跳到正文

#評測/基準

RSS
今日 11 則
11月22日週日
  1. Dev.to Top Tech40

    AI Doc Generator 實測:用檔案覆蓋率檢查擋下不完整的程式說明

    接手程式時,常得花時間猜函式在做什麼;AI Doc Generator 想用一個數字,讓團隊知道有多少函式和類別缺少說明,也能在程式更新時檢查這個比例有沒有低於門檻。它是售價 $49 的 Python 命令列工具,能列出缺少說明的地方、檢查檔案覆蓋率,也能匯出 JSON。實測時,把門檻設成 80%,覆蓋率不夠就會讓建置失敗。不過,它目前不會真的用 AI 撰寫說明;自動插入說明時,還可能弄壞程式檔,接著把壞掉的檔案誤算成 100% 覆蓋。適合想檢查檔案數量的團隊,若想要 AI 幫忙寫說明,就不適合買它。

  2. Dev.to Top Tech62

    VIDRAFT 如何重現黎曼猜想的 Lean 形式化證明

    數學證明就算寫成電腦能檢查的形式,也需要確認檔案能否完整編譯,以及最後的定理依賴哪些假設。VIDRAFT 下載並重新編譯一份以 Lean 撰寫的黎曼猜想證明,共檢查 175,187 個檔案,沒有編譯錯誤;Lean 核心也顯示,定理只依賴 Lean 和 Mathlib 的三個標準公理,沒有使用 sorry 或額外公理。作者另做了一個互動工具,用數值計算展示 Weil 二次型在五個真正的 L 函式與三個仿造例子上的正負差異。這些計算展示了相關性質,形式化證明則由 Lean 編譯與檢查。

  3. Dev.to Top Tech65

    小團隊怎麼挑自架 LLM 閘道?文章比較 Bifrost、LiteLLM、Kaeso 和 agentgateway

    小團隊常得同時管理多家模型服務的金鑰與帳單,卻沒有專人維護平臺。作者比較 Bifrost、LiteLLM、Kaeso 和 agentgateway,從安裝維護、硬性預算上限、登入管理和團隊擴大後的費用,說明各自適合的情況;若沒有資料留在公司內或自行管理請求紀錄等需求,也可以改用代管服務。文章另提醒 LiteLLM 在 2026 年有兩次惡意版本事件,建議固定使用明確版本與映像檔摘要,避免使用會浮動更新的 latest,並輪替曾接觸受影響版本的憑證。

  4. Dev.to Top Tech72

    AI Gateway 效能怎麼比?Python、Go、Rust 和 Envoy 的測試結果為何不同

    AI Gateway 的效能榜常排出差很多的名次,因為各家的測試方式和開啟的功能不一樣。這篇文章整理了不同團隊公佈的資料,提醒比較時要看測的是程式內部時間,還是使用者實際感受到的延遲,也要確認有沒有開啟記錄、用量計算和限流等功能。作者還提供一套可重跑的測試做法:用會延遲並傳送串流資料的模擬服務,逐步提高同時請求數,記錄 p50、p95、p99 延遲、CPU 和記憶體。文章指出,資料庫或 Redis 等網路呼叫、記錄方式和部署架構,往往比語言本身更影響結果;目前沒有足以公平排出最快產品的公開測試。

  5. Dev.to Top Tech54

    FSDP 和 DeepSpeed 怎麼選?用 8B、70B 模型看訓練記憶體與費用

    訓練大型語言模型時,模型和訓練資料可能塞不進顯示卡記憶體,得決定怎麼分散資料或搬到 CPU。這篇教學比較 PyTorch FSDP 和 DeepSpeed ZeRO:兩者都能把模型資料分到多張顯示卡,DeepSpeed 還能只把最佳化器資料移到 CPU,或進一步放到 NVMe。以 8 張 80 GB H100 為例,70B 模型採用 ZeRO-3 並把最佳化器移到 CPU,估算每張卡需要 17.5 GB;但 CPU 記憶體需求也很高。作者依列出的租用價格估算,這種做法要比使用 B200 慢不到約 2.1 倍,費用才較低,而實際速度差異尚未測量。文章建議先用 FSDP;只有模型放不進顯示卡、且搬移資料後的速度與費用合算時,再考慮 DeepSpeed。

