跳到正文

#評測/基準

RSS
今日 12 則
11月20日週五
  1. Dev.to Top Tech71

    Krisp Voice Isolation 實測:減少背景人聲幹擾 AI 語音助理

    AI 語音助理在通話中可能把旁人的話也當成來電者的指示,讓辨識和對話出錯。作者實測 Krisp Voice Isolation API,先把背景人聲壓低,再把處理後的聲音交給語音辨識;測試的 8 段錄音中,背景語音造成的 331 個錯誤文字降到 0 個,整體辨識錯誤率也從 40.1% 降到 10.2%。不過,沒有旁人說話時,處理可能讓辨識稍微變差;API 目前只在美國運作,海外使用還會多出網路延遲。

  2. Dev.to Top Tech72

    Krisp Voice Isolation 評測:減少背景人聲幹擾語音 AI 助理

    語音 AI 助理在多人通話時,可能把旁邊的人聲也當成使用者的話,讓逐字稿和回話出錯。作者用 Krisp Voice Isolation 處理公開錄音,再用語音辨識模型轉成文字;在他測試的 8 段錄音中,背景人聲造成的 331 個錯誤轉錄詞降到 0,整體錯誤率也從 40.1% 降到 10.2%。不過,只有一個人說話的電話錄音可能略受影響,從亞洲連到美國區域的 API 也會增加網路延遲。

  3. Dev.to Top Tech72

    Krisp Voice Isolation API 評測:減少通話背景人聲幹擾

    語音 AI 助理在通話中可能把旁人的話當成來電者說的內容,讓辨識結果和回話出錯。作者用 Krisp Voice Isolation API 處理 8 段公開錄音,再交給語音辨識模型轉成文字;測試中,辨識錯誤率從 40.1% 降到 10.2%,背景人聲產生的 331 個字也沒有出現在處理後的結果裡。不過,沒有其他人聲的乾淨通話有時會稍微變差;API 目前只在美國提供,遠距使用會多出網路延遲。這項工具較適合常在辦公室、家庭或客服中心接聽電話的語音 AI 助理。

  4. Dev.to Top Tech58

    iOS 和 Android 的 App 評分差在哪?79 款 App 的比較發現差距多來自一星評論

    同一款 App 在 App Store 和 Google Play 的評分,常常不太一樣;只看平均分數,很難知道差在哪裡。作者比較了兩家商店中 79 款熱門 App 的美國評分,發現 App Store 平均高出 0.25 顆星,而差距大多來自 Google Play 上較多的一星評分。兩家商店計算評分的方式也不同:Google Play 會更看重近期評分,App Store 則從上次重設後計算平均。作者建議分開比較各商店的變化,並檢視評分較低那邊最近的一星評論,找出可能的問題。

  5. Dev.to Top Tech48

    Chrome Web Store 的「4 星以上」搜尋篩選,40 次搜尋發現評分低於 4 星的擴充功能仍會出現

    Chrome Web Store 現在更看重近期評論,擴充功能遇到一波負評,星等可能很快下降;但搜尋篩選顯示「4 星以上」時,畫面上仍可能出現低於 4 星的專案。測試者搜尋 40 組常見關鍵字,發現篩選結果中有 41 個專案顯示不到 4 星,佔 10.8%,其中甚至有顯示 1.5 星的專案。這可能是因為搜尋篩選和結果卡片採用不同的評分數字,但 Google 沒有公開說明運作方式。擴充功能開發者仍應留意近期評論、分階段推出更新並準備好回復舊版本,因為搜尋者看到的星等可能影響曝光。

  6. Dev.to Top Tech60

    Gemini 4 四款模型怎麼選?比較推理、寫程式和長文本表現

    挑模型時,只看一個總分,可能看不出它在自己的工作上好不好用。作者整理 Gemini 4 Argon、Carbon、Hydrogen 和 Neon 的公開測試,沒有重新跑測試;結果顯示,同樣是高推理設定,Neon 和 Carbon 的總分都是 60,但估計完成加權任務的時間分別是 14.8 分鐘和超過半小時。長文本測試也顯示,模型能讀進很多文字,不代表都同樣會追蹤內容之間的關係。文章提醒,寫程式的結果還會受工具、重試方式和驗收標準影響,挑模型時應用自己的任務測試,並把花費、完成時間和通過驗收的結果一起比較。

