跳到正文

#評測/基準

RSS
今日 12 則
11月3日週二
  1. Dev.to Top Tech48

    **title_zh:**

    AI 基準測試真的能衡量實際工作嗎?21項排行榜評估對應41項 ONET 工作活動 (2026) summary_zh: 本研究將 21 個 AI 基準評估對應到 ONET 31.0 資料庫中的 41 個工作活動。

  2. Hacker News (official RSS)76

    Claude Opus 5.5 建築製圖測試:可產出接近申請建照水準的圖面

    建築師以兩項實作測試比較 13 個模型,發現 Claude Opus 5.5 在人工指導與修訂下,能為簡單建築產出接近申請建照水準的施工圖,也能依照片與草圖繪製既有建築的平面、立面與細部圖。

    推薦理由:作者以兩項建築製圖測試比較 13 個模型,呈現 Claude Opus 5.5 在人工修訂下完成圖面的能力與仍存缺陷,並討論技術繪圖成本下降對建築工作的影響。

11月2日週一
  1. Dev.to Top Tech50

    **title_zh**:

    Vercel CI 與 GitHub Actions 為 Next.js 專案做比較:該選哪一個 summary_zh: Vercel CI 與 GitHub Actions 為 Next.js 專案提供不同的 CI 方案。

  2. Dan Luu Blog78

    Dan Luu 比較 GPT-6 Astra 使用不同測試方法的表現

    AI 助理寫程式時,大家常想知道該不該要求它寫測試,以及哪種測試方法最有用。Dan Luu 用 GPT-6 Astra 重做測試,發現它在較簡單的 Zstd 任務中,即使不指定方法也常能通過所有測試;在較難的 Pandoc 任務中,不同方法的表現則有差異,但每種情況只測了 25 次,結果還不夠穩定,難以判定哪種方法普遍較好。作者也提醒,測試方法的效果可能隨模型和任務難度改變,因此小型基準測試不能直接當成所有程式工作的定論。

    推薦理由:文章比較 GPT-5.6 Sol 與 GPT-6 Astra 在不同測試方法下的結果,並提醒大型程式任務的少量測試難以支援普遍結論。

  3. LMSYS Org Blog79

    SGLang 如何用 HiCache 在多種部署配置中重用模型快取

    長對話會反覆送出相同的前文,模型若每次重算或重新傳送資料,使用者就得等更久。這篇文章說明 HiCache 如何把可重用的模型快取放在 GPU、主機記憶體和外部儲存,並讓不同運算階段和多臺機器在同一個字首上做出一致決定。以 GLM-5.2-FP8 的多輪對話測試來看,解碼端也重用 GPU 與主機快取後,平均首次回應時間降低 25.4%,中位數降低 60.3%,輸出速度增加 2.9%。文章也說明,資料分散存放和非同步傳輸會增加協調難度,快取資料必須準備妥當才能省下計算與傳輸時間。

    推薦理由:文章拆解 HiCache 在多種平行配置與分離式服務中的快取協調方式,並用實際服務資料呈現字首重用對回應等待時間的影響。

11月1日週日
  1. Dev.to Top Tech62

    12 款 2026 年最佳專案管理工具:Windows 測試排名

    核心導語:這篇文章以 Windows 11 環境測試十二款專案管理工具,提供完整評分、功能對照與價格參考,協助使用者快速決定最適合團隊需求的方案。 - 評分標準:以易用性×3、視覺化×2、速度×2、自動化與 AI×2、價值與成本×2、整合度×1 共八項指標進行打分。

  2. LMSYS Org Blog77

    GLM-5.3-Flash 如何在 H200 上提升長文本服務吞吐量

    長文本請求會佔用大量記憶體,也可能讓模型忙著處理輸入,來不及持續產生答案。作者在 SGLang 上調整 GLM-5.3-Flash 的快取共用、推測解碼和資料傳送方式,並分開測試輸入與輸出速度。在 4 張 H200 上,輸入處理速度提高到每秒 48,064 個 token;有 99.9% 共用字首時,輸出速度提高到每秒 12,027 個 token。整體結果也顯示,共用字首較少時,輸入處理仍是瓶頸;共用較多時,解碼端的改善更能提高整體速度。

    推薦理由:這組測試呈現共享字首比例如何改變服務瓶頸:字首重用少時,輸入處理仍限制整體吞吐量;重用高時,解碼端的調校更能轉成效能提升。

10月31日週六
10月30日週五
10月29日週四
10月28日週三
10月27日週二
10月24日週六