  6. Dev.to Top Tech35

    銀行對帳單 PDF 轉 Excel 常出錯?用 20 行程式檢查每筆交易

    銀行對帳單是排給人看的,直接轉成 Excel 後,日期可能變成看不懂的文字,跨頁交易也可能被拆開,甚至把存款誤當成提款。作者整理了常見問題,並提供一段 Python 程式,把每筆金額加總後,確認「期初餘額+交易金額=期末餘額」;如果對不起來,就能找出可能漏掉、重複或正負號弄反的交易。文章也比較了幾種轉檔工具:如果每月只有一份同一家銀行、格式乾淨的電子對帳單,Excel Power Query 加上檢查程式可能就夠用;銀行多、掃描檔多或頁數很多時,專門處理銀行對帳單的工具會更省整理時間。

  7. Dev.to Top Tech62

    律師花 $9,450 組 12 張二手 V100 主機,讓 DeepSeek V4.1 Flash 完整專家組留在記憶體

    AI 模型放進家用主機時,顯示卡記憶體不夠,可能得把模型資料縮小或搬來搬去。律師 Nick Mermiges 加到 12 張二手 NVIDIA Tesla V100,讓 DeepSeek V4.1 Flash 的 15,360 個專家都能以 4-bit 格式留在記憶體裡,整套主機花了 $9,450。他回報,256K 上下文時第一個程式碼 token 約等 58 秒,之前的 8 張卡要等 108.4 秒;但 32K 以上的程式碼生成速度沒有明顯提升。這些數字來自作者自述,並非獨立測試;V100 也得先用軟體轉換資料格式才能運作。

  8. Dev.to Top Tech35

    LangSmith 替代方案怎麼選?看你要除錯紀錄,還是別人也能查驗的紀錄

    團隊常把 AI 助理的執行紀錄拿來除錯,但如果客戶或稽核人員也得檢視,只有放在自家帳號裡的紀錄就不太夠用。Langfuse 和 AgentOps 適合團隊追查問題;Langfuse 每月 $29 起,AgentOps Pro 每月 $40 起。若要讓外部的人也能查驗,可看 ASQAV 和 Zambo:前者 Pro 每月 $39、年繳,保留紀錄 1 年;後者每月 $29,會替工具呼叫留下收據,任何人都能重新核對內容有沒有被改過。 不過,收據只能證明存下來的結果沒有被動過,不能證明答案正確,也不能拿來除錯。若既要追查 AI 助理出了什麼問題,又要讓外部的人確認紀錄,就得分別準備這兩種工具。

  9. Dev.to Top Tech71

    11 家代管 Postgres 服務,1 GB 和 16 GB 資料庫每月要花多少錢?

    代管 Postgres 的標價常沒算進儲存空間和必要月費,最後帳單可能高出不少。作者用相同條件比較 11 家服務,估算資料庫整月不停機、單一節點運作時,1 GB 和 16 GB 規格每月要花多少錢,並把儲存費與必要方案費算進去。比較結果中,1 GB 規格最低是 DigitalOcean 的 $15.15;16 GB 規格則從 Railway 的 $198 到 Heroku 的 $750。磁碟最低容量、方案限制和是否需要備援,也都會改變費用;這些價格是 2026 年 11 月查核的美元金額,實際下單前仍應檢視服務商價格頁面。

  10. Dev.to Top Tech58

    Node 22 實測:structuredClone 和 JSON 複製物件,哪種比較快?

    複製物件時,速度快的方法可能會悄悄漏掉資料。作者在 Node 22 比較 structuredClone 和 JSON.parse(JSON.stringify()),發現複製一般資料時,JSON 方法快了約 1.6 到 1.75 倍;不過它會丟掉函式和 undefined,把 Date 變成文字,遇到迴圈引用還會出錯。structuredClone 能保留 Date、Map、Set,也能處理迴圈引用。作者建議先用 structuredClone;只有確認資料是一般 JSON 格式,而且程式常常大量複製、速度也確實成了問題時,再考慮改用 JSON 方法。

