跳到正文

#評測/基準

RSS
今日 14 則
11月19日週四
  1. Dev.to Top Tech64

    Perplexity Portable Computer 評測:AI 助理能在 Windows 電腦上處理檔案,但要付月費

    想讓 AI 在自己的電腦上處理檔案和應用程式,Perplexity Portable Computer 確實做得到,但需要高階顯示卡和付費訂閱。它可在 Windows 電腦上使用本機模型,也能連線 Gmail、Outlook、Slack 和 GitHub;在電腦上完成的工作不會扣雲端點數,升級到雲端處理才會用到點數。不過,官方列出的需求包括至少 24 GB VRAM 的 NVIDIA RTX 或 RTX PRO 顯示卡,而且還要訂閱 Pro 或 Max。文中的測試分數來自 Perplexity 自家的測試,尚無獨立測試確認;如果想免費在本機跑 AI,開源模型也是一種選擇,但需要自行組合工具。

  2. Artificial Analysis41

    GPT-6.2 Astra 和 GPT-6.2 Sol 的回答風格跟前一版相比有明顯變化:內容更短、比較少分段整理,也更常先說答案。Astra 每次回答平均從 352 字降到 210 字,Sol 從 337 字降到 223 字;兩者承認不確定的分數也都下降,自然程度則提高。使用較高的回答投入程度時,兩款模型也更常以證據作答。這些變化讓回答讀起來更直接、自然,但也表示它們比較少主動說自己不確定。

  3. Dev.to Top Tech79

    Gemini 4 Neon 評測:比較基準、API 費用與 AI 助理工作流程

    挑模型時,排行榜上的分數不一定能告訴你實際工作要花多少錢,工作流程工具也會影響結果。作者整理 Gemini 4 Neon、Carbon 和 Hydrogen 的價格與測試成績,並說明 Neon 的輸出費用包含思考用的 token,調高思考程度也會增加費用;Carbon 和 Argon 的優惠價格則會在 12 月 1 日結束。文章還比較同一模型在不同程式工作流程工具上的測試結果,指出分數差距可能很大,建議團隊用自己的工作流程和任務測試,再估算費用。

    推薦理由:文章比較 Gemini 4 Neon 與 Carbon 的費用和測試結果,也指出同一模型換了工作流程工具後,程式任務分數差異很大。

  4. Arena.ai64

    要比較 AI 助理做事的表現,也得看完成任務花多少錢。Arena.ai 用 Agent Arena Index 排名,這次的 GPT-6.2 Astra 和 Sol 成績來自 7.1K+ 次真實 AI 助理工作紀錄。Astra 排第 6,得 1291 分,比前一版多 9 分;每項任務中位成本是 $2.94,比前一版低 40%。Sol 排第 11,得 1241 分,分數和 GPT-6.1 Sol 相同,但每項任務成本低 13%,為 $0.90。兩者相比,Astra 高 50 分,Sol 的成本則低 69%。

    推薦理由:這份榜單把 GPT-6.2 Astra 和 Sol 的任務分數與每項任務成本放在一起比較,能看出兩款模型在表現和花費上的差異。

  5. Dev.to Top Tech65

    分析 91,904 個小型企業網站後,Oxymore Services 找出效能與 SEO 問題

    許多小型企業網站在手機上載入慢,版面也會跳動,搜尋頁面的標題設定同樣常出錯。Oxymore Services 花六週分析 91,904 個美國小型企業網站,發現 71% 的網站至少有一項手機版 Core Web Vitals 指標不合格;WordPress 加上多個頁面編輯器外掛的網站,載入速度尤其慢。作者也整理出幾個改善方向,例如替主視覺圖片標明寬高、預先載入圖片,以及刪除沒在使用的分析標籤。這些資料也被用來製作網站成本計算工具,協助依客戶選用的技術組合估算價格。

  6. The New Stack75

    Gemini 4 Neon 換用 Antigravity 後,SWE-sweep 成績升至 39.0%

    同一個模型換了執行程式工作的工具環境,寫程式的測試成績可能差很多。Google 的 Gemini 4 Neon 用 mini-SWE 測試時,SWE-sweep 成績是 12.8%;改在 Antigravity 裡執行後,成績升到 39.0%。其他模型的結果也不一樣:Claude Opus 5.5 換用 Claude Code 後成績提高,GPT-6.2 Sol 換用 Codex 後反而下降。這次比較顯示,工具環境可能影響測試結果,但 Google 沒有分開測試 Antigravity 的哪些改動帶來差異,也還沒有 Neon 使用其他工具環境的資料。

