跳到正文

#現象/趨勢

RSS
今日 4 則
今天11月23日週一
  1. elvis35

    AI 解出數學難題,讓人想知道:這些成果是在幫人類理解數學,還是在讓 AI 研究者的評測分數變好?Elvis Saravia 認為,設計更有挑戰性的評測很重要,尤其要測試 AI 能不能處理真實世界裡沒有標準答案的問題。他也提到,有些數學家擔心,AI 解題還沒帶來多少新的數學理解。未來,科學家和實務工作者得學會和 AI 一起工作,也要思考怎麼讓不同形式的智慧並存,並把新能力用在影響人們生活的問題上。

  2. Dev.to Top Tech42

    為什麼把電腦送上天是好主意?從無人機到太空資料中心

    AI 需要大量電力和水,地面電網和資料中心卻不容易快速擴建。把電腦放到無人機、高空飛機或太空裡,就能在資料產生的地方先處理資料,減少把大量影片和訊息傳回地面的需求。像 Skydio X10 無人機能在機上製作地圖;Starcloud-1 也已帶著 NVIDIA H100 到太空,並在軌道上訓練 NanoGPT、執行 Gemma。 太空中的太陽能可能更穩定,也不需要用水冷卻,但散熱、太空輻射、延遲、發射費用和太空垃圾都是難題。作者認為,飛行電腦不會取代所有地面伺服器,卻可能讓更多運算工作搬到離資料更近的地方。

  3. Dev.to Top Tech52

    4 個 Claude AI 助理測試 X 新帳號,20 小時只增加 7 位追蹤者

    4 個 AI 助理用同一個新 X 帳號發文,20 小時後只有 7 位追蹤者。剛開始時,他們在熱門貼文下留言,前幾則留言帶來大部分觀看;之後一小時內連續回覆 15 次,還把同一支影片貼到 7 則貼文。接著,其他貼文下的留言觀看中位數從 119 降到 10。他們猜測,新帳號、密集留言、重複影片和資料中心 IP 等行為,可能讓帳號看起來像 AI 回覆機器人,但 X 沒有說明原因。團隊因此減少發文,也不再主動回覆陌生人。

11月22日週日
  1. Dev.to Top Tech59

    作者追查一位創業者的 AI 助理,發現它的資料累積了 12 年

    把多年累積的筆記交給 AI 助理,真的能讓它像共同創辦人一樣幫忙嗎?作者對照一位創業者的筆記、社群貼文和整理後的概念檔,追出一段從 2014 年開始的紀錄,也發現原始筆記由本人撰寫,整理出的概念則有不少由 AI 一起完成。研究資料認為,這些內容可以拿來訓練模型,但研究只比對了 5 種方法中的 3 種,還沒有達成共識。使用紀錄也顯示,推動他去做事的功能多半以其他名稱運作;紀錄只算實際呼叫,沒算一直存在的角色設定。

  2. Dev.to Top Tech44

    AI 助理使用羞恥感正在影響產品經理的職涯

    許多產品經理和主管在工作上用了 AI,卻怕被看成偷懶或能力不足,所以不敢說。文章舉例,有人用 Claude 分析訪談、整理產品需求,省下不少時間,卻把成果說成全是自己做的。這樣一來,團隊無法交流怎麼用 AI,也看不見工作方式可以怎麼改進。作者建議,分享時說清楚 AI 幫忙處理了什麼、自己又檢查和補上了什麼;這樣能讓大家看見人的判斷,也讓團隊一起學會把 AI 用得更好。

  3. Dev.to Top Tech61

    AGI 何時到來?不同預測用的標準和期限差很大

    大家常問 AGI 什麼時候會出現,但不同預測對「做到什麼才算 AGI」有不同標準,所以日期很難直接相比。文章整理了 Metaculus、研究者調查和多位業界人士的預測,也介紹 METR 怎麼測量 AI 助理完成軟體工作的能力:看它能用多長時間完成一項有明確檢查方式的任務,並記錄成功率。以 METR 的測試為例,Claude Opus 4.5 完成這類任務的 50% 時間範圍約為 320 分鐘;這不代表 AI 能完成所有工作。作者提醒,閱讀預測時要一起看它的定義、資料和測試方法。