  11. Thurrott49

    Apple HomeView 初體驗:外型精緻,但螢幕太小、使用上也受限

    Apple HomeView 是一臺搭配 iPhone 或 iPad 使用的智慧螢幕,能播放照片輪播、控制智慧家庭,也能直接播放 Audible 等支援的 App。作者覺得它的金屬外殼很有質感,桌上型和壁掛型價格都是 $299;但螢幕太小,畫面外型也像放大版 Apple Watch,而且沒有 App Store,YouTube 也不能直接使用。操作時常需要附近有一支已解鎖的 iPhone,語音功能則仰賴 Siri。它能應付簡單的看照片、聽音訊需求,但作者仍希望未來能有螢幕更大的版本。

  12. Dev.to Top Tech72

    GPT-6.2 Astra 和 Sol 怎麼選?作者用 C# 比較成本與工作表現

    同一個工作交給不同模型,答案和費用可能差很多,光看基準分數不一定知道哪個適合自己的工作。作者整理 GPT-6.2 Astra 和 GPT-6.2 Sol 的價格與基準資料,並提供 .NET 10 範例,讓兩款模型用相同設定處理三種工作,再比較答案、花費和時間。文中轉述的測試顯示,Astra 在部分多步驟與資安相關基準較高;在一項程式開發基準中,兩者分數接近,但 Astra 每項工作估計花費較高。這些是廠商提供或轉述的測試結果,作者建議用自己的工作資料評估,再決定部署哪款模型。

  13. Dev.to Top Tech44

    Lindy、Gumloop、Relevance AI 和 Bardeen 的 AI 助理工具怎麼收費?價格比較

    Lindy、Gumloop、Relevance AI 和 Bardeen 都用不同方式計算費用,有些收點數,有些還要按使用者人數收費,所以光看月費不容易比出誰划算。像 Gumloop 的 Pro 方案每月 $37,提供 20,000 點數,另收 8% 的流程安排費;Relevance AI 目前只列出企業方案,沒有公開價格。這些平臺的點數各有演算法,買之前要看清楚每點能做什麼,也要到各家網站確認最新價格。

  14. hackernews10052

    SimpleBench 排行榜顯示 GPT-6.2 Astra、Sol 分數低於人類基準

    AI 模型在日常推理題上不一定比一般人答得好。SimpleBench 收錄超過 200 題選擇題,涵蓋空間與時間推理、社交理解和容易讓人答錯的文字陷阱;網站列出的 9 位參與者人類基準是 83.7%。排行榜上,GPT-6.2 Astra 得分 77.3%,GPT-6.2 Sol 得分 69.9%,都低於這個基準。這些結果反映的是這套測驗中的表現,不能直接代表模型在所有任務上的能力。

  15. Dev.to Top Tech47

    32,464 個職缺資料顯示:徵才公告平均掛多久?

    找工作時,常會搞不清楚職缺是不是剛貼出來,還是早就掛了很久。作者每小時檢視僱主自己的徵才網頁,記錄職缺何時消失;在追蹤的 32,464 個已下架職缺中,有一半至少掛了 27 天。新職缺約有 13% 在 7 天內下架、44% 在 30 天內下架;目前仍開放的職缺裡,24% 已刊登超過 90 天。職缺下架不一定代表有人錄取,也可能是僱主撤掉或重新刊登,所以看到掛很久的職缺,可以先問招募人員是否還在徵人。

  16. Dev.to Top Tech63

    2026 年機器人操作布料、繩索與軟體,哪些模擬器支援?

    機器人要抓布料、繩索或軟質物體,模擬器能不能讓它們和機器人在同一個場景互動,是挑工具時要先確認的事。作者整理多種開源模擬器的功能,也介紹 Alloy:它能把布料、纜線、軟質物體和機器人放在同一個場景,並標示物件交給哪個求解器處理,還會替每個模擬世界標出健康狀態。不過,軟質物體運算較慢,布料折疊環境仍屬實驗性質;作者也提醒,其他模擬器的功能是依公開檔案整理,沒有實際執行測試。

  17. The New Stack72

    實測 GPT-6.2 Sol 和 Claude Opus 5.5:分數略低,費用省很多

    模型分數差不多時,花多少錢和出錯會造成什麼影響,也會左右選擇。作者用相同的三項工作測試 GPT-6.2 Sol 和 Claude Opus 5.5:程式修正與實驗資料分析兩項,兩者都拿滿分;處理帳務時,Opus 5.5 得 173 分,Sol 得 169 分,少算了一筆約 $2,400 的停機折抵。三項測試合計,Sol 花 $0.51、用時 290 秒;Opus 5.5 花 $2.79、用時 586 秒。作者認為 Sol 省很多,但涉及重大後果的工作仍可讓 Opus 5.5 做最後檢查。