  7. Dev.to Top Tech75

    作者實測 PC 本機 AI:語音辨識、翻譯和大型語言模型哪些好用

    想在自己的 PC 上跑 AI,常會遇到速度不夠快、效果不穩,或不知道值不值得買硬體的問題。作者以實際使用經驗比較語音辨識、翻譯、語音合成和大型語言模型:本機模型能處理檔案摘要、PDF 資料整理和語音轉文字,但安靜片段或雜音可能讓語音辨識編出沒人說過的內容,重要的法律或醫療翻譯也不適合直接交給本機模型。是否選本機或 API,還要看資料敏感程度和使用量;作者建議先拿自己的資料做原型,實際檢查品質與速度,再估算成本。

  8. Dev.to Top Tech70

    vLLM 和 Ollama 怎麼選?用 Qwen3 8B 試算同一張 GPU 能服務多少請求

    自己在電腦上跑模型,和讓很多人同時使用同一張 GPU,適合的工具不一定相同。文章用 Qwen3 8B 和 48 GB GPU 試算:Ollama 會先替每個同時處理的請求預留整段上下文的記憶體;vLLM 則依請求實際使用的文字量分配。以文中的設定來看,Ollama 使用 32,768 個 token 的上下文時可容納 6 個請求,vLLM 約可容納 107 個平均使用 2,000 個 token 的請求。這些數字是依模型設定和專案檔案計算的上限,作者沒有自行實測效能;個人電腦或少數人使用時,Ollama 較簡單,多人同時使用時則可依實際需求評估 vLLM。

  9. Dev.to Top Tech49

    為什麼 AI 寫程式助理自己檢查,還是抓不到錯誤?實驗比較自我檢查與對抗式審查

    AI 寫完程式後,常會被要求自己再檢查一次,但它可能沿用原本的想法,只測常見情況,漏掉容易出錯的邊界。這次實驗讓同一個 AI 助理自我檢查,並和「另一個 AI 助理專門找碴」的做法比較:前者寫出的測試程式用了環境裡沒有的 pytest,無法執行,6 個隱藏錯誤一個也沒抓到;後者則用 Python 內建功能寫測試,抓出全部 6 個。 兩種做法寫出的程式都通過了 20 個功能測試。多加一次找錯步驟,花費增加 $0.0052、時間多 6.92 秒。這個結果顯示,讓不同 AI 助理分開寫程式和找錯,可能更容易發現邊界條件、型別和格式問題;找錯用的測試也應鎖定,避免後續修改把測試放寬。

  10. Dev.to Top Tech54

    Claude Code 和 Cursor 怎麼選?創辦人打造 App 的比較與建議

    用 AI 助理做 App,挑哪一套工具固然重要,但沒檢查程式碼也可能讓功能出錯。作者比較 Claude Code 和 Cursor 的價格與使用方式:Claude Code 的 Pro 方案每月 $20,Cursor Premium 每月 $30,使用第三方模型還要另外付費。兩者都能讀專案裡的規則檔,作者建議可改用共通的 AGENTS.md,寫清楚資料庫、安全金鑰和測試要求。一個訂單 App 曾因為沒人檢查修改、也沒跑測試,讓店員看不到已付款訂單九天;作者認為,換工具無法取代程式碼審查和部署前檢查。

  11. Dev.to Top Tech36

    MultiO 用 $0.87 比較 5 個 AI 模型,並公開每筆花費

    比較多個 AI 模型時,常常不知道錢花在哪裡。MultiO 用同一組 24 個問題詢問 GPT、Claude、Gemini、Grok 和 Llama,再逐題檢視它們的答案有多大差異,並公開收據。整場研究共花 $0.87;其中,判讀模型答案差異的費用超過回答問題本身的 3 倍。 研究發現,模型答案有 52 處明顯不同,只有 24 題中的 8 題答案大致一致。把同一模型重新測試後,它沒有改變判斷,顯示差異出在不同模型之間。這提醒大家,比較模型時,花錢較多的部分可能是看懂它們哪裡意見不同;公開每筆費用,也能讓別人檢查研究怎麼做、錢怎麼花。

