跳到正文

#Anthropic

RSS
今日 24 則
11月17日週二
  1. Dev.to Top Tech82

    Tim Collinson 實測如何用 Cedar 擋下 AI 助理受工廠筆記操控

    工廠的停機紀錄可以讓 AI 助理查資料,但任何能輸入筆記的人,也可能把操作指令藏在裡面。Tim Collinson 在測試中放入 40 條惡意筆記,讓兩種模型回答工廠問題;Amazon Nova 2 Lite 曾因筆記要求而呼叫寫入 PLC 的工具,Claude Sonnet 4.6 則在使用者答應後才執行動作。他把 Cedar 政策放在工具閘道,檢查每次呼叫的物件與內容;測試中,未強制執行時有 13 次植入動作執行,強制執行後降為 0。不過政策管不到模型回答中的錯誤說法,也管不到人照著回答手動操作。

    推薦理由:實測比較顯示,Cedar 能在工具呼叫前擋下植入筆記要求的動作,也呈現守門規則無法處理錯誤回答與人工照做的風險。

  2. Dev.to Top Tech75

    如何用 Python 建立唯讀 MCP 伺服器,避免 Claude 改動資料庫

    讓 Claude 查詢資料庫時,只靠程式檢查 SQL 開頭和分號,可能擋不住所有寫入指令。作者用 Python 做了一個唯讀 MCP 伺服器,提供資料表清單、欄位資訊和查詢功能,再透過 MCP 使用者端測試攻擊。測試中的 WITH 指令通過文字檢查,但 SQLite 的唯讀連線拒絕了刪除和修改資料。作者也提醒,唯讀只能防止寫入,不能限制模型看見哪些資料;若是提供給一般使用者的助理,應改用範圍較窄的工具。

  3. Dev.to Top Tech64

    如何評估 LLM 路由器能否用在正式環境

    LLM 路由器可能省下費用,卻也可能讓某些任務答錯,或因快取變化而增加成本。文章建議先用接近正式流量的例子,比較原本模型、簡單路由表和新路由器的品質與總花費,並按任務類別分開檢查。測試時也要記錄快取讀寫、延遲、重試和改用備援模型的情況,再一次推出一類任務,保留切回原模型的方式。正式使用前,還要確認敏感提示詞、登入憑證和記錄資料會由誰存取、存在哪裡。

  4. Dev.to Top Tech72

    如何評估 LLM 路由器能不能用於正式環境

    LLM 路由器能把請求分給不同模型,但省下模型費用的同時,也可能增加重試、快取費用或延遲。文章建議先用接近正式流量的請求測試,按摘要、工具呼叫等任務分開比較,並確認候選路線都達到相同品質門檻後,再比較總成本。測試時也要記錄快取讀寫、延遲和轉回備援路線的比例;上線則一次開放一種任務,保留切回基礎模型的方式。若路由器會接觸敏感提示詞或儲存服務商憑證,也要先查清它能存取什麼,以及日誌和機密資料放在哪裡。

  5. Dev.to Top Tech67

    如何評估 LLM 路由器能否用在正式環境

    把請求改送較便宜的模型,可能省下費用,也可能讓某些工作做不好,還會改變快取命中情況。這篇指南建議先用接近正式流量的例子,比較基準模型、按任務分類的簡單路由方式,以及要採用的路由器,並分別記錄各類工作的品質、費用和延遲。文中也用 $100 的基準費用舉例,說明若可轉送的請求原本花 $50,改送後花 $20,在沒有額外路由成本等前提下可省 $30。上線時應逐類部署,保留切回基準模型的方式,也要盤點路由器能讀取的資料、憑證及記錄位置。