  18. The Decoder48

    NVIDIA 研究人員認為,AI 上下文視窗不必一味變大

    語言模型的上下文視窗就像工作時能攤開來看的資料,近年變得越來越大,現在有模型一次能處理約 100 萬個 token,足以放進《戰爭與和平》這本小說。NVIDIA 研究團隊認為,視窗做得這麼大,常常既用不完又很花錢;在不少測試中,定期整理摘要、需要時再找相關資料,效果差不多。這表示模型要記住很多內容時,不一定得把所有資料一次塞進去。

  19. Dev.to Top Tech51

    OpenAI 語音模型聽得懂歌詞,卻難以辨認哼唱旋律

    用語音和 AI 助理聊天時,聽起來像是它聽懂了整段聲音,但它可能主要靠歌詞回答。作者用歌曲哼唱和唱出歌詞的錄音,比較 OpenAI 的三種開發者語音模型:有歌詞時,模型大多能認出歌曲;沒有歌詞時,幾乎都答不出來,甚至會把不同哼唱猜成同一首歌。模型仍能辨認部分情緒和音高變化,顯示聲音線索有傳進去,只是旋律資訊不足以穩定認歌。這些測試不代表所有公司的模型,ChatGPT 語音功能也只做了少量手動測試。

  20. Dev.to Top Tech49

    Gemini Flash-Lite 修 GitHub 問題實測:兩個模型各修好 1 個,成功成本最高 $0.561

    AI 助理修程式時,花掉的錢不只看每次任務的價格,也得看最後有沒有修好。作者讓 gemini-3.5-flash-lite 和 gemini-3.1-flash-lite 各自處理 9 個 GitHub 真實問題,兩者各修好 1 個;每個任務平均約 5 到 6 美分,但平均每修好一個問題,估算成本是 $0.426 到 $0.561,因為失敗的嘗試也要算進去。 模型大多把步驟用在搜尋和讀檔,有些還沒交出修改就用完 30 步。以 gemini-3.1-flash-lite 修 attrs-1320 為例,它第二次嘗試看到測試失敗的訊息後,才修對問題。不過每個模型只成功修好不同的 1 個問題,這次結果不足以判斷哪個模型比較好,也提醒我們:看 AI 助理的成本,不能只看它做了多少次工作,還要看成功了幾次。

  21. The New Stack64

    Nvidia 用 Droid 找出 Nemotron 3 Ultra 的錯誤,Terminal-Bench 2.0 分數升至 49%

    AI 助理寫程式時,可能會用錯工具、填錯引數,遇到錯誤也不會停下來修正。Nvidia 把 Factory 的 Droid 放進隔離網路,記錄這些可重現的失敗,再用約 20,000 筆資料訓練 Nemotron 3 Ultra。訓練方法 PivotRL 著重改善任務中的關鍵決定;Factory 表示,Nemotron 3 Ultra 的 Terminal-Bench 2.0 分數從 38.5% 升到 49%。不過,Factory 尚未公佈測試來單獨確認這種訓練對分數提升的影響,也沒有提供工具操作錯誤改善前後的資料。

11月21日週六
  1. Tom’s Hardware AI & Computing59

    改裝玩家用充氣城堡鼓風機替電競筆電降溫 35°C

    電競筆電散熱不夠時,加大風量能不能讓遊戲跑得更快?改裝玩家 Trash Bench 比較了筆電散熱座、單顆大風扇、六顆風扇、伺服器風扇和充氣城堡用鼓風機,測試時沒有拆開筆電,只靠氣流散熱。鼓風機把 GPU 溫度從原本的 84°C 降到 48.8°C,《Cyberpunk》的畫面速度也從 47 FPS 升到 56 FPS。不過,幾種最強的配置在 Time Spy 測試中的成績只差 1% 以內;作者也提醒,溫度降下來後,其他瓶頸可能會限制效能,繼續加大風量帶來的好處會變少。