  12. Dev.to Top Tech55

    Darwin-Prediction-Weather 在 28 項天氣預報比較中排名第一

    天氣預報要看得準,還得在不同城市、天氣變數和預報天數下都維持表現。VIDRAFT 把 Darwin-Prediction-Weather 和 8 個預報模型放在相同條件下比較,涵蓋 24 個城市,並用實際觀測資料檢查約 9 個月的預報。研究稱 Darwin 在 28 項比較中都排名第一;例如預報 7 天後的最高溫,平均誤差是 2.08°C,低於 ECMWF AIFS 的 2.42°C。不過,這是 VIDRAFT 的研究結果,文章也說 Darwin 尚未開放使用,沒有公開模型或 API 可供開發者試用。

  13. Dev.to Top Tech57

    實測 Hyperliquid 報價速度與價差:命中率 88%,平均走勢仍為負

    看到價差,不代表跟著交易就能賺錢;報價更新速度和手續費都會影響結果。作者用一支不用帳號或金鑰的 Python 工具,比較 Hyperliquid、Binance、OKX 和 Bybit 的 BTC 報價,也用同一工具檢視黃金價格差。這次短時間測量中,Hyperliquid 的更新速度比 Binance 慢;另一段資料裡,價差方向有 88% 和下一步走勢相同,但平均變動仍是 -0.42 bps,計入交易成本後也沒有顯示出可用的獲利空間。作者提供資料檔,讓人可以先重播結果,再用自己的網路環境重新測量;他也提醒,這只是短時間樣本,不能代表所有時段或網路路徑。

  14. Dev.to Top Tech54

    20 塊 ESP32 每 10 秒傳資料,ThingsBoard 免費額度 28 小時就用完

    20 塊 ESP32 每 10 秒回報溫度、濕度等 5 項讀值,ThingsBoard Cloud 的免費額度約 28 小時就會用完。作者比較雲端、自架伺服器和 AskSensors 代管方案:ThingsBoard Cloud 每月約 $69 至 $79,自架 RackNerd 8 GB VPS 兩年約 $240 至 $878,但要自行維護 Linux、Docker 和 PostgreSQL;AskSensors PRO 兩年約 $380 至 $456,功能較簡單。若把回報間隔改成 30 秒,ThingsBoard Cloud 可降到每月 $49。文中也提醒,自架省下的費用要和維護伺服器所花的時間一起考量。

  15. Dev.to Top Tech61

    11 家網域註冊商比價:便宜網域續約後要花多少?

    買網域時,第一年的促銷價可能很低,續約後卻貴上不少。Neurau Tech 查了 11 家註冊商的官方價格,並比較 .com 和 .fr 網域三年要花多少;例如 .com 三年總費用,IONOS 約 31 € HT,但這是以續約採用標示的 15 € 價格計算,Hostinger 約 33.99 € HT,還未計入 ICANN 費用。.fr 則是 OVHcloud 約 20.57 € HT。文章也指出,部分價格無法查到或仍有條件未確認,因此比價時要一起看續約費、稅金和促銷限制。

  16. Artificial Analysis70

    挑 AI 模型時,分數、花費和完成工作所需的時間常要一起考量。Artificial Analysis 測試 Google 的 Gemini 4 Neon,發現它在 Intelligence Index 得 61 分,比 Gemini 4 Carbon 高 1 分;每項任務花費 $6.44,約低 17%,平均約 21 分鐘,比 Carbon 的約 36 分鐘快。報告也指出,Neon 每項任務用的輸出 token 更多,較低花費來自 token 價格較低,較快則和輸出速度較高有關。用 Antigravity CLI 測試寫程式的 AI 助理時,Neon 的分數也高於 Carbon,成本低於報告列出的 Claude Opus 5.5 和 Claude Fable 5.2。

