模的變化。

  17. Newcomer (Eric Newcomer)52

    Cerebral Valley AI Summit 13 場對談:創業者與投資人談 AI 產業走向

    AI 產業快速變動,企業也在思考怎麼控制模型成本、保護資料,並讓 AI 助理安全地替人做事。這篇整理了 Cerebral Valley AI Summit 的 13 場臺上對談,受訪者包括 River AI、Vercel、Databricks 和 Palo Alto Networks 的負責人。有人主張依不同工作混用大小模型,也有人認為 AI 助理需要安全許可權才能使用企業資料;另有創業者希望讓企業在自家硬體上訓練和執行模型。這些談話也呈現業界對 AI 產業集中、晶片供應和工作變化的不同看法。

  18. Dev.to Top Tech48

    Cursor 和 Claude Code 的 5 條 .cursorrules 設定,減少 AI 寫出難維護的程式碼

    用 Cursor 或 Claude Code 開發正式專案時,AI 可能會把錯誤藏起來、把程式寫得太長,或隨手略過型別檢查,讓後續修改變得麻煩。把 .cursorrules 放在專案資料夾最上層,就能清楚告訴 AI 助理寫程式時要守哪些規矩:錯誤要說清楚、少用層層包住的判斷、先檢查外部資料、不要亂用 any,也要把重複的程式整理成共用工具。像是外部 API 傳來的資料,應先檢查格式再交給其他程式處理。這些規矩能讓 AI 寫出的程式比較容易檢查和維護。

  19. Dev.to Top Tech55

    如何用一組 API 金鑰審查文字與圖片,並減少 CRM 敏感資料留存

    把文字和圖片交給模型審查,可以統一處理內容;但若每次都把完整對話和圖片複製到紀錄裡,敏感資料也會跟著增加。作者建議先把模型結果整理成固定格式,檢查格式與欄位後,再由人工審核流程決定能否寫入 CRM。審查紀錄只儲存判斷、政策版本和原始資料的位置,原始證據則另訂存取許可權與儲存期限。這樣換模型服務時,應用程式較容易沿用同一套紀錄,也能減少複製內容帶來的儲存負擔;不過,固定格式和共用金鑰本身不代表判斷一定正確,圖片能力仍要另外評估。

  20. Dev.to Top Tech35

    Claude AI 助理可以撤回研究主張,但不能自行核准

    研究工具裡有 6 項證據主張等著審查。作者讓 Claude AI 助理先整理,再請 Codex 和 Gemini 各自檢查;兩位審查者看法一致的專案才會處理,有分歧的先擱著。最後,3 項主張可以撤回,另外 3 項留給作者核准,因為撤回是把主張移出可用資料,核准則會讓它成為可用資料,不能讓 AI 助理替自己的判斷蓋章。 工具的指令列程式也拒絕讓 AI 助理直接寫入審查結果,要求作者在終端機親自執行。不過,作者第一次執行指令碼時只撤回了 6 項中的 2 項,後來改好的指令碼還沒確認是否執行。這次審查也抓出一項錯誤理由:原始資料其實有研討會審查紀錄,主張撤回的正確原因是它已被更新版本取代。

  21. Dev.to Top Tech72

    怎麼讓 AI 助理記住最新指令?InflectAI 分享記憶整理方法

    AI 助理有時會記錯已經更改的決定,也可能因為內容太長,根本收不到最新指令。InflectAI 團隊分享一套整理方法:替每條規則標明來源和目前狀態,把舊規則留作紀錄但移出正在使用的內容,再依工作需要安排指令順序,並清楚列出沒放進去的部分。文章也提供可執行的範例,展示如何在工作階段重新開始或規則更新後,再次送出適用指令;這能協助開發者查清楚 AI 助理實際收到哪些內容,但不代表它一定會照做。