  2. Dev.to Top Tech39

    Proof of Agent 的審查佇列怎麼才不會越排越長?8 次公開資料告訴你答案

    Proof of Agent(PoA)上的 AI 助理每 6 小時交一則短答,其他 AI 助理要評分;一則短答至少收到 4 個評分才會結算。最近待審查的短答變多,大家想知道要有多少人評分才追得上。8 次公開紀錄顯示,每次結算平均約有 3,100 則新短答,照每位評分者平均結算 3.61 則來算,每次約需 860 位評分者。最近 3 次的評分者人數介於 723 到 882 位,顯示還差幾十到一百多人左右。 不過,評分者人數相同,不一定能結算一樣多:如果評分剛好落在只差 1 個評分就能結算的短答上,效果會比較快。要讓佇列不要繼續變長,可以增加評分者,也可以把評分分配給快達門檻的短答;接下來可觀察每次結算後,待處理短答的增減和每位評分者結算的數量。

  3. Dev.to Top Tech57

    測試發現,透過 Studio Display XDR 連有線網路,下載速度可能變慢

    同一個 USB-C 網路轉接器,接在 Studio Display XDR 上時,下載速度比直接接到 MacBook Pro 慢了許多。測試者發現,安裝 Realtek 驅動程式後速度有所提升,開啟 UniFi 路由器的流量控制後,下載約可達 2 Gbps;但他不希望讓整個網路都一直開著這項設定,因為可能增加其他系統的延遲。測試也顯示,接在螢幕集線器上時,網路流量較大會開始丟失資料;換成使用 RTL8157 晶片的轉接器,在測試範圍內沒有丟包。結果只適用於這次測試的裝置組合。

  4. Dev.to Top Tech44

    Axidort Index 掃描 50 個購物網站:AI 助理平均只能走到哪一步?

    讓 AI 助理替人找商品、比價,聽起來很方便,但它能不能順利走到結帳,還得看網站讓不讓它通過。Axidort Index 掃描 50 個購物網站,讓 AI 助理搜尋商品、檢視價格和庫存,再試著前往結帳;它不會登入、填表或下單。分數中位數只有 11 分(滿分 100),有 72% 的網站低於 50 分;有些網站會用機器人檢查擋住它,也可能拒絕把商品加入購物車。 這次掃描只代表一個地點、某個時間的情況,也沒有公開每個網站究竟在哪一步卡住,因此低分不等於網站做錯了,更不能說店家因此少賣了多少東西。對店家來說,可以先檢查商品價格和庫存是否能直接讀到、加入購物車是否需要先有登入狀態,以及防機器人設定會不會連購物用的 AI 助理也擋住。

  5. Tom’s Hardware AI & Computing62

    Gigabyte MO27Q2A 評測:$399 的 280 Hz QD-OLED 螢幕表現如何

    想玩得流暢、又希望畫面色彩漂亮,電競螢幕常常不便宜。Tom’s Hardware 實測 Gigabyte MO27Q2A:這臺 27 吋 QHD QD-OLED 螢幕支援 280 Hz,並有 USB-C、KVM 和內建喇叭。測試中,畫面反應很快,色彩準確度也高到不需要校色;作者把它和其他 OLED 螢幕比較後,發現高速螢幕之間的反應差異很小。文中標示售價為 $399,適合想升級 OLED、也在意價格的玩家參考。

  6. Dev.to Top Tech57

    實測 RTX 3060 解鎖後的本機 LLM 推論速度,Q4 GGUF 沒有變快

    想替 RTX 3060 解鎖 FP16 運算限制,能不能讓本機 LLM 推論變快?作者用 llama.cpp 和 Gemma 4 12B QAT(Q4_K_M)比較解鎖前後的速度:提示處理只差 0.3%,生成速度幾乎沒變。原因是這個 Q4 GGUF 模型沒有用到解鎖後的 FP16 運算路徑。作者也提醒,安裝核心模組前要確認專案說明、保留 GRUB 備用設定,並在核心更新後檢查 NVIDIA 驅動。FP16/BF16 工作負載可能受益,但作者尚未測試。