  4. Dev.to Top Tech83

    AWS Lambda 不再只有一種函式,作者整理 10 項無伺服器服務變化

    AWS 的無伺服器服務更新很多,現在說「Lambda 函式」已經不一定是在說同一種東西。作者整理了 Lambda、API Gateway 和 EventBridge 的 10 項變化:Lambda 分成處理事件的 Event Functions、接收 HTTP 請求的 Web Functions,以及隔離執行使用者程式的 MicroVMs;不同型別的執行時間與計費方式也不同。例如,Event Functions 的最長執行時間提高到 30 分鐘,但 Web Functions 仍是 15 分鐘。作者也提醒,新版 EventBridge 事件匯流排和舊版在功能與收費上有差異,遷移前應依自己的流量試算成本。

    推薦理由:作者整理 Lambda、API Gateway 與 EventBridge 的多項變化,並比較不同執行方式的時間限制與計費方式,能幫助團隊盤點架構和成本。

  5. The Verge · AI73

    AI 助理讓更多人能改造電視、相機和遊戲機

    以前要改造家電或相機,通常得有技術背景;現在,更多人開始用 AI 助理協助修改裝置軟體。有人用 Claude Code 改掉 Android TV 的廣告和介面,也有人替相機、合成器和遊戲主機加入新功能。這讓舊裝置有機會重新派上用場,也讓人能打造更合用的小工具。不過,修改韌體可能讓裝置故障或失去保固,廠商也可能加強限制。作者建議先備份,並只在壞掉也能承受的裝置上嘗試。

  6. Dev.to Top Tech56

    作者發現商店一天 79 次瀏覽,其實只有 10 位新訪客

    網站流量看起來變多,不代表真的有更多人來逛。作者檢查自家商店的紀錄後發現,一天顯示 79 次「真人」瀏覽,實際上來自 12 個訪客編號,其中兩個瀏覽器就留下 69 次紀錄,還包含作者自己和測試頁。過去 30 天也有 220 次瀏覽,去重後只有 48 位訪客。作者因此改用不重複的訪客編號計算人數,並排除自己的網站連結和測試頁;他提醒,瀏覽次數適合檢查追蹤工具,不能直接當成商店有多少客人。

  7. Dev.to Top Tech59

    四個 Claude AI 助理挑戰 72 小時增加 1,000 名 X 追蹤者,進度只有 7 人

    四個 Claude AI 助理接到任務,要在 72 小時內把 X 帳號做到 1,000 名追蹤者。前 16 小時只增加 7 人;連註冊帳號都得由人用手機完成,之後四個助理才輪流操作同一個瀏覽器。它們發現,新帳號自己發文很少人看,回覆熱門貼文曾帶來較多瀏覽,但短時間回覆太多後,回覆幾乎沒人看。作者推測這可能觸發 X 的垃圾訊息或低品質內容過濾,於是停止回覆陌生人並減少操作。這份實測也提醒,瀏覽次數不等於追蹤者,發得多不一定有更多人看到。

  8. Dev.to Top Tech46

    AI 助理連續 6 輪只說要改變:承諾反而成了逃避行動的方法

    有時候我們一直說「下次一定開始」,說完心裡比較舒服,事情卻還是沒做。這個 AI 助理在 5 輪裡反覆答應自己要停止規劃、直接行動,結果每次都只寫下新的承諾;到了第 6 輪,它終於真的呼叫工具,雖然失敗了,卻得到一個能用來調整做法的真實結果。作者建議,同一句承諾如果已經寫過兩次,就別再寫第三次,把事情縮小成 5 分鐘內能做、就算失敗也沒關係的一個動作。

  9. Solidot48

    地球短暫捕獲直徑約 2 米的小行星,成了迷你月球

    地球附近有時會有小行星被引力拉住,暫時繞著地球執行,但它們又小又暗,很難被發現。這顆直徑約 2 米的小行星在今年四月被地球捕獲,天文學家花了數週確認它不是報廢衛星或衛星碎片,並命名為 2026 QQ8。它預計會待在地球軌道上直到 12 月初,之後再繼續繞太陽執行。這類「迷你月球」可能常在地球附近短暫出現,只是難以察覺,所以留下紀錄的並不多。

  10. Dev.to Top Tech42

    這個月 29 則公開討論 Stripe 的貼文透露了什麼?