    推薦理由:這份評測比較 Gemini 4 Neon 與 Carbon 的任務成本和完成時間,也拆出價格與輸出速度對差異的影響,方便衡量效能和花費。

  17. LMSYS Org Blog68

    Humming 整合 SGLang,讓低位元 MoE 模型跑得更快

    大型 MoE 模型需要存放大量專家權重,怎麼在省記憶體的同時加快運算,是實際部署時的難題。Humming 把低位元權重接上專用運算核心,整合到 SGLang 後,仍由 SGLang 負責分派工作,Humming 負責處理輸入和矩陣運算。文章在 8 張 H20-3e GPU 上測試 DeepSeek-V4.1-Flash-1017:相同 A16 精度下,長上下文輸入的速度比 Marlin 快 1.07 到 1.23 倍;改用 FP8 專家運算也能提高部分測試的輸出速度。這些結果只適用於文中測試的設定,不能直接代表其他模型或工作負載。

    推薦理由:文章比較 Humming 在不同精度與專家分流設定下的速度,並交代測試條件,能看出加速幅度會隨工作負載與設定改變。

  18. Dev.to Top Tech59

    NVIDIA Dynamo 在 Amazon SageMaker HyperPod 上的分散式推論分析

    把大型模型的提示處理和文字生成分開,可能提高吞吐量,但測試數字不一定適用於每種工作負載。NVIDIA Dynamo 現在可在 Amazon SageMaker HyperPod Inference 上執行,並支援 vLLM、SGLang 和 TensorRT-LLM。AWS 測得分開處理時,每張 GPU 每秒產生 207 個 token,合併處理時是 101 個;不過兩組測試的同時請求數不同,因此不能直接當成所有部署都能快兩倍。另一項測試中,Qwen3.5-397B 跨兩個執行個體仍保有單一節點 99.1% 的吞吐量,但這個模型原本就能放進單一執行個體。分開處理也需要兩邊各載入完整模型,並透過 EFA 傳送 KV cache;文章指出,成本和故障復原效果仍缺少量化資料。

  19. Phoronix (Linux HW & Benchmarks)51

    Dell XPS 14 評測:預載 Ubuntu 26.04 LTS,Panther Lake 筆電開箱即用

    想買預載 Linux 的筆電,常會擔心周邊功能不能用,或得自己換核心才能順利運作。作者實測 Dell XPS 14 DA14260,發現它預載的 Ubuntu 26.04 LTS 使用 Linux 7.0,螢幕、鏡頭、音訊和觸控板都能直接使用,不必另裝廠商核心。測試機搭載 Intel Core Ultra X7 358H 和 Arc B390 顯示晶片,日常上網、文書或看影片時,作者認為電池可支撐一整天;改用較新的非官方 Linux 核心,還能再提升顯示效能並省些電。

  20. Arena.ai68

    挑選 AI 助理時,除了看任務做得好不好,也要考慮每次任務的花費。Arena 根據社群進行的 4.2k 次真實 AI 助理工作階段,將 Gemini 4 Neon (High) 排在 Agent Arena Index 第二名,得分為 1336,單次任務中位成本為 $2.82。榜單也列出使用者滿意度、回應修改的能力和任務完成情況等指標;這些數字能讓人比較表現與費用,但只反映這份榜單採用的評測方式。

    推薦理由:Arena 的排名與每項任務中位成本,呈現 Gemini 4 Neon (High) 和其他模型在表現與費用上的差距。

  21. Dev.to Top Tech59

    CardHunt 實測 eBay Pokémon 卡片置中程度,近半照片無法可靠量測

    想買 Pokémon 卡片送評級時,只看「近全新」很難知道卡片邊框有沒有置中。CardHunt 把 eBay 上的卡片照片對齊官方圖,再找出卡片真正的裁切邊緣來量左右和上下的邊框;看不清楚時就標示無法評估,不硬猜結果。能可靠量測的照片中,約四分之一在兩個方向都落在 53/47 以內;近半照片則無法可靠量測,常見原因是邊緣和背景、卡套或陰影混在一起,或卡片沒有完整入鏡。作者提醒,邊緣看不清楚時可請賣家補拍,而這些數字不是 PSA 評級。

  22. Dev.to Top Tech52

    Vow 和 TypeScript 完成任務打平,Vow 的壞資料測試抓出更多問題

    Vow 是為 AI 助理設計的程式語言,但它能不能讓 AI 助理更順利完成工作,測試結果沒有顯示它勝過 TypeScript。作者用 Claude Haiku 4.5 測試 3 個新任務,兩種語言通過隱藏測試的比例分別是 99.5% 和 99.3%;另用 Claude Sonnet 5.5 和 Opus 5.5 測試時,兩邊都完成所有任務,但 Vow 有一次提交失敗。另一組測試則檢查程式遇到錯誤資料時會不會仍給出正常答案:加入 vow test 探測後,Vow 標出 68% 的壞輸入,Python 是 53%,TypeScript 是 20%。測試規模不大,而且這項壞資料測試只用 Claude Haiku 和 Sonnet,作者也沒有測量 token 用量。