  7. Dev.to Top Tech64

    比較 14 個 AI 助理框架:只有 5 個會把引數說明放進工具結構

    Python 函式的說明文字不一定會出現在 AI 助理真正收到的工具資料裡,可能影響模型理解引數,也會增加每次請求要帶的內容。作者用同一個訂機票函式測試 14 個框架的預設設定,發現只有 5 個把六個引數的說明放在各自欄位中;其他框架多半把整段說明塞進工具介紹,有一個則用引數名稱代替說明。這些工具定義長度從 178 到 301 個 token 不等,有些選填欄位的格式也可能讓驗證器無法照預期檢查。作者建議先檢視框架實際產生的資料,再依需要開啟引數說明解析,並檢查選填欄位的格式。

  8. Dev.to Top Tech37

    vLLM、SGLang 和 TensorRT-LLM 上線比較:速度、延遲與 GPU 成本

    同一批 AI 請求交給不同系統處理,等候時間和 GPU 花費可能差很多。這篇文章比較 vLLM、SGLang 和 TensorRT-LLM 在 4 張 A100、同時處理 64 個請求時的表現:SGLang 會重複使用大家共用的提示內容,vLLM 部署比較彈性,TensorRT-LLM 則先為特定硬體做好準備,讓執行更快,但改模型或硬體時得重新建置。 在這組測試裡,TensorRT-LLM 每秒產生 88k 個 token,SGLang 是 72k,vLLM 是 45k;請求等最久的那一小部分,TensorRT-LLM 的延遲也最低。簡單說,追求速度和較低成本時,TensorRT-LLM 表現較好;常重複使用相同提示時,SGLang 有優勢;需要支援不同模型、方便部署時,vLLM 較合適。

  9. Dev.to Top Tech46

    Claude Code 和 Codex 用同一份任務與評分表比一比,結果會因工作內容而不同

    常有人憑感覺爭論 Claude Code 和 Codex 哪個比較好,但感覺很難說清楚誰做得好。作者讓兩者拿到完全相同的指令和資料,事先寫好標準答案,再用 100 分評分表比較正確度、修改量、速度、內容品質和是否照指令做。像整理會議紀錄時,多加一段沒人要求的「風險」會被扣分;把期限寫錯,也會因答案不正確而失分。 目前兩場實測各由不同工具勝出:整理會議紀錄時 Claude Code 得 99 分、Codex 得 92 分;把 CSV 整理成每月統計時,Codex 得 96 分、Claude Code 得 93 分。這表示沒有一個工具能在所有工作上都贏,先說清楚要做什麼、再用同一把尺比較,才能知道哪個更適合那類任務。

  10. Dev.to Top Tech71

    Midjourney 和 Leonardo 月費 $30 方案怎麼選?比較額度、不限量範圍與使用權

    Midjourney 和 Leonardo 的月費 $30 方案看起來差不多,實際上計算額度和不限量範圍都不同。Midjourney Standard 提供 15 小時快速生成時間,快速額度月底會重置,慢速不限量生圖則涵蓋產品內的模型;Leonardo Premium 提供 25,000 個 Fast tokens,沒用完的額度可以累積,但不限量生圖只涵蓋列出的 15 個模型,部分第三方模型仍會扣點數。文章也整理了兩家的影片功能、團隊方案和生成作品的使用權差異,方便依常用模型、是否需要累積額度及團隊人數挑選。

  11. Tom’s Hardware AI & Computing55

    Homelabber 用兩張 RTX 3090 執行 Kimi K3,每秒生成 3.11 個 token

    要在家用電腦跑超大型模型,模型檔案太大,讀取速度也會拖慢生成。Tom’s Hardware 報導一位玩家把兩張 RTX 3090 加進 Optane 主機,執行 2.8 兆引數的 Kimi K3;再把 865 GB 模型檔中的 414 GB 放進 RAM drive 後,生成速度從每秒 2.20 個 token 提升到 3.11 個,提示詞評估速度也從每秒 13.3 個 token 提升到 16.8 個。這些數字來自玩家的測量;Optane 記憶體仍然很熱,需要額外風扇散熱。

