跳到正文

#評測/基準

RSS
今日 17 則
11月14日週六
  1. Dev.to Top Tech57

    8 家 VPS 主機怎麼選?比較價格、續約費和附加成本

    VPS 廣告上的月費很低,促銷結束、預繳費用和額外專案卻可能讓總花費差很多。作者查閱 8 家主機商的官方價格,整理入門方案、24 個月費用、記憶體、IPv4、備份和 Windows 授權,也提醒部分低價方案的 IPv4 或儲存空間要另外付費。例如 LWS VPS M 首月是 4.99 € HT,之後每月 19.99 € HT,估算 24 個月共 464.76 € HT。這份比較依官方頁面與規格整理,沒有實際租用或測試伺服器。

  2. Dev.to Top Tech48

    Bitcoin 的 5 日 RSI 動能規則回測:2014 至 2026 年的每日資料

    想知道 Bitcoin 只在價格近期漲勢夠強時買進,會不會比一直持有更好?這項回測用 Coinbase 的每日資料,設定 RSI 必須高於 70 才進場,其他時間都待在現金裡;訊號要等當天收盤確認,下一個時段才開始買進。回測中,這套規則只有 23.6% 的日子持有 Bitcoin,總報酬是 +33,887.8%,高於一路持有的 +21,473.2%;最大跌幅也較小,是 -25.3%,一路持有則是 -83.8%。 不過,回測假設交易完全沒有手續費或滑價;若每次買賣各收 0.1%,策略報酬會降到 +20,550.8%,反而低於一路持有。這只是單一資產、單一期間和單一門檻的歷史回測,不能保證未來也有同樣結果。

  3. Lobste.rs (Engineering Discussion)58

    作者完整算出狐狸與羊的棋局:完美玩法下羊方能勝

    狐狸與羊的棋局有很多走法,靠直覺很難確定哪一方能在完美玩法下獲勝。作者把棋盤上的位置編成資料,利用棋盤左右對稱減少要處理的局面,再反覆推算每個局面是羊方勝、狐狸勝或平手。結果顯示,即使少一隻羊,羊方仍能取勝;只剩 9 隻羊時,則至少能逼和。這套玩法不含 40 步和棋規則,結論只適用於作者採用的規則。作者也做了簡單介面,讓人可以查詢棋局結果。

  4. Dev.to Top Tech54

    Ghostscript 三種 PDF 壓縮預設實測:哪種檔案會變小,哪種反而變大?

    PDF 壓縮後不一定會變小,還可能讓純文字檔變大。維護開源轉檔工具 KuickKonvert 的作者,用 Ghostscript 10.02.1 的 /screen、/ebook 和 /printer 預設測試三份 PDF,並公開測試檔和重現結果的程式碼。照片用 /ebook 從 1,096.3 KB 降到 58.3 KB,掃描檔則只有 /screen 明顯縮小;五頁純文字檔用 /printer 後反而變成原本的兩倍多。作者的工具會檢查輸出頁數和檔案大小,若結果沒有比較小,就把原檔交還給使用者。測試檔數量不多,其他檔案和 Ghostscript 版本可能會有不同結果。

  5. Dev.to Top Tech67

    這份 Hugging Face 公開 LLM 排行榜,整理近 30 天下載最多的模型

    累計下載量容易讓較早推出的模型一直排在前面,不容易看出最近哪些公開 LLM 正被下載。Vidraft_lab 做了一份每天更新的 Hugging Face 排行榜,列出全球前 300 名和韓國前 30 名,並同時顯示近 30 天與累計下載量。榜單按模型家族判斷訓練來源,也排除自動化測試用模型、嵌入模型和重排序模型。2026 年 11 月 14 日的全球榜單中,gpt2 近 30 天下載量居首;韓國榜前兩名則是 POCKET-Darwin-180B-GGUF 和 POCKET-35B-GGUF。