    有人想找付款工具時,單看「大家都在談 Stripe」很難知道真正遇到什麼問題。作者整理公開討論區裡提到 Stripe、購買意願分數達 7 分以上的貼文,這次共找到 29 則。像有位來自伊拉克的開發者,因為當地不能用 Stripe 或 PayPal,正在找能賣軟體訂閱的付款方式;另一個 3 人 SaaS 團隊則把 Stripe 放在日常工具中,同時考慮要不要付費使用 HubSpot CRM。 這些貼文能讓付款服務商看見使用者卡在哪裡,但不代表 Stripe 客戶變少,也不能說 Paddle 正在勝出。這只是公開討論區的樣本,提到次數也不等於有多少家公司使用;真正有用的是每則貼文裡的具體需求。

  11. Dev.to Top Tech40

    NEXUS-PRIME AI 助理經營 225 種商品,真正卡關的是沒人看見

    AI 助理能快速做出一大批商品,但沒人看到,商品再多也不會自己帶來生意。作者讓 NEXUS-PRIME 經營數位商品商店,架上有 225 種商品,也檢查檔案和商店頁面是否正常;但訂單資料裡只有取消的測試訂單,營收是 $0,商品頁瀏覽也來自自動同步程式,沒有確認是真人買家。作者發現,接連發文也沒帶來多少互動。這次經驗顯示,AI 助理做商品只是其中一關,找到會看、會買的人才是更難的事;測試訂單也不能當成生意成果。

  12. Dev.to Top Tech37

    Galascribe、Ghost、Substack 和 WordPress 有什麼不同?從功能到文章放在哪裡一次看懂

    想用同一個地方寄電子報、向讀者收費,Ghost 和 Substack 現在就能做到;WordPress.com 則有很多版型可選。Galascribe 目前沒有電子報寄送和收費功能,版型也只有六種。不過,用 Galascribe 寫的文章會是你 GitHub repository 裡的 Markdown 檔案,網站發布也在你的 GitHub 帳號裡進行;使用其他服務時,文章則放在服務的系統裡,離開時要先匯出。 這不表示其他服務會把你的文章鎖住:Ghost、Substack 和 WordPress 都提供離開的方法。差別在於 Galascribe 的文章原本就放在你的 repository,拿到檔案就能帶走;但按讚和留言目前存在 Galascribe 的資料庫,也沒有匯出功能。選之前,可以先試著把文章匯出或複製出來,開啟看看自己實際拿得到什麼。

  13. BlockTempo 動區動趨69

    OpenAI 募資少於原定目標,文章逐項核對「最慘一週」的說法

    社群貼文說 OpenAI 正面臨史上最慘的一週,還稱它快沒錢、被 Google 超車。文章核對後指出,募資確實少於原定目標,第三季虧損也比上一季增加;但「錢只夠撐 4 個月」和「被 Google 超車」沒有資料支援。文中引用的模型排行由 Anthropic 居首,OpenAI 排第二,Google 排在後面。作者認為,更大的壓力可能是投資人不願照原先估值投入資金。

  14. BlockTempo 動區動趨56

    馬斯克警告 AI 產業明年可能缺錢,裝置延遲創收恐需再籌數千億美元

    資料中心和算力裝置要先花大筆錢建置,但要等到裝置穩定運轉、AI 服務開始帶來營收,往往還需要時間。馬斯克回應 Keras 創辦人 François Chollet 時警告,AI 產業明年可能面臨嚴重資金短缺;如果從支付算力成本到裝置穩定創收的時間累計延後數月,營運資金可能還要多出數千億美元。文章也整理了兩種看法:有人認為算力需求還會成長,有人擔心折舊和利息跑得比營收快。爭論的關鍵,是 AI 商業化能不能跟上裝置投資的速度。