  12. Dev.to Top Tech42

    AI 寫程式遇到 bug 時,先重現問題再修改,準確率達 100%,輸入 token 減少 95.3%

    AI 助理收到 bug 回報後,常會先猜原因、直接改程式,再跑原有測試;但舊測試可能沒碰到真正出錯的情況,讓錯誤悄悄留下。這次測試比較兩種做法:一種先修改再測,另一種規定先用 5 個小測試重現問題,確認它們真的失敗後,才開放修改程式。結果,先重現問題的做法一次就通過全部 20 個檢查,輸入 token 也從 49,801 降到 2,323。 例如,測試特別檢查金額為 0 的交易能不能通過,以及多餘欄位會不會被錯誤留下;先修改再測的做法漏掉了這兩種情況。這表示先清楚看見錯誤怎麼發生,再動手修,能讓 AI 助理少走冤枉路,也更不容易漏修。

  13. Dev.to Top Tech53

    MiniMax H3-Image 評測:比較三種 ComfyUI 流程,生成原生 4K 圖片

    想要大尺寸圖片,或修改圖片時不想讓畫質變差,可以怎麼做?作者用三種 ComfyUI 工作流程測試 MiniMax H3-Image,並表示它能用 6 步直接生成約 16.8MP 的原生 4K 圖片,不必先做小圖再放大。一種流程用來從文字生成圖片,一種修改單張參考圖,另一種最多參考 16 張圖片,適合讓不同角度或同一組產品的畫面保持一致。參考圖片越多,所需記憶體和時間也越多;作者建議只有兩張參考圖時使用單圖流程。這些流程不含模型權重,也可以透過 RunningHub 線上使用。

  14. Dev.to Top Tech48

    AI 電話分析工具怎麼選?先看電話是誰接的

    電話分析工具要看接電話的是誰:AI 助理接聽時,Agnost AI 會讀完整通話文字,照你寫的規則檢查有沒有辦好事,也會找出通話卡住、工具出錯或客人不耐煩的情況,再用 Slack 或電子郵件提醒。真人接聽時,銷售電話可看 Gong 或 Chorus,客服中心可看 Observe.AI 或 CallMiner;想知道哪個廣告帶來電話,可看 CallRail 或 Invoca;想把分析功能放進電話系統,則可看 Dialpad。 例如,CallRail 每月 $50 起,能協助小型企業檢視來電摘要、客人情緒和來電來源;Agnost AI 每月免費分析 1,000 筆事件,但它只看文字,無法判斷說話語氣或停頓。這些工具各有適合的電話型別,挑選時先想清楚誰在接電話,以及你想用分析結果改善什麼。

  15. Dev.to Top Tech49

    為什麼縮短網頁搜尋結果,反而讓小型模型答錯更多?

    網頁搜尋結果常把不重要的內容放在前面,小型模型可能看到一個像答案的線索,就直接作答,不再開啟網頁確認。作者用 12 個問題比較完整網頁文字和只顯示標題、連結及前 200 個字的搜尋結果:完整文字答對 22 題,縮短版答對 20 題。像是問題問團隊方案的每人價格,縮短版先露出個人方案的 $8,模型就答了 $8;正確答案 $12 藏在網頁更下面。 縮短版每題用的 token 較少,但模型更常重新開啟網頁,到了第三輪,提示內容反而比完整文字更長。這次測試只做到三輪,不能直接代表更長的工作流程;不過結果顯示,縮短搜尋結果只有在它保留答案時才有幫助。答案可能藏在下方時,模型得先開啟網頁確認,不能只看前幾個字就作答。

  16. Dev.to Top Tech39

    Sonnet 5.5 和 Sonnet 5 怎麼選?實際使用成本與速度比較

    同一項工作交給 Sonnet 5 和 Sonnet 5.5,哪個比較適合?一間工作室記錄了兩種模型的實際使用情況:Sonnet 5 每次花 $0.01007,較便宜;Sonnet 5.5 每次花 $0.01755,但平均只要 2.0 秒,速度比 Sonnet 5 的 2.6 秒快。兩種模型都沒有發生失敗,不過 Sonnet 5.5 使用次數較多,兩者也不是同時測試。 工作室後來繼續使用 Sonnet 5.5,但這份紀錄沒有說明轉換原因,也沒有比較答案品質。Sonnet 5.5 每次收到的輸入資料比較多,所以成本差異不能只歸因於模型價格。這些結果只反映這項工作和這間工作室的用量;如果你最在意每次成本,Sonnet 5 較省,若在意速度,這次的紀錄則是 Sonnet 5.5 較快。