  6. Dev.to Top Tech52

    實測 .NET v7 GUID:密集產生時不會照產生順序排列

    v7 GUID 帶有毫秒時間戳,常被拿來讓資料庫新增資料時較集中在索引尾端,但作者實測發現,快速大量產生時,鍵值不會照產生順序排列。他在約 400 毫秒內產生 100 萬個 v7 GUID,幾乎每一對相鄰鍵值都落在同一毫秒,排序結果約有一半前後顛倒;改成每毫秒產生一個,測試的 3,000 個鍵值則都依序排列。作者提醒,v7 GUID 只能在毫秒時間尺度上排序,若需要一批資料嚴格依新增順序排列,應另用序號或時間欄位;也要先確認資料庫如何比較 GUID。

  7. Dev.to Top Tech65

    Git 2.56 的 history drop 比 rebase 快多少?作者實測約快 6 倍

    要從 Git 歷史中移除一筆提交,傳統做法得用 rebase 一筆筆重播後續提交;Git 2.56 新增的實驗指令 history drop,則直接處理 Git 資料,不必建立工作目錄。作者用兩種方法處理相同的歷史,結果完全一致;重播 400 筆提交時,history drop 約花 0.3 秒,在作者的電腦上比 rebase 快約 6 倍。另一篇測試得到 40 到 77 倍,但差距主要來自 rebase 在那臺電腦上比較慢。這項指令目前仍是實驗功能,而且不會執行 hooks;若工作流程仰賴這些自動動作,換用前要先確認影響。

  8. Dev.to Top Tech35

    XNOV.io 的照片強化功能好用嗎?實測看看照片有沒有變好

    照片有點模糊或傳來傳去後變得不清楚,常讓人想找工具補救。XNOV.io 是不用註冊、直接在瀏覽器裡使用的免費工具;它會稍微拉出細節、控制雜訊,讓照片看起來更清楚,但不會把人臉重畫或憑空補出細節。像檔案照片經過處理後,文字邊緣更清楚,也比較好讀;室內光線不好的肖像則保留自然膚色。若原圖已嚴重損壞,這項功能只能稍微整理,救不回消失的細節,也不適合一次處理大量照片。它適合快速修飾本來就還不錯的照片,不能讓糟糕的原圖奇蹟般變好。

  9. Dev.to Top Tech36

    Go 桌面框架怎麼選?用百萬筆資料比較 5 種做法

    Go 的桌面介面框架選擇很多,資料一多,畫面可能變慢,開發者也容易花時間才發現工具不合用。這篇文章用 Fyne、Cogent Core、Wails、GoTTH 和 Qt via MIQT 做出同一款桌面程式,測試能不能處理 1 百萬筆資料的表格,並即時排序、快速搜尋和在背景匯出 CSV。結果顯示,Wails 和 GoTTH 可借用瀏覽器引擎處理畫面,比作者原本預期更能勝任大量資料;Fyne 適合輕巧、希望不依賴額外執行環境的工具。選框架時,最好先想清楚程式要處理多少資料、畫面有多複雜,再決定走哪條路。

  10. Dev.to Top Tech63

    作者分析足球預測排行榜:少量紀錄讓運氣看起來像實力

    只看命中率排足球預測模型,很容易讓只有幾筆紀錄的模型因為剛好全猜中而排在前面。作者檢查 3,736 個模型的資料,將各自的預測紀錄分成前後兩半;前半表現和後半的相關性只有 0.0443,前半排名前段的模型,後半命中率也從 80.85% 降到 60.36%。作者因此建議排行榜同時顯示預測筆數和誤差範圍,並固定每週名次,避免少量資料造成的高命中率被誤當成穩定實力。

  11. Dev.to Top Tech69

    實測 claude-mem:讓 AI 助理接續上次的程式工作

    換一個新的對話工作階段,AI 助理可能會忘記昨天討論好的規則,讓人得重新交代。作者用 OpenCode 和 claude-mem 測試這個問題:記憶功能會把前一次工作的重點存起來,讓下一次的 AI 助理找回需要的決定。三次測試中,它都記得折扣上限是 30%,也照規則完成程式修改;沒開記憶時,AI 助理不是找不到規則,就是停下來請人重講。不過,這套工具每次要求都會多用約 5,200 個 token,記憶也可能漏掉內容。作者提醒,重要資訊最好明確存成筆記,並留意遙測、截圖和敏感資料的設定。