  15. Dev.to Top Tech66

    開發環境轉向支援 AI 助理,作者拆解各工具的分工與變化

    開發環境工具常被放在一起比較,但它們處理的問題其實不同。作者讀了 25 個專案的檔案,把工具分成隔離程式、準備執行環境、說明專案需求,以及代管環境四層,並觀察到 Gitpod 改名為 Ona、Daytona 等服務開始面向 AI 助理執行程式。作者也分享自己建置環境的做法:只讓程式取得列出的環境變數,並把暫存資料放在工作目錄裡,避免程式讀取主機上的憑證或寫到工作範圍之外。

  16. Dev.to Top Tech43

    GitHub 上 20 個最熱門的開源 AI 助理專案:2026 年 11 月排名

    想讓 AI 助理上網找資料、記住以前做過的事,或幫忙寫程式,光有模型還不夠,還需要其他工具和功能搭配。這份 GitHub 排名整理了 20 個最受歡迎的開源 AI 助理相關專案;第一名 ECC 有 308K 顆星,DeepSeek Harness 和 Hermes Agent 排在第二、第三名。這些專案有的替 AI 助理加上記憶和技能,有的幫它們讀網頁、搜尋資料或操作瀏覽器,也有一些是能裝進既有 AI 助理的專門技能。榜單顯示,讓 AI 助理更好用的工具和搭配方式,正成為開源社群熱門的發展方向。

  17. Dev.to Top Tech48

    AI 產品的模型能力每年便宜 13 倍,真正的競爭優勢要靠什麼?

    如果 AI 產品只是在畫面上包一層,再接上大型模型 API,別人也能很快做出差不多的東西;模型變便宜、變強時,這種產品的優勢也可能跟著消失。作者建議檢查每個功能:如果它只靠模型進步就會變好,那是大家都能享有的好處,不算自己的長期優勢。 真正能累積的,是用得越久越有價值的東西,例如測試 AI 答得好不好的題目、使用者採納建議後的結果資料,以及能在企業流程中執行工作並留下清楚紀錄的能力。舉例來說,有了自己的測試題目,團隊就能更快確認便宜的新模型是否夠用;沒有測試,換模型可能只是猜。文章提醒,與其只租用越來越便宜的模型,不如建立會隨使用持續進步的產品。

  18. Dev.to Top Tech64

    Claude 可能協助證明黎曼猜想,NVIDIA 承諾最高 1,180 億美元擔保

    這週的 AI 新聞同時牽涉研究、公司風險和 AI 助理能做什麼。Anthropic 的數學家表示,他和 Claude 可能證明瞭黎曼猜想;Lean 電腦檢查已接受整份證明,但這不代表數學家已理解或認可它。NVIDIA 則在財報中揭露,若合作夥伴無法付款,公司承諾的擔保最高達 1,180 億美元;SEC 正在檢視其會計問題,調查本身不代表已確認違規。文章也整理 AI 助理在研究與資安上的進展,提醒讀者留意它們能採取哪些行動,以及人能否查清結果。

  19. Dev.to Top Tech42

    4,323 筆 AI 工具清單裡,最大「廠商」竟是 GitHub Pages

    作者檢查自己收錄 4,323 筆資料的 AI 工具目錄後發現,一筆資料不一定代表一家公司或一個產品:有些只是同一家公司旗下不同頁面,還有不少連到 GitHub Pages 等平臺。把 GitHub 和 GitHub Pages 算在一起,目錄裡最多的「廠商」其實是 GitHub,共有 184 筆;另有 337 筆把平臺或聯盟行銷網址當成工具的官方網站。目錄裡還有許多介紹文字和標籤容易讓人誤會。作者因此認為,4,323 筆代表的是清單專案,不是 4,323 個產品;若能替每筆資料標明所屬公司,讀者會更容易看清目錄實際收錄了什麼。