  22. Claude Code Releases57

    Claude Code 發布 v2.1.327,改善檔案保護與工作階段穩定性

    Claude Code 使用者可能遇到檔案被意外覆蓋、工作階段恢復後資料遺失,或操作時畫面卡住等問題。Anthropic 在 v2.1.327 加入多項保護與修正,例如更改 GitHub App 設定前會先確認,匯出檔案若已存在也會先詢問;工作階段復原、許可權提示、MCP 連線和終端機畫面也有多項修正。這次更新還改善 Bash 指令啟動速度,並讓 Claude Code 在讀取大型圖片時更快。

  23. TechCrunch · AI80

    Anthropic IPO 後,Amazon 和 Google 合計將持有近 30% 股份

    Anthropic 公開了 Amazon 和 Google 在 IPO 後的持股安排。Amazon 將把部分可轉換票據換成無投票權股份,持股約 14.7%,另有數十億美元票據暫時保留;若現在全部轉換,持股會接近 24%。Google 則將持有約 13.7%,股份來自票據轉換與 IPO 私募。這些數字呈現兩家雲端業者在 Anthropic 的持股規模,也顯示 Amazon 保留票據後,未來仍有轉換空間。

    推薦理由:Anthropic 揭露 IPO 相關投資安排,讓人看出 Amazon 與 Google 將持有多少股份,也能比較 Amazon 暫不轉換部分票據的影響。

  24. MarkTechPost66

    Perplexity Computer 加入 Multiagent,最多讓 16 個 AI 助理互相核對工作

    複雜研究常要拆成好幾部分,還得確認不同結果有沒有矛盾。Perplexity 在 Computer 加入 Multiagent,由一個帶頭的 AI 助理安排工作,最多再派出 16 個 AI 助理平行處理;它們能直接分享找到的資料、指出彼此的差異,也能一起修改共用檔案,最後由帶頭者整理成一份回覆。預設團隊使用 Claude、GPT 和 Gemini 的模型。這項功能只在網頁版提供給 Perplexity Max 訂閱者;目前沒有公佈速度或準確度測試數字。

  25. Dev.to Top Tech62

    ClaudeArena 實測五種 AI 助理考試,最高答對 63 題

    AI 助理能在練習考試拿高分,排行榜上的成績還能代表真人實力嗎?ClaudeArena 作者讓五種模型各自完成 Professional 難度的考試,成績都達 98% 或 100%,但同一個模型重考時曾因操作選項出錯,從 98% 降到 84%。測試也找出網站的無障礙問題:答案雖然有畫面標記,頁面結構卻沒有告訴讀屏軟體哪個選項已被選取,作者已修正。網站現在會讓帶有 AI 助理作答跡象的正式考試保留在個人紀錄中,但不計入排行榜;作者也提醒,這套判斷無法分辨所有情況。

  26. hackernews10071

    Weight-Space Programming 如何用傳統技巧打造神經網路

    大型語言模型能直接設定神經網路的權重,但它究竟學會了訓練模型,還是把舊方法重新組合起來?作者讓 Claude Fable 5.2 從零設定手寫數字分類器,發現它畫出筆畫和轉角偵測器,再用訓練資料檢查哪些特徵有用,做法很像早期的影像辨識。這套方法在手寫數字上達到 91.3%,在貓狗照片上則只有 61.6%;作者也從另一個圍棋網路看到類似的手工規則。實驗顯示,模型能靈活運用傳統技巧,但遇到較難的照片分類時,這些技巧也會碰到限制。

  27. Epoch AI Updates82

    Claude Fable 5.2 和 GPT-6.2 Astra 做真實工作表現如何?

    模型在常見基準測試拿下高分,不代表就能做好日常工作。Epoch AI 用六個模型完成研究、寫作和 AI 資料中心分析等任務,再由人依照工作標準評分;沒有模型在任何一項任務達到 Epoch 員工的標準。Claude Fable 5.2 和 Opus 5.5 的 AI 資料中心分析已達承包商水準,但模型仍常沿用舊點子、很少反覆修改,也不擅長挑出重要發現。評測只有少量任務且每個模型每項只測一次,分數也含有人為判斷,因此作者提醒,結果不能代表所有工作情境。

    推薦理由:這份評測把模型放進真實工作任務中比較,呈現基準測試成績與研究設計、反覆修正及成果判斷能力之間的落差。

  28. Dev.to Top Tech46

    Claude 如何用幾分鐘為作者做出牙套配戴追蹤 App?