  6. Dev.to Top Tech67

    如何評估 LLM 路由器是否適合正式上線

    把不同請求分給不同模型,可能省下費用,但也可能讓某些工作答得不好。這份指南建議先挑選接近實際流量的例子,按工作型別檢查答案品質、費用和速度,再比較不同路由方式在相同品質門檻下的總花費。測試時也要用正式環境的模型和快取設定,並把重試、重複呼叫及改走備用路線的成本算進去。上線後可以一次開放一類工作,留下路由紀錄並保留手動切回參考模型的方式;部署前也要確認路由器會接觸哪些敏感提示詞和憑證,以及相關紀錄存在哪裡。

  7. Dev.to Top Tech72

    如何評估 LLM 路由器,確認省下成本又維持回答品質

    把不同請求交給不同模型,可能省下費用,但平均表現看起來不錯,也可能掩蓋某些任務的失敗。文章建議先用接近實際工作的例子,分任務比較原本的模型、簡單路由表和新路由器,並記錄成本、回答品質與延遲。像是原本花 100 美元,其中可轉送的請求花 50 美元;若改走其他模型只花 20 美元,在其他條件不變時可省下 30 美元。上線時每次只切換一類任務,保留退回原模型的方式,也要檢查路由器能讀取哪些提示詞和憑證,以及記錄和機密資料存放在哪裡。

  8. Dev.to Top Tech69

    如何評估 LLM 路由器能不能用在正式服務

    把請求交給較便宜的模型,可能省下費用,卻也可能讓某些任務答錯或變慢。這份指南建議先用實際流量挑選測試案例,分任務比較原本模型、簡單路由表和候選路由器,並一起記錄品質、總成本、延遲、快取讀寫與重試。它也提醒,長對話的快取狀況會影響省下的費用;上線時應逐種任務慢慢切換,保留退回原模型的方式,並確認路由器會接觸哪些敏感提示詞、憑證和紀錄。

  9. Dev.to Top Tech67

    如何評估 LLM router 是否適合正式環境

    把請求分給不同模型,可能省下費用,也可能讓某些工作變得不可靠。這篇指南建議先用接近正式流量的例子,分別檢查摘要、工具呼叫等任務,再比較基礎模型、簡單路由表和準備採用的路由器。算費用時要把快取讀寫、重試和改走備用路徑都算進去,並在相同品質要求下比較;測試快取時也要使用實際模型和有效時間。上線時一次開放一種任務,持續看成功率、費用和延遲,也要確認敏感提示詞、登入憑證與日誌存放的位置。

  10. Dev.to Top Tech65

    如何評估 LLM 路由器,確認成本和回答品質是否符合需求

    把請求分給不同模型,可能省下費用,也可能讓某些工作答得更差。這篇指南建議先挑出接近實際流量的請求,用同一批例子比較原本的模型、按工作型別分流的簡單規則,以及待評估的路由器;除了費用,也要檢查答案品質、回覆時間、重試和快取狀況。文章還提醒,快取會影響實際成本,應按不同工作分開看結果,並記錄路由原因,方便工程師追查品質變差的情況。正式使用前,也要確認路由器能讀取哪些提示詞和憑證,以及紀錄與機密資料存放在哪裡。原文註明內容由 AI 助理撰寫,並經技術來源核對。

  11. Dev.to Top Tech52

    如何評估正式環境使用的 LLM 路由器

    把請求交給不同模型處理,可能省下費用,也可能讓某些工作答得更差。文章建議先用接近正式環境流量的請求做測試,依任務型別分開檢查品質、費用和延遲,再比較原本的模型、簡單的分流方式與路由器。測試時也要記錄快取讀寫、重試和切換備援模型造成的費用,因為只看模型價格可能算不準。上線後可以先逐類匯入,保留切回原模型的方式,並確認路由器如何保管提示詞、帳號憑證和記錄。

  12. Dev.to Top Tech63

    如何評估適合正式環境的 LLM 路由器

    把請求改送給較便宜的模型,不一定真的省錢,也可能讓某些任務更容易失敗。文章建議先用實際流量做測試,分開檢查摘要、工具呼叫等任務的品質,再比較達到相同品質時的總成本,並把快取讀寫、重試和延遲都算進去。舉例來說,基準成本是 100 美元,其中一半請求改用 20 美元處理,依文中的假設可省下 30 美元。部署時可先逐類任務上線,保留切回基準模型的方式,並檢查路由器會接觸哪些敏感提示詞或憑證,以及日誌存在哪裡。