  12. Dev.to Top Tech56

    實測 Idol 把圖片轉成 Gaussian Splat,並在 Three.js 和 Spark 顯示

    把物件圖片轉成 3D 影像後,還得確認瀏覽器能不能正常顯示。作者在搭載 16GB 顯示卡的 Windows 電腦上測試 Idol,預設設定第一次生成花了 47.68 秒,同一個工作程式再次生成則花了 29.52 秒,輸出的 PLY 檔案約 17.83 MB。接著,作者用 Three.js 和 Spark 載入檔案,調整模型方向與顏色解讀後,三種桌機顯示方式都能呈現物件。這些結果只適用於這次桌機測試;iPhone Safari、公開網站載入速度和正式場景都還沒有測試。

  13. Dev.to Top Tech64

    remove.bg 將關閉,作者實測 rembg 等免費去背替代方案

    remove.bg 的獨立網站預計在 12 月 1 日關閉,免費使用者得找其他去背工具。作者用同一組產品照、人像和風景照測試開源工具 rembg,發現它在一般電腦上每張約花 7 到 8 秒,輸出會保留原圖尺寸;產品照和人像的去背效果不錯,但沒有明確主體的風景照會被處理得一團模糊。代價是第一次使用要下載 176 MB 的模型,輸出的 PNG 也比原圖大。作者沒有親自計時 APIC Web,因此只說明它的功能與限制,沒有拿它和 rembg 比速度。

  14. Dev.to Top Tech37

    ElevenLabs 對比 Amazon Polly:開發者該選哪一款文字轉語音工具?

    想讓電腦開口說話時,最怕聲音聽起來像冰冷的機器人,或是串接設定繁瑣到讓人頭痛。ElevenLabs 的語音聽起來極度自然、貼近真人,只要提供幾分鐘的音訊就能快速複製出專屬聲音,串流延遲還比 Amazon Polly 少了大約 200 毫秒,用幾行簡單的程式碼就能讓聊天機器人或旁白立刻開口。相較之下,Amazon Polly 念長句子時機器人味較重,但它能直接結合 AWS 雲端生態與資安認證,適合大批次產語音。如果你追求聲音逼真自然,選 ElevenLabs 體驗最好;若是已經深植 AWS 且需要便宜處理海量文字,Polly 則是穩健的選擇。

  15. Dev.to Top Tech54

    讓 Grok 擔任付款 AI 助理:模型自行擋下兩次攻擊,其餘由風險防護閘門攔截

    能幫忙付錢的 AI 助理,很容易被騙把錢轉給錯誤物件。作者使用 grok-4.7 與 sra-riskgate 0.18.0 進行無實際轉帳的模擬測試,給了三個收件匣專案:一筆正常的 2.50 USDC 發票、一筆要求無限額度授權的扣款合約,以及一筆使用假冒相似地址的偽造發票。 在自由判斷的測試中,Grok 自行拒絕了無限額度授權與仿冒地址發票,只提交正常發票;當被強制要求「提交所有專案交由閘門判斷」時,外部防護閘門成功擋下了無限額度授權,並直接駁回仿冒地址交易。這項測試提醒開發者,除了依賴模型本身的判斷力,涉及資金流動時加上外部檢查機制更能防止意外。

  16. Dev.to Top Tech67

    Linear 和 It's a Plan 比較:開源替代方案有哪些差異

    挑專案管理工具時,團隊常要衡量費用、資料放在哪裡,以及 AI 助理如何執行。It's a Plan 的作者拿自家開源工具和 Linear 比較:Linear 按使用者收費並在自家雲端運作;It's a Plan 可自行架設,社群版免費,Pro 每年 $240,整個執行個體共用費用。兩者都能安排 AI 助理處理工作,但 It's a Plan 可使用自己的 API 金鑰,或讓助理在自己的電腦、伺服器上執行。作者也提到,Linear 操作流暢、免維護,並有較多匯入工具;It's a Plan 則適合想自行管理資料和主機的團隊。