  23. Dev.to Top Tech52

    WAFio v2、SafeLine 和 ModSecurity 三種測試工具實測比較

    挑選 Web 應用程式防火牆(WAF)時,只看一個測試工具的結果,可能會看不出它漏掉哪些攻擊,或誤擋多少正常請求。作者在相同的電腦和資源限制下,用三種工具比較 WAFio v2、SafeLine 9.4.4 和 ModSecurity。WAFio 在其中兩種工具測試裡擋下較多攻擊,SafeLine 誤擋較少;ModSecurity 調高規則嚴格度後雖擋住更多攻擊,也擋下許多正常請求。三種工具的結果各有差異,而且測試使用公開樣本和預設設定,不能直接代表產品用在你的網站時會有相同表現。

  24. Thurrott63

    GTA VI 在 Metacritic 獲得 99 分,評測稱 PS5 Pro 畫面表現最佳

    GTA VI 的評測已在上市前公開,PS5 和 Xbox Series X|S 版本的 Metacritic 分數都是 99 分。PS5 版依據 153 篇評測,Xbox 版當時有 14 篇;評論多稱讚遊戲畫面、沉浸感十足的世界,以及故事表現。Digital Foundry 認為,遊戲在 PS5 Pro 上的畫面表現最好,這也是唯一能用 PSSR 升頻呈現 4K 的主機;不過,PlayStation 和 Xbox 版本都限制在 30FPS。文章也提到,GTA VI 是系列中首款以 Jason 和 Lucia 這對伴侶為主角的作品。

  25. Dev.to Top Tech70

    實測六種 AI 程式開發 CLI 會讀哪些規則檔、怎麼阻止寫入

    不同 AI 程式開發工具讀取的規則檔不一樣,單靠寫一句「不要改這個檔案」也不一定能擋住修改。作者用同一組測試比較六種 CLI,發現除了 Gemini CLI 以外,其餘工具都會讀 AGENTS.md;Claude Code 還需要 CLAUDE.md,Gemini CLI 則需要 GEMINI.md。實測中,.claude/settings.json 的 PreToolUse hook 能擋住 CoCo、Cursor、Claude Code 和 Copilot 的寫入,但對 Gemini 與 Codex 沒有效果。作者也發現,有些禁止寫入的設定仍可能被 shell 指令繞過,因此需要保護檔案時,應搭配各工具自己的拒絕規則或沙箱。測試次數不多,使用的模型和作業系統也不一致,結果只代表這次測試情況。

  26. The New Stack66

    Qwen4-Max 和 Claude Opus 5.5 比較:便宜的模型花更多時間,也少拿一些分數

    模型價格較低,做事就一定比較划算嗎?作者用三項工作測試 Qwen4-Max 和 Claude Opus 5.5,涵蓋跨工具處理公司工作、調查事故和修補程式。Qwen4-Max 的費用約是 Claude Opus 5.5 的三分之一,但總共花的時間約是 3.14 倍,183 分中拿下 170 分,少於對方的 179 分。查事故資料時,Qwen4-Max 多拿 1 分;修程式時則漏掉一個會讓付款少 1 美分的問題。每項測試都只跑一次,結果不能代表其他工作也會有相同差距。

  27. Dev.to Top Tech60

    Shadeform 替代方案比較:租 GPU 時,誰會幫你接著跑工作?