  13. Rohan Paul58

    AI 程式助理會在每一輪重送越來越長的對話紀錄,長期維護同一個程式專案時,token 費用也會一路累積。UC Berkeley 與 Microsoft 的研究提出 TokenEconomizer,讓它在助理外部參考過往執行紀錄,挑出要補進提示詞的資訊、移除沒用到的工具,並在失敗的迴圈持續時提早停止。研究在 Claude Code、Codex 和 GitHub Copilot CLI 的 277 項 SWE-Bench 任務中測試,平均每項任務的成本降低 18.4% 到 30.9%;5 種助理與模型組閤中有 4 種的 Pass@1 也提升。研究也指出,成本應按整個專案的多項任務一起計算。

  14. Dev.to Top Tech54

    如何估算 RAG 審查成本,並確認 AI 助理引用的資料版本

    用 RAG 檢查客服程式變更時,只算檔案索引的費用,容易漏掉每次審查還要花的模型輸入與輸出成本;找到相似資料,也不代表引用的規定真的適用。文章建議分開估算檔案嵌入、審查內容和結果長度的 token 數,再用有標記答案的案例比較漏掉問題、缺乏根據的發現和處理時間。每筆發現都應記下所用的檔案版本與段落,並確認引用內容確實送進模型;格式正確的 JSON 仍不代表判斷正確。文中也提醒,批次索引、重排資料和不同模型都要按同一套案例檢查,不能只看費率或輸出格式。

  15. Dev.to Top Tech67

    AI 助理寫程式前怎麼先訂規格?五種開發方法與適用情境

    AI 助理寫程式很快,但如果需求只留在聊天紀錄裡,團隊可能看不出程式原本要解決什麼問題。這篇指南整理五種先寫規格再動手的方法,包括先列需求與工作清單、讓沒看過對話的 AI 助理檢查規格、安排不同角色分工、先確認計畫再修改程式,以及先寫會失敗的測試再補上程式。作者也比較各方法適合的工作:小型日常修改可以先確認計畫,大型功能或高風險專案則需要更完整的規格與人工審查。測試能檢查功能是否符合預期,但仍要由人確認需求和設計是否合理。

  16. Claude Code Releases40

    Claude Code 發布 v2.1.326,改善 AI 助理操作與修正多項問題

    Claude Code v2.1.326 加入多項操作提示,也修正了設定、登入、MCP 連線和遠端操作等問題。像是設定了不完整的工具規則時,啟動時會提醒你;如果背景工作還在執行,用手機或網頁按下停止,也會一併結束這些工作。這次更新也修正了部分情況下,舊檔案可能蓋掉 Claude 修改過的檔案。整體來說,這版讓錯誤比較容易被發現,也讓工作紀錄和檔案處理更可靠。

  17. Dev.to Top Tech77

    Anthropic 將高風險漏洞揭露期限縮至 30 天

    漏洞修好前,若通報內容一直保密,其他人也可能先找到同一個問題。Anthropic 宣佈,從 2027 年 1 月 1 日起,高風險與嚴重漏洞的協調揭露期限從 90 天縮短為 30 天,其他漏洞為 45 天;若維護者 15 天沒有回應,Anthropic 會轉交外部協調人。已在處理中的通報沿用原期限,遭到攻擊的漏洞仍維持 7 天揭露期限。Anthropic 也會為符合條件的開源維護者提供資源,並為難以快速修補的漏洞調整時程。作者指出,Google Project Zero 幾天前也改採 30 天期限,這讓開源團隊需要更快處理修補工作。