  17. Dev.to Top Tech70

    8 款本機大型語言模型實測:120B 的 gpt-oss-120B 比 27B 的 Qwen3.8-27B 快約 3.9 倍

    模型引數多,不一定寫字比較慢;作者在同一臺 Surface Laptop Ultra 上,用同一版 llama.cpp 和相同指令測了 8 款本機大型語言模型。結果中,117B 的 gpt-oss-120B 每秒生成 64.2 個 token,比 27B 的 Qwen3.8-27B 快約 3.9 倍;整體速度較接近每次生成 token 時實際啟用的引數量,但各模型使用的量化方式不同,不能把速度差全歸因於這一點。作者也讓模型修正設定檔裡一個字元打錯的問題,最快的 Flint 花了 12 個步驟仍沒修好,8 款中有 6 款完成。這些結果反映的是單臺電腦上的測試,不能直接代表其他裝置或所有工作。

  18. Artificial Analysis61

    用 AI 助理寫程式時,分數高不一定代表不同工具在同一套測試裡都能公平比較。Artificial Analysis 更新 Coding Agent Index,改用新版 FrontierCode 和 Terminal-Bench 評分;前者看程式修改是否值得專案維護者合併,後者更新了檢查答案的方式,讓評分更可靠,也較不容易被鑽漏洞。新版中 Claude Fable 5.2 和 Claude Opus 5.5 都拿下 58 分;整體分數平均比舊版低 5 分。得分 48 分以上的配置,每項任務成本約差 30 倍,從 $1.51 到 $44.22,顯示比較表現時也要留意花費。

    推薦理由:新版基準讓模型分數平均下降 5 分,並列出不同配置的單項任務成本,方便比較分數與花費之間的差異。

  19. Artificial Analysis49

    Subquadratic 推出決策模型 SubQ Snap 1.2,在 Artificial Analysis Decision Index v2.1 得到 73 分,比前一版 SubQ Snap 1.1 的 68 分高 5 分,並與 Drex Max v1.1、GLiDE v1.2 並列領先。每 1M 個輸入 token 仍收費 $0.04,也支援 384K token 的上下文視窗。進步最大的是 AA-Paperclip 和 AA-Symmetry,各增加 8 分;在 AA-Paperclip 上,檔案全部答對的比例從 46% 升到 62%。不過,AA-Omniscience-Decision 和 HLE-MultiChoice 的改善來自模型更常不確定時選擇不回答,正確率並沒有提高。這表示總分變好,不代表每種題目都答得更準。

  20. Dev.to Top Tech47

    Harness Tuner 用評測自動調整 AI 助理,不再只靠猜

    調整 AI 助理時,常得改提示詞、手動試跑,再猜哪裡有效。Harness Tuner 會按照評測題目,自動測試可用工具、提示詞和模型,記下每次結果;表現變好時,還會用另一份資料再檢查,避免只對練習題答得好。測試用的資料會先鎖起來,等你決定要做最後評估時才使用。例如,它可以測試加上網路搜尋工具後,助理完成任務的表現有沒有改善。這能讓調整過程更有根據,也方便回頭檢視哪些改動有效;但如果評測題目本身不好,工具也可能朝錯的方向調整。

  21. Dev.to Top Tech79

    Gemini Decisions API 客服工單實測:速度快,但緊急程度較容易判錯

    客服工單要分派給哪個團隊、是否退款、事情有多急,常得一題一題問模型。作者用 48 張人工標記的工單,讓 Gemini Decisions API 和四種生成式模型回答相同問題,再比較準確度、速度和費用。實測中,Decisions API 每張工單的中位處理時間是 202 ms,團隊分類答對 46 張,退款判斷答對 47 張;但緊急程度只答對 31 張,錯誤全是把事情判得太急。信心分數可用來把把握不足的答案交給人員複查,文章也示範如何把 API 接進 AI 助理,先攔下疑似提示詞攻擊。測試只涵蓋文字工單,作者提醒緊急程度的判斷仍需謹慎。