  7. Tom’s Hardware AI & Computing51

    MSI GeForce RTX 5070 Ventus 2X OC 降價至 $839.99

    想買顯示卡的人,最近常遇到價格偏高、選擇有限的問題。Newegg 為 MSI GeForce RTX 5070 Ventus 2X OC 12 GB 提供折價券,折後價格是 $839.99,比約 $900 的一般價格少 $60。Tom’s Hardware 的測試指出,這張卡多數遊戲可在 1440p、高畫質和光線追蹤下順暢遊玩;不少遊戲也能搭配 DLSS 和 DLSS FG 在 4K 遊玩。報導提醒這是限時優惠。

  8. Dev.to Top Tech64

    Seedance、Kling 和 Veo 3.1 的影片生成 API,六家平臺每秒價格比較

    用 AI 生成大量廣告影片時,同一款模型在不同平臺的價格可能差很多。作者整理 Seedance、Kling 和 Veo 3.1 在六家平臺的文字生成影片價格,按秒比較不同解析度與是否含音訊的費用;例如 Kling 3 Standard 不含音訊,每秒價格從 $0.0714 到 $0.168。表格也提醒,部分平臺的計價方式不同,圖片或影片輸入另計,而且價格可能每週變動。作者也說明自己經營 UberLLM,並附上各平臺的價格來源。

  9. Artificial Analysis45

    語言模型能不能做出比影片生成模型更好的影片?Artificial Analysis 讓 OpenAI 的 GPT-6.2 Astra 用 three.js 程式碼打造雪梨歌劇院、拆解中的機械錶,以及巨龍攻擊中古城鎮的場景,再用瀏覽器裡的虛擬攝影機拍成 15 秒、1080p、24 fps 的影片。ByteDance 的 Dreamina Seedance 2.5 則收到相同的攝影機路線,搭配路線參考圖作為文字提示詞。這場比較要看的是:語言模型寫程式做出的影片,能否和專門生成影片的模型競爭。

  10. Dev.to Top Tech41

    gemma3:12b 用自己的機率打破搜尋排序平手,12 題有 11 題把正確文章排第一

    搜尋系統用 AI 幫文章打分時,常會遇到好幾篇分數一樣,結果靠原本的排序把不對的文章放到前面。作者比較三種做法:維持原本的 0 到 10 分、改用 0 到 100 分,或讓模型在分數相同時,再看它對各個分數有多確定。結果發現,分數改得更細也沒用,gemma3:12b 常常還是給出相同分數;但看它對分數的把握度後,12 題有 11 題把正確文章排第一,修正了原本被平手影響的兩題。代價是每題約要 95 秒,適合批次整理或夜間報告,未必適合即時搜尋。

  11. Dev.to Top Tech61

    Meta 的 Muse Wonder 在 Legora 法律工作測試中拿下整體品質第一

    律師事務所挑選 AI 處理客戶案件時,既要看回答是否可靠,也得考慮每件工作的成本。Legora 公佈的 11 月測試中,Meta 的 Muse Wonder 整體品質最高,並在分析與回答、資料擷取、撰寫和編輯四類工作領先;OpenAI 的 GPT-6.2 Astra 則在比較與審查任務領先,案件成本比平均低 20%。GPT-6.2 Sol 的品質高於平均,案件成本低 78%。Meta 沒有公佈 Muse Wonder 的案件成本,因此這份結果能比較表現與部分價格,還看不出品質領先值多少錢。

  12. Dev.to Top Tech54

    Nodus 比較 SF Compute 與 H100 租用方案的價格和彈性

    租 H100 GPU 時,價格會因租用時間、GPU 數量和計費方式而差很多。Nodus 團隊比較 SF Compute、Nodus、Together AI、Lambda 和 CoreWeave,並把價格換算成相同的 GPU 時數。以 64 張 H100 租用 14 天為例,Together AI 的公開價格約為 $79,350,Lambda 約為 $125,798,CoreWeave 約為 $132,357;SF Compute 的價格要看訂單成交價。若工作放得進一臺 8 張 H100 的機器,文章也比較了單日費用。SF Compute 的特色是可以自行出價,也能把沒用完的時數拿去轉售,但賣出不保證成交。

  13. Dev.to Top Tech57

    8 款 Mac 語音聽寫工具比較:語音去哪裡處理、各要花多少錢

    挑 Mac 語音聽寫工具時,除了價格,也要看說話內容會不會送到網路上處理。作者整理 8 款工具的語音處理方式、離線能力、支援平臺和價格,並附上各家資料來源;例如 Wispr Flow 會把語音送到雲端,shepetal 則可離線使用,Superwhisper 可讓使用者選擇在裝置上或雲端處理。價格差異也很大,從 Apple Dictation 隨 macOS 提供,到每月訂閱或一次付費都有。作者建議先挑最在意的條件,再把合適的工具放進日常工作試用一週。價格資料讀取於 2026 年 11 月 19 日。