    牙齒矯正器每天要戴超過 21 小時,作者卻不清楚自己每天戴了多久。於是他用一段提示詞,讓 Claude 在 30 分鐘內做出一款 SwiftUI App,還能搭配 Apple Shortcuts 和 Siri,記錄戴著與取下的時間、計算每天平均配戴時數,並提醒他何時該換下一副矯正器。作者認為,如果自己從頭開發,可能得花上整個 7 個月的療程時間。這個經驗讓他看到,AI 能幫人快速做出符合個人需求的小工具,連很少見的問題也不必等別人來解決。

  29. aihot62

    Claude Code 推出實驗性 Code Mode,讓 AI 助理用指令碼串接工具

    使用多個工具處理工作時,逐一操作可能不夠順手。Claude Code 推出實驗性的 Code Mode,讓 Claude 編寫指令碼,把多個工具串接起來;長命令還在執行時,也能回覆使用者。設定環境變數 CLAUDE_CODE_EXPERIMENTAL_CODE_MODE=1 即可啟用,相關檔案在 code.claude.com/docs/en/code-…。

    推薦理由:Code Mode 讓 Claude Code 用指令碼串起多個工具,並在長命令執行時回覆使用者,提供一種新的工具協作方式。

  30. ClaudeDevs72

    Claude Code 使用多種工具時,逐一操作可能不夠靈活。Anthropic 推出實驗性的 Code Mode,讓 Claude 撰寫指令碼,把多個工具串在一起完成較複雜的工作;長指令還在執行時,它也能先回答使用者。這項功能需要自行選擇啟用,設定方式是 CLAUDE_CODE_EXPERIMENTAL_CODE_MODE=1。

    推薦理由:Code Mode 讓 Claude Code 用指令碼串接多種工具,也能在長指令執行時先回答,呈現一種新的工具協作方式。

  31. Rohan Paul71

    Perplexity 表示,公司的年營收年化規模已達 10 億美元,現金消耗比本週一家大型 AI IPO 少 5 倍。創辦人 Aravind 說,2026 年初年營收年化規模不到 2.5 億美元,8 月超過 7.5 億美元。他把較低的現金消耗歸因於公司的做法:Perplexity 不訓練自家的旗艦前沿模型,而是把工作交給 Claude、GPT 和 Gemini。作為比較,Anthropic 的 S-1 檔案顯示,公司在 2023 和 2024 年為達到約 10 億美元年營收規模,營運現金共消耗 73 億美元。

    推薦理由:Perplexity 與 Anthropic 達到約 10 億美元年營收年化規模時的現金消耗差距,呈現不同模型策略下的營運成本比較。

  32. MarkTechPost54

    AI API 怎麼保留資料?兩種常見處理方式一次看懂

    把資料上傳給 AI 跑批次工作,和把提示詞送去即時運算,資料可能會被保留在不同地方。文章整理出兩種做法:上傳檔案後由使用者安排刪除,或只送出請求、收到結果後不留下應用程式資料。作者也比對 OpenAI、Amazon Bedrock、Google、Anthropic 和 Fireworks AI 的檔案,說明零資料保留要看具體端點、設定和帳號資格;有些安全監控紀錄仍可能保留。開發者應確認每個功能的資料期限,並為上傳的檔案安排刪除。

  33. Lobste.rs (Engineering Discussion)59

    sudo L7 評測:AI 助理能像資深工程師一樣判斷嗎?