    推薦理由:作者用同一批客服工單比較五種模型,呈現 Gemini Decisions API 在速度與分類準確度上的取捨,也指出緊急程度判斷較容易出錯。

  22. Artificial Analysis47

    Speechify 推出語音模型 Simba 3.5,在 Artificial Analysis 的 Controlled Voice Arena 排名第一,成績與 HeyGen Voice 統計上不分高下,也領先 Qwen-Audio-3.1-TTS-Plus。其他測試中,Simba 3.5 的 Provider Voice 排名第五,發音穩定度排名第七。它每秒能生成 139.6 個字元,每 100 萬個字元收費 $6.58;Eleven v4 Turbo 則是每秒 105.3 個字元、收費 $40。Simba 3.5 是價格圖表中最便宜的模型,代表它在這項比較裡兼具較快速度與較低價格。

  23. Dev.to Top Tech52

    Nodus、RunPod、Vast.ai 和 Modal 怎麼選?比較 SaladCloud 替代方案的 GPU 價格與復原方式

    GPU 工作中途遇到機器中斷,可能得重做上次存檔後的進度,低時租不一定代表總花費最低。作者比較 SaladCloud、Nodus、RunPod、Vast.ai 和 Modal,並用一個使用 RTX 4090、工作 48 小時且在第 30 小時中斷的例子,算出不同平臺和存檔方式的費用。Nodus 會定期備份指定資料夾,換機後還原檔案,但程式仍得自行讀取存檔;SaladCloud 則需要使用者把進度存到外部儲存空間。文章也整理各平臺適合的工作情境,並說明作者所屬團隊打造 Nodus,價格資料連到各平臺檔案或定價頁。

  24. Artificial Analysis39

    宣佈推出 Artificial Analysis Diarization Index,這是我們用來評測語音轉文字中「誰說了什麼」的新基準。 Diarization Index 以詞語語者辨識錯誤率(WDER)評分各家 API:在 97 段由 2 至 8 人參與的對話中,計算被分配給錯誤說話者或未分配說話者的詞語比例,並對各種人數的對話採相同權重。 來自 @NVIDIAAI 的 Nemotron 3.5 Transcribe 以 3.3% 領先,高於 Voxtral Small Transcribe 3 的 7.5%。下方串文詳述 🧵

  25. Arena.ai45

    LMSYS Arena 本週公佈多款模型在不同競賽的表現。Claude Fable 5.2 (Max) 在 Agent Arena 排名第 1,根據 7.8k 次真實使用記錄,淨改善幅度為 +30.5%;Gemini 4 Hydrogen (High) 則是前 10 名中速度最快的模型,每個常見步驟約需 7.3 秒。Muse Ember (Max) 以每項任務 $0.03 的中位成本登上 Code Arena: WebDev 第 37 名;Inkling 2 Small 則以 1647 分拿下該榜開放權重模型第 1。這些排名讓人能比較模型的表現、速度與成本;推文也提到,採用 Apache 2.0 的開放權重即將推出。

  26. Arena.ai50

    Claude Fable 5.2(Max)在 Agent Arena 排名第一;在和 Claude Opus 5.5(Max)都有排名的 10 個類別中,Fable 有 9 類領先,另一類差距小到無法分出高下。Fable 的視覺設計表現特別突出,整體進步分數是 30.48%,視覺設計則是 45.34%;Opus 5.5 分別為 19.51% 和 23.29%。不過,這些分數只顯示誰領先,還無法說明原因,因此發文者接著比較兩個模型在真實使用情境中的表現。