  14. Cognition76

    挑選程式碼變更要不要合併,得同時看模型判斷得準不準、花費多不多。Cognition 用自家的 FrontierCode 2.0 評估 Gemini 4 Neon,這項基準測試關心模型能否判斷一項程式碼變更是否該合併。Gemini 4 Neon 得分 46.2%,每項任務約 $4.38;Cognition 表示,它的分數和 Opus 5.5 相差不到 1 分,成本約為三分之一。Gemini 4 Neon 也已可在 Devin Desktop 和 Devin CLI 使用。

    推薦理由:FrontierCode 2.0 用是否該合併程式碼變更來評估模型,並列出 Gemini 4 Neon 的分數與每項任務成本,方便比較其表現與花費。

  15. LMSYS Org Blog74

    Ant International 團隊如何加速 DeepSeek-V4.1-Flash 在 H20-3e 上的推論

    DeepSeek-V4.1-Flash 在 H20-3e 上處理長提示時,等待第一個回答的時間佔了很大一部分。Ant International 團隊調整分開處理提示與生成回答的部署方式,也改進了多個運算步驟;在 8 張 GPU 的測試中,平均完成時間從 13.63 秒降到 4.70 秒,每秒輸出量從 847 個 token 增至 2,465 個。團隊也測試了 4 張 GPU 同機處理的配置,平均完成時間從 18.62 秒降到 7.96 秒。這些結果顯示,不同部署方式的速度和吞吐量各有差異,適合用來比較實際工作負載下的取捨。

    推薦理由:這組測試比較 DeepSeek-V4.1-Flash 在 H20-3e 上的分拆與同機部署,呈現延遲和吞吐量如何隨配置改變。

  16. aihot75

    Gemini 4 Neon 首發實測:Peter Gostev 比較 3D、遊戲與介面表現

    新模型的實際表現如何,光看排名不容易知道,也得看看它在不同工作裡做得怎麼樣。Peter Gostev 實測 Gemini 4 Neon,拿它和 Opus、Fable、Astra、Sol 等模型比較,展示它在 3D 場景、遊戲、介面和資料視覺化上的表現,並討論畫面細節、操作、設計一致性與定價。Arena 引用的排名資料來自 4.2k 個真實世界 AI 助理對話,Gemini 4 Neon 得分 1336 分、排名第 2,每項任務中位成本為 $2.82;這些數字提供了比較表現與成本的參考。

    推薦理由:這段實測涵蓋 3D 場景、遊戲、介面與資料視覺化,並搭配 Arena 排名和每項任務成本,能從多種用途比較 Gemini 4 Neon 的表現。

  17. Arena.ai49

    Google DeepMind 昨天推出 Gemini 4 Neon,影片用 3D 場景、遊戲、介面設計和資料圖表展示它的表現。Peter Gostev 也把它和 Opus、Fable、Astra、Sol 比較,談到畫面細節、創意、動態效果、設計一致性與價格,並分享自己對 Gemini 4 Neon 距離頂尖模型還有多近的看法。這類實際操作比較能讓人看出模型在不同任務上的表現,但推文沒有說明最終排名或比較結果。

  18. Dev.to Top Tech52

    Gemini 4 Neon 價格和生成測試怎麼比?

    選模型時,只看 Token 單價,可能猜錯哪款模型做一次任務比較省錢。這篇文章整理 Carbon、Neon 和 Hydrogen 的價格與推理檔位,也比較三款模型在同一個圖形生成題目中的耗時和費用。Carbon 的優惠價到 2026 年 11 月 30 日,12 月 1 日起恢復較高的常規價格;測試中,Neon 的單次費用有時低於 Carbon,原因是它用了較少 Token。這只是單一題目的示例,不能用來判斷模型整體能力或穩定速度。

  19. Dev.to Top Tech61

    Energy-Based Reasoners 如何讓迴圈推理模型判斷進度

    迴圈推理模型會反覆更新答案,但原本不容易知道答案有沒有變好、何時該停,或多個答案該選哪個。這篇文章解說一篇由 Duke、UIUC 和 Harvard 團隊提出的研究:模型用一個「能量值」衡量目前答案好不好,並依此修正答案;能量變化趨於平穩時就停止,也能用能量挑出較好的候選答案。在數獨等有標準答案的解謎測試中,研究團隊回報它以較少運算達到高準確率。不過,這些結果還不能說明它能否改善開放式語言推理。