    租到便宜的 GPU,遇上機器中斷時卻可能得從頭重跑,最後花得更多。這篇比較 Shadeform、Nodus、SkyPilot、Vast.ai 和 Runpod:Shadeform 幫你從 30 多家雲端找 GPU 虛擬機器,工作中斷後要自己重開;Nodus 會從上次儲存的檢查點接著跑。以 80 小時的 H100 工作為例,Shadeform 平均價格是 $3.47/小時,Nodus 是 $2.60/小時;但 Shadeform 最便宜的選項是 $1.66/小時,若工作能順利完成,仍較省。文章也說明,價格接近 $2.50/小時時,重跑少量時間就可能抵銷價差,適合依工作是否容易中斷來選工具。

  28. Arena.ai49

    LMSYS Arena 推出 Agent Arena Index 和六項細分排名,觀察 AI 助理做工作、寫程式、聊天、使用工具等表現,並搭配 Alignment Index 評估它們是否依照使用者意思行動。這些排名根據全球社群數百萬項真實任務的結果計算;總排名參考任務是否完成、使用者好評或抱怨、Bash 工具使用是否可靠,以及 AI 助理能否依照使用者更正調整。Claude Fable 5.2 (Max) 以 1463 分排名第一,高於第二名 Gemini 4 Carbon (High) 的 1307 分。這套指標讓大家能從不同面向比較 AI 助理處理真實工作的表現。

  29. 🚨 AI News | TestingCatalog40

    AI 助理可能被藏在電子郵件或檔案裡的指令騙到,進而把資料傳出去,或執行攻擊者的程式碼。PromptArmor 推出 FrontierBreach,測試 AI 助理在工作時多常會上當;21 個模型在測試中平均有 34.9% 的情況受到這類攻擊影響。PromptArmor 測試的每個前沿模型都曾被騙過,其中 Grok 4.5 在 91.4% 的攻擊中中招;藏在 AI 助理技能裡的攻擊,也有 45.5% 的測試成功。這些結果顯示,隱藏指令可能讓 AI 助理做出危險行動。

  30. Arena.ai47

    GPT-6.2 Astra 和 GPT-6.2 Sol 在 LMSYS Arena 的 Code Arena: WebDev 實測中,都進入了「表現與花費都很有競爭力」的前緣位置。Astra 得到 1781 分、排名第 3,每項任務的中位花費是 $5.45,比前一版 GPT-6 Astra 低 42%;Sol 得到 1757 分、排名第 7,任務花費中位數是 $1.45,比 GPT-6.1 Sol 低 21%。Astra 比 Sol 高 24 分,Sol 的花費則低 73%。這些成績讓人能比較兩款模型在網頁開發任務中的表現與成本;AI 助理的分數預計稍後公佈。

  31. Dev.to Top Tech55

    虛擬傢俱佈置要花多少錢?27 家服務商價格比較

    替房屋照片加上傢俱,價格可能按張數、點數或月費計算,不容易直接比較。作者整理了 27 家虛擬傢俱佈置服務商在 2026 年 11 月公開的價格,並做成可查詢的資料集。設計師代做一張照片的中位數是 $34;有月費方案的 11 款 AI 工具,最低月費中位數是 $27。AI 工具按年付費的大型方案,每次生成可能不到 $1,但生成一次不代表照片已能直接發布,可能得試好幾次。部分價格是起價,移除傢俱也常要另外付費。

  32. Dev.to Top Tech76

    Kumo Tabular 評測:NVIDIA 如何讓模型不經訓練就能預測表格資料

    處理表格資料通常得先整理資料、挑模型,再反覆訓練和調整;Kumo Tabular 想省下這些步驟。它把已標記的資料列當成例子,直接預測其他資料列,不必用手上的資料訓練模型。文章提到,Kumo Tabular-L 在八項表格基準測試中排名第一,並在部分測試中比其他表格模型預測得快。它適合快速建立基準,或一次試很多資料集;若是大型、重視低延遲且使用 CPU 的正式服務,XGBoost 和 LightGBM 仍是有力選擇,因為 Kumo Tabular 需要 GPU,記憶體用量也會隨參考資料列增加。

    推薦理由:文章比較 Kumo Tabular 與傳統表格模型的適用情境,說明免訓練推論在快速建立基準與多資料集實驗時的價值。

  33. Dev.to Top Tech39

    eSIM 批發價格平常不動,調價時卻會一次跳一大批

    賣 eSIM 時,買家可能剛看到報價,批發價就變了,賣家一不小心便會賠錢。作者檢視 30 天的商品目錄備份,發現約 1,800 個方案中有 377 個調過價格,402 次調價大多是降價;價格常常一段時間不動,接著一次改動好幾十個方案。例如日本有 7 個方案一起漲價,幅度從 14% 到 59%。因此,報價保留 10 分鐘不是因為價格慢慢變,而是要防著一批調價剛好發生在這段時間;若漲價高過賣家的成本,訂單就會被拒絕,買家可改用最新報價。這些資料來自單一供應商,而且記錄的是目錄價格,不是實際成交價。