  27. Databricks Blog39

    Apache Spark 和 Apache Flink 怎麼選?多數團隊用 Spark 就能兼顧批次處理和即時資料

    團隊要處理大量資料,又想快速看到新資料,常得在 Apache Spark 和 Apache Flink 之間做選擇,甚至同時維護兩套系統。Databricks 的文章認為,多數團隊用 Apache Spark 就夠了:它能處理批次工作、資料分析和串流資料;Real-Time Mode 也讓資料能在幾毫秒內一路處理完成,不必為了更快的串流另外架一套 Flink。文章的測試中,處理有狀態的資料整理時,Spark 的 p99 延遲是 14 ms,Flink 是 45 ms;不過測試由 Databricks 執行,實際表現仍要看自己的工作內容。若需要超大型狀態資料、複雜事件比對,或已經在使用 Flink,Flink 仍可能更適合。

  28. Dev.to Top Tech41

    Jensen Huang 離開 NVIDIA 後,作者分享 RTX 4070 Super 的 4X 測試結果

    作者用 RTX 4070 Super 玩《Forza Horizon 6》單人模式,關閉 FG 時讀到 100 FPS,開官方 2X 時是 180 FPS,改用 DLSSG SM86 的 4X 模式則是 320 FPS。這是個人測試,不是正式跑分;4X 指的是畫面生成模式,不能說實測速度變成 4 倍,而且畫面顯示 320 FPS,也不代表每秒收到 320 次新的操作輸入。Jensen Huang 離開 NVIDIA 的訊息,讓作者更想觀察之後的相容性決定;他也提醒,這次成功測試只是個人經驗,不能代表所有 RTX 40 顯示卡都已經測過。

  29. Tom’s Hardware AI & Computing35

    100 美元內的鍵盤與配件:送給鍵盤迷的平價好禮

    鍵盤天天都會用,送一把打字順手的新鍵盤,或替原本的鍵盤添個配件,都是實用的禮物。文中整理了 100 美元內的選擇,像是可換軸的 C2 Pro、能無線使用的 Ajazz AK820 Pro,還有帶手托的 ND75 LP;如果對方已經有喜歡的鍵盤,也可以挑 USB-C 連線線、鍵帽或手托。這些選擇讓挑禮物的人能依照對方的使用習慣與喜好,找到合適的升級。

  30. The New Stack66

    DeepSeek Harness 太早關閉背景工作,讓 Terminal-Bench 得分下滑

    AI 助理完成任務後自動關閉背景工作,通常是好習慣,但有些測試需要這些工作繼續執行。研究者比較多種 AI 助理框架時發現,DeepSeek Harness 在 Terminal-Bench 的三項任務中,使用 DeepSeek-V4.1-Flash 和 GLM-5.3-Flash 共 36 次嘗試只通過 2 次;OpenCode、Pi 和 Hermes Agent 則全數通過。這項設計讓 DeepSeek Harness 的分數少了 1.5 到 1.7 個百分點。整體比較也顯示,相同模型換用不同框架,解題率和每題花費都可能差很多。

  31. MarkTechPost79

    2026 年 AI 影片模型評測:畫質分數、每秒價格和開放權重一次比較

    挑 AI 影片模型時,分數高不一定最省錢,開放權重也可能有限制。MarkTechPost 依 Artificial Analysis 的盲測偏好分數,整理文字轉影片與圖片轉影片的模型排名,再對照每秒價格和權重是否開放。榜首 Wan 3.0 的文字轉影片分數最高;Seedance 2.5 的圖片轉影片分數最高,但價格也偏高。MiniMax H3 是榜上排名最高的開放權重模型,不過授權限制部分地區部署,解析度上限為 768p。文章也提醒,排名第 3 到第 8 的模型分數接近,較適合看成同一群,而非嚴格分出高下。