  20. Artificial Analysis43

    不太熟悉新推出的 Gemini 4 系列?以下是 Gemini 4 Carbon、Neon 和 Hydrogen 的幾項重點 Carbon 是價格最高的模型(每 1M 輸入/輸出 tokens 為 $4/$20),接著是 Neon($3/$15)和 Hydrogen($1.50/$7.50)。在低推理力度下,Carbon 的表現是三者中最好的,但會使用更多 tokens。不過,Neon 和 Hydrogen 提高推理力度後的擴充套件效果更好,並多了一種推理選項(xhigh)。

  21. Dev.to Top Tech66

    作者測試 30 個小型商家聊天機器人,找出它們容易出錯的原因

    小型商家的聊天機器人可能被假冒主管騙過,也可能把不知道的事說成真的。作者用同一個模型測試 30 個虛構商家機器人,改變提示詞內容後,進行 1,800 次對話測試。提示詞寫得最簡略的 8 個機器人全都至少出現一次確認失誤;規則寫得最完整的 6 個則沒有失誤。測試也發現,防越獄篩選器擋不住機器人編造答案;在一個虛構牙科診所的測試中,關閉網路搜尋並補上 4 條規則後,編造資訊的情況從 5 次中 4 次降為 0 次。這些結果來自虛構機器人與單一模型,反映的是提示詞差異。

  22. Dev.to Top Tech66

    Gemini 各模型怎麼選?實測比較答題表現、費用和速度

    要挑 Gemini API 模型,光看每個 token 的價格不一定知道哪個最划算,答題表現和速度也會影響實際花費。作者用相同題目和評分方式比較 8 個模型:Gemini 4 的 4 個模型都答對 30 題 AIME 2025,但這次測試分不出它們誰更準;Argon 每題較便宜,Hydrogen 回答較快。Neon 在高思考設定下答題表現和 Carbon 一樣,費用較低。這些結果來自每個模型和設定各一次測試,沒有涵蓋長時間的 AI 助理工作或程式開發。

  23. Dev.to Top Tech36

    Domyn Edge 4B 在 16GB MacBook Pro 上跑起來如何?實測影片

    想在自己的電腦跑 AI 模型,常會擔心它太大、跑不動。這支影片實測 Domyn Edge 4B:作者把模型轉成 4-bit 版本後,大小約 2.2–2.4 GB,能在 16GB MacBook Pro 上順順運作。問它海豚是什麼,模型約 30 秒就給出清楚正確的答案;請它寫一個計算資料夾內檔案字數的小工具,也做出能用的 Python 程式。這次測試顯示,它適合在一般電腦上使用,也能應付簡單的程式撰寫工作。

  24. Artificial Analysis57

    比較模型時,評測專案和權重不同,算出的分數也會不同。Artificial Analysis Data Playground 現在可讓使用者挑選多項基準、調整權重,再把結果畫成圖表;只有在指數內每項評測都有成績的模型才會取得分數,計分方式沿用 Intelligence Index 的方法。平臺也提供公式指標、依模型發布日期播放圖表、熱圖、分組箱形圖,以及可用工作表和儀錶板整理資料的工作區。這項功能提供給 Artificial Analysis Pro 使用者。

  25. Dev.to Top Tech56

    Postman 閒置用了 517 MB,作者實測 curl 約用 7 MB

    只想檢查 API 有沒有回應,卻可能得開著一個佔用不少記憶體的工具。作者在同一臺 16GB 記憶體的 Mac 上測試,Postman 閒置 45 秒用了 517 MB;用 curl 送出同一個 GET 請求,尖峰約用 7 MB,約 0.6 秒就完成。Postman 有共用請求集合和環境設定,適合團隊工作;若只是偶爾確認單一網址,用 curl 就能完成。作者也提醒,測量結果會因電腦和使用情況不同,建議用活動監視器檢視自己的 Mac。

  26. MarkTechPost52

    13 種 AI 助理閘道比較:Kong、Bifrost、AgentCore 等工具怎麼選

    AI 助理除了呼叫模型,也可能使用工具或交辦工作給其他 AI 助理;團隊因此需要管理它們能呼叫什麼、代表誰執行,以及流量要經過哪裡。這篇文章比較 13 種閘道工具的模型、MCP 工具和 A2A 支援情況,也整理身分許可權、部署方式與價格。Kong、Bifrost、Gravitee 和 Prisma AIRS 都原生涵蓋這三種流量;其他產品的 A2A 支援則可能有限,或仍在預覽階段。文章建議先確認 AI 助理會用哪些工具、是否要交辦工作,再檢查許可權管理和部署需求。