    推薦理由:Anthropic 將高風險漏洞的揭露期限縮至 30 天,文章也交代通報升級、舊案處理與維護者支援,呈現新時程對開源團隊的影響。

  18. Dev.to Top Tech65

    批次摘要 API 如何追查各租戶的檔案與費用

    批次摘要工作可能已完成,費用卻還沒對回是哪個租戶和檔案,讓團隊難以判斷支出從哪裡來。文章用求職資料摘要作為設計練習,建議先儲存每批檔案清單,再追蹤提交、完成、取回和費用核對等狀態,並把每筆結果連回租戶與來原始檔。若只能取得整批費用,就要清楚標示分攤金額是估算值。文中也提供本機記帳與查詢批次狀態的程式範例,並提醒批次完成不代表已完成費用核對,也不適合有嚴格即時期限的工作。

  19. AWS Machine Learning Blog58

    Duco 如何用 Amazon Bedrock AgentCore 加快金融資料處理

    金融機構要處理大量格式各異的資料,也得顧好每家銀行的資料隔離和稽核。Duco 把 AI 助理服務改用 Amazon Bedrock 和 Amazon Bedrock AgentCore,讓每家客戶使用各自隔離的執行環境與工具。面對每家客戶有 300–400 個工具、工具說明約佔 200,000 個 token 的問題,Duco改成需要時才載入說明,將主要上下文縮到約 20,000 個 token,並透過評估確認回應品質改善。文章也分享銀行對帳流程的匯入成果:部署速度提高 10 倍;其中一家全球銀行的新流程匯入成本降低 70%,直通處理率提高超過 20%。

  20. Dev.to Top Tech61

    作者檢查 AI 助理的驗證器,發現基準分數受工具與評分錯誤影響

    AI 助理加上答案檢查後,分數變低,不一定是檢查本身造成的。作者重看兩種模型的操作紀錄,發現 Gemini 的搜尋工具常找不到資料,Claude Haiku 4.5 則會把自己編出的內容混進搜尋文字,讓驗證器誤以為答案前後矛盾;另外,評分方式也把一個正確答案判錯。修正評分後,結果有所改變,但測試只有 15 題,每種設定也只跑過一次,因此還不能把小幅分數差距歸因於驗證器。作者建議保留操作紀錄,並分開統計驗證器擋下多少答案、其中又有多少其實答對。

  21. aihot71

    METR 研究模型能否看出自己正在接受對齊評測

    模型如果看得出自己正在接受對齊測試,評測結果可能就無法反映它在真實情境中的行為。METR 讓調查型 AI 助理探索 19 個對齊評測和 36 個能力評測,再判斷環境在測什麼。研究發現,模型會留意環境是否像模擬場景,以及任務是否像在引誘它做出不當行為;在這組資料中,Opus 5.5 把每個對齊評測的分數都排在能力評測之上。作者也提醒,直接問模型是否身處對齊評測,可能影響它的回答;這項研究沒有判斷這些線索是否會改變模型實際執行任務時的行為。

    推薦理由:研究比較 19 個對齊評測與 36 個能力評測,呈現模型辨認評測型別的線索,也說明這種辨認可能讓對齊測量偏離真實部署情境。

  22. Tomasz Tunguz Blog76

    OpenAI 和 Anthropic 如何在企業 AI 市場爭奪高價與低價需求

    企業採用 AI 模型時,價格和模型能力會影響選擇;OpenAI 和 Anthropic 在不同價位的市佔變化,呈現出兩種競爭方式。Tomasz Tunguz 根據 Databricks 的企業用量資料指出,Anthropic 在高階模型佔較大比重,市佔從 7 月的 81% 升至 11 月 2 日的 94%;OpenAI 則靠多次降價擴大低價模型的使用量,低價區市佔從 30% 升至 81%。中價位模型的競爭也加劇,OpenAI 到 11 月 2 日佔了 47%。這些數字反映 Databricks 客戶的使用情況,不能直接代表整個企業 AI 市場;文章也提出,低價策略究竟是短期搶市,還是成本優勢所帶來,仍是值得思考的商業問題。