    推薦理由:文章把盲測偏好分數、每秒價格與權重開放狀態放在一起比較,也提醒名次接近的模型不宜看成明確勝負。

  32. Dev.to Top Tech54

    15 家大型旅遊網站實測:只有 2 家讓 AI 助理讀到首頁內容

    旅客開始用 AI 助理找飯店和航班,但助理未必讀得到旅遊網站的內容。作者用簡單的 HTML 讀取方式檢查 15 家航空公司、訂房平臺和飯店網站,其中 9 家因防護回應或連線問題無法讀取;讀得到的 6 家裡,有 4 家的首頁沒有可讀文字。Kayak 和 Priceline 的首頁則有文字,Kayak 還提供網站地圖和 llms.txt。這只是首頁的初步檢查,不能代表各家都封鎖 AI,也不能說分數高就會帶來訂單。小型旅遊業者可以先確認首頁和房型頁在 JavaScript 執行前就有基本資訊,再檢查機器人規則與防護設定。

  33. Dev.to Top Tech77

    Claude Fable 5.2 適合拿來寫程式嗎?作者比較價格、測試結果與使用時機

    寫程式時,功能較強的模型不一定適合每個任務,也可能花更多錢。作者還沒親自用過 Claude Fable 5.2,這篇實用指南整理了 Anthropic 等來源公佈的價格與測試結果,並用作者自己的 Claude Pro 帳號確認方案內容。Fable 5.2 每百萬 tokens 的輸入和輸出價格是 $8 / $40,是 Sonnet 5.5 的 4 倍;在 Anthropic 公佈的測試中,它也比 Opus 5.5 高幾分。作者建議平常先用 Sonnet 5.5 寫、測試和部署,較難的規劃交給 Opus 5.5,只有 Opus 卡住時才升級到 Fable。這些測試數字來自廠商或工具方,作者沒有實際測試 Fable。

    推薦理由:作者把 Fable 5.2、Opus 5.5 和 Sonnet 5.5 的價格與測試結果放在一起比較,並說明不同編碼工作如何選擇模型。

  34. Arena.ai67

    程式模型進步很快,但使用者也關心回答要花多少錢。Code Arena 分析了 2025 年 12 月到 2026 年 10 月 23 日的榜單和回答成本,發現 7 月到 10 月每月有 12 到 14 個新模型上榜。到了 10 月,Xiaomi 的 MiMo-V2.6-Flash 分數超過 4 月排名第一的 Claude Opus 4.7,價格不到其二十分之一;在回答價格介於 5 cents 到 $1 的比較中,10 月最佳模型對上 4 月最佳模型的估計勝率為 65% 到 80%。

    推薦理由:從 Code Arena 的榜單與回答價格比較,可看出程式模型進步加快,也讓較低成本的選擇開始超越先前的頂尖模型。

  35. Dev.to Top Tech58

    mnemo-warmup 能加快 Spring Boot 在 Kubernetes 啟動嗎?JDK 21、JDK 25 實測

    JVM 應用啟動變快,不一定代表 Kubernetes Pod 能更早準備好。這篇實測用 mnemo-warmup 替 Spring Boot 預先準備啟動快取,在 1 CPU、1 GiB 限制下,JDK 21 的應用啟動中位數從 3.14 秒降到 1.90 秒,JDK 25 則從 3.23 秒降到 1.47 秒;但兩者的 Pod 就緒時間中位數都維持 5 秒。快取還需要下載,訓練時也會真的啟動應用,因此團隊應同時量測應用啟動、Pod 就緒時間和額外成本。這次結果只來自單一應用和本機 Kubernetes 環境,不能直接推定其他服務也會有相同效果。

  36. Y Combinator64

    AI 模型愈來愈多,也各自擅長不同事情,光靠固定題目不一定看得出人們喜歡哪些作品。Intelligence 創辦人兼執行長在訪談中介紹 Design Arena:使用者可以用不同 AI 模型製作網站、圖片、影片等創作,這些實際使用過程會變成資料,讓模型團隊瞭解模型做得好或不好的地方。Design Arena 已有超過 7 million 名使用者,遍及 192 個國家;Intelligence 約一年內達到 $60 million annualized run rate。

    推薦理由:訪談說明 Design Arena 如何把人們實際創作和使用 AI 的過程整理成資料,協助模型團隊瞭解模型在哪些地方做得好或不好。