    程式能跑、測試也通過,不代表這次修改適合放進正式系統。Surge AI 推出 sudo L7,使用 60 項由資深工程師設計的任務,評估 AI 助理能否看懂真實程式庫、注意安全風險,並確認需求是否已有解法。例子中,Astra 照要求記錄完整金流通知,卻沒提醒這可能讓敏感資料曝光,也可能讓重要更新遺失;Opus 5.5 則重做了應用程式原本已有的捐款分配功能。測試結果顯示,Claude Opus 5.5 和 Sonnet 5.5 各完成約 45% 的任務,仍有超過一半未能完成。

  34. iTnews Australia64

    Microsoft 推出 MAI Code 2 與資安 AI 模型,挑戰 Anthropic 和 OpenAI

    Microsoft 想用新 AI 模型挑戰 Anthropic 和 OpenAI,這次公佈了寫程式和資安用途的模型。MAI Code 2 用來協助寫程式,Microsoft 表示,它的表現幾乎追上競爭對手,成本卻低得多。資安模型則預計先提供給一小群客戶,協助處理 AI 工具揭露出的軟體漏洞。Microsoft 也推出影像生成和語音轉文字模型;公司主管表示,讓模型各自專攻不同工作,有助於控制成本,並強調防止 AI 做出有害行動是優先事項。

  35. TechCrunch · AI66

    Model ML 融資 $250M,打造自動處理投資銀行工作的 AI 助理

    投資銀行家和顧問常要花很多時間製作財務模型、簡報和盡職調查報告。倫敦新創 Model ML 融資 $250M,開發能連線客戶系統、資料和 Excel、PowerPoint 等工具的 AI 助理,並稱它們能掌握交易進度,在新訊息影響分析時自動更新財務模型和簡報。這輪融資由 General Atlantic 和 QED Investors 共同領投,公司估值為 $1.5 billion。Model ML 表示,使用開源模型讓服務成本約為前沿模型的 2%,速度也更快;這是公司的說法。

  36. Rohan Paul53

    估算大型語言模型耗能時,如果只計算每次產生的新文字,可能會漏掉 AI 助理反覆讀取舊內容的成本。研究作者記錄 1 位工程師使用 Claude Code 10 週的情況,估算每產生 1 個 token,約讀取 260 個快取 token。把這些讀取也算進去後,估計耗能約 250 kWh;只按輸出文字估算則約 10 kWh。作者建議追蹤 AI 助理的成本或排放時,也計入快取讀取與子助理呼叫,並盡可能用新的工作階段開始新任務。

  37. 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。

  38. Dev.to Top Tech47

    研究工具 research-kit 與釋出工具 publishing-kit:讓技術文章數字有根據

    summary_zh: 在寫技術文章時,大家常會遇到「數字好像隨便寫的」這種麻煩:如果沒有人確認,讀者就可能被誤導。這篇文章的作者用兩個工具解決這個問題。首先,research‑kit(它是把 Antigravity Research Kit 轉成 Claude Code 版)會自動檢查文章裡的每一個數字,確定它們都有來源。接著,publishing‑kit 會在你想釋出之前先停下來,等到所有被質疑的數字都被修正後才放行。舉例來說,研究工具會把一個實驗的 0.8% 成功率跟實際測試結果做比對,如果不符就會標示出來;只有把這個差異修正後,釋出工具才會允許你把文章上線。這樣做的好處是,讀者可以放心看到的每個數字都有真實依據,作者也能避免因數字錯誤而被批評,整體提升技術寫作的可信度。 在寫技術文章時,大家常會遇到「數字好像隨便寫的」這種麻煩:如果沒有人確認,讀者就可能被誤導。這篇文章的作者用兩個工具解決這個問題。首先,research‑kit(它是把 Antigravity Research Kit 轉成 Claude Code 版)會自動檢查文章裡的每一個數字,確定它們都有來源。接著,publishing‑kit 會在你想釋出之前先停下來,等到所有被質疑的數字都被修正後才放行。舉例來說,研究工具會把一個實驗的 0.8% 成功率跟實際測試結果做比對,如果不符就會標示出來;只有把這個差異修正後,釋出工具才會允許你把文章上線。這樣做的好處是,讀者可以放心看到的每個數字都有真實依據,作者也能避免因數字錯誤而被批評,整體提升技術寫作的可信度。