    推薦理由:文中比較高價與低價市場的市佔變化,並提醒資料來自 Databricks 企業客戶,可用來理解定價和模型選擇如何一起變動。

  23. Dev.to Top Tech72

    如何在 Next.js 用 SSE 將 Claude AI 助理的工具呼叫串流到瀏覽器

    把 AI 助理的回答逐字送到畫面不難,麻煩的是它還會呼叫工具、等待結果,過程也可能因網路代理而卡住。這篇教學用 Next.js、React 和 SSE,示範如何把文字、工具呼叫與結果、用量、錯誤和完成訊號送到瀏覽器,並用 fetch() 接收 POST 請求的串流。文章也說明如何緩衝資料、處理瀏覽器中止請求,以及避免代理把內容累積起來才送出,讓使用者看得到 AI 助理正在做什麼。

  24. aihot81

    Claude Code 團隊如何設計 AI 助理的驗證與測試流程

    AI 助理寫程式很快,但如果沒辦法確認改動真的能用,人就得一項項檢查。Claude Code 團隊分享了自己的做法:讓 AI 助理在實際運作的應用程式裡測試改動,再用端到端測試、檢查規則和可靠性清單找問題;檢查連續三輪都沒通過時,就停下來請人處理。團隊也會先用觀察模式試行新的提交關卡,確認不會誤擋後再強制執行。這套流程的重點,是讓測試規則不受正在檢查的改動影響,並把發現的漏網問題整理成往後可用的檢查。

    推薦理由:Claude Code 團隊分享如何用端到端測試、可靠檢查與人工介入門檻驗證程式改動,適合參考其安排測試流程與避免檢查失效的做法。

  25. hackernews10070

    作者用 Claude Code 打造 Sokoban 解題器 soksolv,解出更多關卡

    Sokoban 關卡看起來只是把箱子推到指定位置,但走錯一步就可能讓箱子卡死,讓電腦很難找到解法。作者用 Claude Code 和多個 AI 助理協作,從頭打造 Go 解題器 soksolv,並用程式逐步重播每個答案,確認解法真的有效。它在兩套常用關卡測試中解出最多 24 個其他解題器未自動解出的關卡;和 Festival 使用相同硬體測試 10 分鐘後,分別多解出 10 關和 18 關。作者也介紹解題器如何從起點和終點兩邊搜尋,並讓多種搜尋方法同時合作。

  26. Dev.to Top Tech68

    Lit Protocol 推出 Agent Keychain,讓 Claude Code 使用金鑰時不必拿到金鑰

    AI 助理會記錄對話和執行過程,若金鑰出現在內容裡,可能也留在紀錄中。Lit Protocol 的開源工具 Agent Keychain 提供兩種用法:一種把解密後的金鑰交給電腦上的程式,適合工具必須拿到金鑰才能工作;另一種在安全區域內代為執行指定動作,只把結果交給 AI 助理,例如查詢 Stripe 餘額。第二種方式可避免 AI 助理看到金鑰,但若金鑰交給電腦上的程式,該程式仍可能記錄它。服務也可能拒絕提供服務,已撤銷的許可權要到下一次請求才生效。

  27. Dev.to Top Tech72

    作者實測 10 個 MCP 伺服器,每次請求多出近 24,000 個 token

    連線多個 MCP 伺服器時,AI 助理每次呼叫模型都可能先收到一大串工具說明,即使這次根本沒用到工具。作者實測 11 個伺服器、146 項工具,發現 10 個伺服器的工具定義共佔 23,895 個 token;其中 Chrome DevTools 一個伺服器就佔 6,751 個。以 2,000 個 token 的提示詞為例,這些工具說明可能佔掉大部分輸入。快取能降低費用,延後載入也能減少進入上下文的內容,但成效會受快取狀況和設定影響。作者提醒,實際用量應以服務商提供的資料為準,並建議先測量工具清單的 token 數,再決定是否延後載入或預設關閉少用的工具。