  27. Dev.to Top Tech53

    實測 Clay AI 欄位:德語企業名單常把公司和職稱弄錯

    用 AI 從公司網站和 LinkedIn 資料整理職稱、部門與公司資訊,看起來省時,但德語企業的網站和法律結構讓資料更容易出錯。作者用 30 筆德語企業聯絡人測試 Clay AI 欄位,只有 2 筆資料完全正確;常見問題包括把子公司的員工歸到母公司、職稱錯誤,以及職級判斷不準。相同名單交給 Apollo,有 19 筆可用;用 Phantombuster 擷取 LinkedIn 資料,再查德國商業登記資料,有 22 筆可用。作者認為這種做法較慢,但能減少公司名稱和職稱出錯;仍需要人工檢查資深聯絡人的資料。

  28. Dev.to Top Tech37

    Dev.to 一名 AI 助理發現,#ffmpeg 九天只有 5 個回應

    在 Dev.to 發文後 24 小時,這名 AI 助理的文章一個回應和留言都沒有。它想知道是文章不好,還是標籤裡根本沒人看,就查了 #ffmpeg 和 #ai 的公開貼文資料:#ffmpeg 九天有 60 篇貼文,總共只有 5 個回應,最多的一篇也只有 1 個;#ai 三天內有 30 篇,總共 533 個回應,但一半以上的貼文仍至少有 1 個回應。 這表示選一個有人活動的標籤,別人比較有機會看到文章,但不保證文章會有人回應;而回應也不等於有人讀完或認同。它打算下次換到比較熱鬧的標籤發文,再等 24 小時看看結果。

  29. Dev.to Top Tech62

    Quantiles.io 教你用多次試跑評估 AI 助理的穩定度

    AI 助理即使拿到相同指示,也可能每次走不同流程,甚至偶爾卡在原本做得到的工作。Quantiles.io 建議把同一項任務獨立重跑,觀察成功率和過程差異,再決定要改工具、說明檔案或錯誤訊息。文章也整理三種指標:pass@1 看一次就成功的機率,pass@k 看多次嘗試中至少成功一次的機率,pass^k 則看連續多次都成功的機率。試跑次數要看結果有多不穩、想找出多小的進步,以及是否要抓出少見失敗;若任務涵蓋不足,增加不同任務也可能比一直重跑更有幫助。

  30. Dev.to Top Tech78

    NVIDIA RTX Spark 桌機開賣,從 $4,399.99 起可在本機跑 AI 模型

    想在自己電腦上跑大型 AI 模型,常會遇到顯示卡記憶體不夠,或不想把資料送到雲端的問題。NVIDIA RTX Spark 桌機已在美國開賣,MSI 64GB 機型售價 $4,399.99;較大的 128GB 記憶體配置,則能讓 120B 引數模型載入本機。共享記憶體也讓 CPU 和 GPU 能使用同一大池記憶體,但裝得下不代表跑得快。文中整理 ASUS、MSI、Dell 和 Microsoft 機型的價格與限制,並提醒目前桌機效能數字來自廠商,還沒有獨立測試;此外,這些電腦使用 Arm 架構,購買前要確認常用軟體能否順利執行。

    推薦理由:文章整理各款 RTX Spark 桌機的價格與記憶體配置,也說明本機執行大型模型的隱私好處,以及效能數字尚無獨立測試佐證。

  31. Dev.to Top Tech63

    作者比較三種在 Apple Watch 接收 Claude Code 提示的方法

    Claude Code 等人回覆指令或確認問題時,如果人離開電腦,工作就會停下來。作者比較三種把通知送到 Apple Watch 的方法:Claude Code 內建的 Remote Control 會透過 iPhone 顯示通知;Notification hook 可用小程式把提醒送到手機和手錶;作者製作的 Tapproval 則能在手錶上檢視指令並選擇允許或拒絕。前兩種需要 iPhone 和手錶保持連線,Tapproval 可直接連到電腦。作者也提醒,手錶小螢幕不容易看清指令,因此 Tapproval 會標示風險,而且預設不會代替使用者核准。

  32. Dev.to Top Tech50

    圖片縮放順序會影響結果:旋轉前後使用濾鏡,畫素差異從哪裡來?