  34. Hugging Face Blog78

    作者用 Transformers 在 32 GB Mac 上執行 180B MoE 模型

    大型 MoE 模型的專家權重很佔空間,往往放不進一般筆電的記憶體。作者替 Transformers 加上串流載入方式,只從 SSD 讀取模型當下挑中的專家,並用有限大小的快取保留常用部分;其他權重和 n-gram 資料也分別處理,讓 Qwen3.8-Flash-Next 能在 32 GB 的 Mac 上執行。經過調整後,短文字生成速度是每秒 13.9 個 token,和 Strata 的每秒 14.8 個接近。作者也指出,剩下的速度差距主要和 Python 與 GPU 之間的等待有關。

    推薦理由:作者比較多種 MoE 推論引擎,並實測如何只載入當下用到的專家,讓大型模型在 32 GB Mac 上運作。

  35. aihot70

    Vals AI 評測:多家模型把醫護人員和投降士兵列為無人機打擊目標

    自主武器若把平民誤認成軍事目標,可能造成嚴重傷害。獨立評測機構 Vals AI 測試八家廠商的模型,發現多數模型會把平民、救護車、醫護人員、記者和投降士兵標記為軍事目標;測試中的請求也沒有被上游安全過濾器攔下。材料未列出各模型的具體版本或測試比例。

    推薦理由:評測呈現多家模型在辨認打擊目標時的安全漏洞,可用來瞭解自主武器情境下的模型防護問題。

  36. ByteByteGo Newsletter (Alex Xu)59

    《Evals for AI Engineers》用三種常見落差解釋如何評估 LLM 應用

    LLM 應用有時看起來運作正常,遇到真實資料卻會漏掉重點或做出不一致的回答。這段《Evals for AI Engineers》摘錄用處理電子郵件的 AI 助理說明三種常見問題:開發者不熟悉實際資料、指令沒有說清楚,以及模型明白要求後仍無法穩定照做。作者建議先看輸入和輸出找出錯誤,再量出錯誤有多常發生,最後依原因修改提示詞、AI 助理流程,或加入更多例子與資料。這套做法也適用於客服聊天機器人和程式碼生成工具。

  37. Dev.to Top Tech48

    為什麼加了標籤的 PDF 還是過不了無障礙檢查?774 份政府與學校檔案的 veraPDF 檢測結果

    網站的無障礙檢查不難做,但政府和學校多年累積的 PDF 檔案,常藏著難找的問題。作者用 veraPDF 檢查 774 份檔案,發現其中 771 份沒通過;更讓人意外的是,595 份已經有結構標籤的 PDF,仍有 592 份不合格。作者也用 pikepdf、RapidOCR 和 veraPDF 在 31 份棘手檔案上測試本機修復流程,修完後都通過檢查,而且頁面看起來沒有改變。 不過,機器檢查通過不代表所有人都能順利閱讀:例如螢幕閱讀器可能把雙欄內容讀錯順序,或無法理解圖表和複雜表格。自動工具能處理不少檔案格式問題,最後仍需要真人用螢幕閱讀器確認。

  38. Dev.to Top Tech42

    93 家加密貨幣收款服務比較:手續費、資金保管與身分驗證

    商家想用加密貨幣收款,常會碰上手續費不清楚、提款受限,或服務突然停止,連錢都領不出來。這份 11 月比較重新核對 93 家服務的資料,整理收費、誰保管收到的錢,以及是否要做身分驗證。例如果商選由服務商代管資金,服務商出狀況時,可能連提款也受影響:Plisio 遭駭客攻擊後暫停收付款,網站在 11 月 18 日也已無法連線;目前還沒有官方訊息說明餘額會不會退還。 這 93 家服務中,有 60 家會先保管商家的錢,23 家則會直接把款項送到商家的錢包;手續費中位數是 1%。比較也記下 DePay 將在 12 月 31 日停止服務,商家得先換好新的收款方式。這些資料提醒商家,除了看手續費,也要弄清楚錢由誰保管、服務出問題時該怎麼辦。