  28. Dev.to Top Tech45

    為什麼我讓 Claude Code 的 AI 助理在 100K tokens 時整理上下文

    AI 助理聊久了,可能會慢慢偏離原本的任務;如果負責分派工作的 AI 助理搞錯,錯誤還可能跟著簡報傳給其他 AI 助理。作者讓每個 AI 助理的上下文控制在 100K tokens 以內,並在快滿時用 /compact 整理對話。不過,100K 和 200K 都是作者自己的觀察,沒有實驗證明是固定門檻;整理時也可能漏掉一開始交代的限制。快取能降低重複內容的費用,卻不會增加上下文空間;而整理對話會改變內容,因此部分快取也可能無法沿用。

  29. Dev.to Top Tech64

    本週科技觀察:Nvidia 創辦人請辭、Anthropic 準備上市,AI 助理開始購物與發動攻擊

    AI 公司、人事和模型訊息常分散在不同新聞裡,這篇週報把它們串起來,整理對開發者的影響。Alvin 提到 Nvidia 執行長請辭、Anthropic 準備上市,也談到模型價格與評測排名各有差異,建議開發者用自己的工作測試模型,並讓服務供應商容易替換。OpenAI 推出 ChatGPT Wallet,AI 助理可在每筆交易經過生物辨識確認後付款;另一方面,FBI 警告犯罪者正利用 ARTEX 加速網路攻擊,Amazon 也表示攻擊者曾用它竊取 API 金鑰。文章提醒,網路上可連線的 AI 工具應設好登入保護,金鑰要能輪替,涉及付款或存取許可權時也要保留人工確認。

  30. Hacker News (official RSS)84

    《紐約時報》分析保險公司如何承接 AI 融資風險

    保險公司把保戶的資金投入 AI 相關債務,這些投資看起來安全,背後卻有複雜的融資安排。文章整理多個案例,包括 xAI 透過金融公司借錢買晶片,再把晶片租回去;Meta 也以租約承諾等方式,協助資料中心專案取得較高的信用評等。分析人士擔心,這些安排可能讓科技公司的實際負債不容易看清,而少數大型科技公司的保證也讓風險集中。Moody’s 資料顯示,美國人壽保險公司持有的 AI 債務在今年上半年增加;投資人近來也開始重新評估相關債券風險。

    推薦理由:保險公司持有的 AI 債務增加,文章以融資安排與信評案例說明複雜交易如何讓風險不易看清。

  31. Dev.to Top Tech56

    Claude Code 怎麼寫出團隊接手後也好維護的功能?

    AI 助理做出的功能就算能開啟、測試也通過,仍可能不符合使用者真正需要的行為。作者用 Android 書籤功能舉例:如果只測試加入書籤,忘了關閉再重開 App,資料可能早就消失。動手前,可以先請 AI 助理找出專案中最相近的功能,說明打算沿用哪些部分,再把需求寫成看得見的檢查步驟,例如存好書籤、關閉 App 再開啟,確認書籤還在。作者也提議比較有無專案指引的兩種做法,記錄修正時間、功能結果和成本;這是待執行的實驗,不是已完成的評測。

  32. Dev.to Top Tech38

    Claude Code 如何檢查自己改的程式真的有效

    Claude Code 改好程式、測試也通過,不代表畫面真的正常;文字可能被截掉,按鈕或版面也可能出問題。文章比較三種檢查方式:相信 AI 助理的回報、自己把規則寫進 CLAUDE.md,或使用內建檢查流程的 Flowdeck。作者測試時,Claude Code 沒有開啟模擬器,只回報自己沒看過修好的畫面;加上規則後,它才開啟 App 並留下修改前後的截圖。 Flowdeck 則能依修改風險安排檢查:小改動可能只需跑測試、建置和啟動 App;版面調整則可再檢查畫面、不同顯示狀態、方向或其他裝置。這些檢查會留下截圖或錄影,讓人看過實際結果再審查程式碼。它不能取代人工檢查,但能讓審查者有具體畫面可參考。