    把圖片旋轉 90 度再放大,或先放大再旋轉,照理說應該得到一樣的結果;實測卻發現,雙線性、雙三次和 LANCZOS 濾鏡算出的畫素會有些微差異。原因是圖片用 8 位元儲存時,濾鏡每做完一次縮放就會先四捨五入,兩種順序捨入的位置不同。以 LANCZOS 放大 2 倍為例,最多差 17 個色階,但差異分散在圖片各處,整體很小。實際使用時不用為了這點差異重排步驟;若要縮放又旋轉,盡量一次完成幾何調整,避免多次縮放累積誤差。

  33. Dev.to Top Tech40

    TimescaleDB 和 ClickHouse 怎麼選?比較即時寫入、壓縮和查詢速度

    存大量時間資料時,常得在「寫入和查詢要快」與「修改資料、和其他資料表一起查要方便」之間取捨。這篇比較 TimescaleDB 和 ClickHouse:測試中,ClickHouse 每秒寫入約 4.7M 筆資料,查詢近 30 天資料約 44 毫秒;TimescaleDB 寫入約 1.14M 筆,查詢約 412 毫秒,但更新最新狀態只要 6.8 毫秒,而 ClickHouse 約要 260 毫秒。 如果資料大多隻新增、不太修改,而且常要做大量統計,ClickHouse 會比較合適;如果常需要更新資料、和其他業務資料表一起查,TimescaleDB 比較方便。文章也提醒,ClickHouse 一次塞進太多小批資料可能讓寫入停擺;TimescaleDB 若修改已壓縮的資料,也可能卡住,所以選擇時要看資料平常怎麼寫入和修改。

  34. Phoronix (Linux HW & Benchmarks)38

    AMD Ryzen AI Max+ 395 在 Windows 11 和 Ubuntu 26.10 上的效能比較

    同一臺電腦換上不同作業系統,跑遊戲、AI 和創作軟體時,速度會不會不一樣?Phoronix 用搭載 AMD Ryzen AI Max+ 395 的 GMKtec EVO-X2,比較 Windows 11 Pro 和 Ubuntu 26.10。測試使用截至 11 月 16 日的軟體更新,涵蓋多種工作情境。這次比較能看出兩套系統在這臺電腦上的表現差異;文章摘要提供的內容沒有列出測試結果。

  35. Dev.to Top Tech68

    實測 PostgreSQL JSONB 資料表:資料列改寫幾次後,拆出欄位才划算?

    資料表裡常有很少變動的大段內容,也有一天會改好幾次的小欄位;每次更新時,這些資料要不要放在同一列,會影響寫入紀錄的大小。作者用兩種資料表設計和不同大小的內容做實測:小內容留在資料列時,每次更新都得一起寫,拆到另一張表可省下不少寫入;大內容則會移到 PostgreSQL 的 TOAST 儲存區,原本就不必每次重寫整段內容,但拆開後每次更新仍可少寫一些。作者的測試顯示,大內容通常要改寫兩次以上,拆表才划算;這個結論只適用於欄位沒有建索引、資料頁有空間等測試條件。

11月19日週四
  1. Lobste.rs (Engineering Discussion)59

    Contra Labs 與 BenchFlow 用真實設計委託比較 AI 模型

    AI 做出的設計好不好,光看模型分數不容易判斷。Contra Labs 與 BenchFlow 推出 Frontier Design Benchmark,找設計師用真實客戶委託比較不同模型的作品,評審不知道作品由哪個模型產生,也可以判定平手。網站列出 33 份設計委託、68 位專業設計師和 4,311 次盲測投票,另用設計評分規準和 AI 常見粗糙設計模式補充比較。這讓讀者能同時檢視盲測結果與作品評分依據。

  2. Dev.to Top Tech59

    Kling 4.0 和 Seedance 2.5 實測:Kling 更照提示詞做,Seedance 快上許多

    要讓 AI 影片符合指定動作和顏色,或想快速拿到成片,該選哪個模型?作者用三組相同提示詞測試 Kling 4.0 和 Seedance 2.5,分別生成夜市炒麵、商品照短片和咖啡師說話的影片。Kling 做對了炒麵翻鍋和綠圍裙等細節,也能輸出 1080p;Seedance 每段約 2.7 分鐘完成,畫面看起來較像實際拍攝,也能編輯或延長既有影片。測試每種情境只各跑一次,結果可供挑選方向,實際等待時間仍可能不同。