  33. AWS Machine Learning Blog52

    MoEngage 如何用 Amazon Bedrock AgentCore 打造 AI 助理行銷平臺

    行銷團隊規劃活動時,常得在分析、內容和活動工具之間來回切換。MoEngage把原有平臺 API 接成 MCP 工具,讓 AI 助理能在同一段對話中查資料、寫活動內容和調整流程。使用者身分與工作區資訊由系統傳送,不交給模型判斷;每位使用者的工作階段也各自隔離,並可設定人工審核後才執行。文章也分享了平臺實際成效:客戶 Glance 的活動上線速度提升 50%,推播點閱率提升 38%。

  34. Databricks Blog68

    Databricks 推出 AI Index,追蹤企業採用哪些 AI 模型及其成本

    企業可選的 AI 模型越來越多,光看模型表現或每個 token 的價格,很難知道哪種選擇最適合手上的工作。Databricks 推出公開的 AI Index,整理企業使用模型的情況與花費,也用實際程式開發任務比較不同模型和 AI 助理工具組合的成功率與每項任務成本,並計畫每週更新。資料顯示,開放權重模型在企業流量中的佔比從 7 月的 7.3% 升到 11 月的 30.9%;有些模型 token 單價較低,完成任務卻可能花更多錢。Index 也提醒企業按自己的工作內容比較品質和成本,因為測試結果不一定適用所有團隊。

    推薦理由:Databricks AI Index 把企業採用情況和程式任務的品質、成本放在一起比較,呈現模型選擇如何隨工作需求改變。

  35. Dev.to Top Tech53

    用 OpenCode 和 Motion Video Director 製作產品宣傳短片

    想替自己的產品做宣傳短片,可能得付費使用昂貴的 AI 服務。作者分享用 OpenCode 製作的 Motion Video Director 外掛,串接開源工具來完成動畫、配音和影片輸出,也能選用付費服務。作者用同一段提示詞,讓 DeepSeek V4.1 Flash 和 GLM-5.3 製作短片,並拿其他模型的成果比較。這套做法讓人能用較便宜或免費的模型試做影片;作者也提醒,免費模型不一定總能比上昂貴模型。

  36. Dev.to Top Tech58

    Brian Tarbox 用 Claude 花 20 分鐘重製 1977 年策略遊戲 Empire

    想重玩 1977 年的策略遊戲 Empire,作者卻得面對 DOSBox 和找不到的防拷密碼。他只給 Claude 一篇介紹遊戲的維基百科連結,Claude 約花 20 分鐘做出一款不到 600 行 HTML 的瀏覽器遊戲,保留原本的單位、玩法和鍵盤操作,也加入電腦對手。作者玩了好幾個小時,覺得遊戲節奏和原作相似;不過電腦對手看得到整張地圖,玩家仍受戰爭迷霧限制。這次經驗也讓作者發現,對資料完整的遊戲,提供清楚的背景資料,有時就足以讓 Claude 自行補上許多設計細節。

  37. aihot76

    Databricks 推出 AI Index,追蹤企業採用哪些 AI 模型與編碼成本

    企業可選的 AI 模型越來越多,只看模型排名或 token 單價,很難知道哪種選擇最適合自己的工作。Databricks 推出 AI Index,整合使用 Unity Gateway 的企業匿名用量資料,以及用 Databricks 自家程式碼庫和隱藏測試進行的編碼評測,並計畫每週更新。資料顯示,開放權重模型的企業 token 用量佔比從 7 月的 7.3% 升到 11 月的 30.9%;編碼任務的成本也會受到模型完成工作所需步數影響,例如 GPT-6 Luna 和 Claude Opus 5.5 的任務成功率同為 89.1%,平均每項成本卻分別是 $0.05 和 $1.62。這些比較能協助企業依自己的工作需求衡量品質與花費。

    推薦理由:Databricks 把企業採用情況和編碼任務的成功率、每項成本放在一起比較,能看出模型選擇如何影響品質與預算。