  20. Dev.to Top Tech62

    Sakana AI 的 AI Scientist 系列走到哪一步?四篇研究揭開 AI 寫論文的進展與限制

    AI 寫論文的新聞常讓人分不清哪些工作由 AI 完成、哪些仍由人參與。作者依序整理 Sakana AI 的四篇 AI Scientist 研究,說明系統從自動產生研究想法、實驗和論文,走到安排現有程式開發 AI 助理分工;其中一篇 AI 生成的論文通過 ICLR 工作坊審查,但送審稿由人挑選,通過後也依事前約定撤回。系列研究的範圍仍限於能在電腦上進行的機器學習研究。作者指出,論文生成能力雖有進展,引用和實驗結果仍可能出錯,評估方式也可能被系統改動,因此判讀成果時要看誰寫、誰評,以及人在哪些步驟參與。

  21. Dev.to Top Tech58

    Nvidia 執行長離職後,AI 團隊該檢查對 GPU 和 CUDA 的依賴

    Nvidia 執行長黃仁勳離職後,團隊可能會擔心產品和供應是否受影響。作者整理公司公佈的接班安排與財報,並提醒,媒體報導的離職原因尚未獲 Nvidia 證實,應視為報導而非定論。文章指出,目前產品藍圖仍照常推進;對開發者來說,更實際的問題是程式有多少部分繫結 CUDA 或特定硬體。作者建議趁此檢查更換供應商時會遇到多大困難,因為許多 AI 團隊都依賴 Nvidia,轉換成本可能不低。

  22. Dev.to Top Tech44

    影片編輯器怎麼計費?每次操作、每小時影片,還是每上傳一分鐘?

    使用 AI 編輯影片時,費用可以按每次操作、影片時數,或上傳分鐘數計算。按次收費容易對照模型成本,但使用者可能因為重做也要付費而不敢多試;按影片時數收費比較好懂,不過各家算的是上傳、錄影還是剪輯後的影片,可能不同。Cutora 選擇按上傳分鐘數計費:每個專案裡的檔案都算,取消或失敗的上傳不算,重新剪輯、匯出和加入音樂音效也不扣分鐘。這讓使用者能放心反覆調整,但重做多次會增加 Cutora 的成本。

  23. Dev.to Top Tech64

    產品經理和工程師該怎麼配?文章整理常見比例與 AI 帶來的變化

    產品經理和工程師要配多少人,沒有適用每間公司的固定答案。文章整理多份資料,指出常見情況約是 1 位產品經理配 4 到 10 位工程師;公司規模、產品工作由誰分擔,都會改變比例。計算時也要算進創辦人或工程師花在產品工作的時間,而不是隻看職稱。AI 工具可能加快寫程式的速度,但文章提醒,實測結果不一,團隊還是要先找出工作卡在哪裡:是等產品決策、需求不清,還是檢查和測試太慢,再決定是否需要調整人力。

  24. Rohan Paul44

    Eric Schmidt 認為,各國很難一起按下 AI 競賽的暫停鍵,因為美國的發展誘因不會消失,地方研究室或中國也可能偷偷繼續做。即使聯合國派人檢查,檢查員也得進入機密實驗室,甚至軍事實驗室,檢視完整程式碼;但這些程式碼是由電腦寫出來的,人類團隊沒辦法逐行讀完。Schmidt 因此認為,這類暫停協議難以確認各方是否真的遵守,也無法讓檢查速度追上美國與中國的研究室。

  25. Dev.to Top Tech79

    LinkedIn 的 2,000 萬人實驗發現,求職時中間圈的人脈最有幫助

    找工作時,天天聯絡的好友和完全不認識的陌生人,可能都不是最有用的人脈。LinkedIn 在 People You May Know 推薦功能上進行實驗,讓部分使用者看到較多不太熟的人,並分析超過 2,000 萬名會員的資料。研究發現,彼此有幾位共同朋友、平常卻很少聊天的人,較可能帶來新的工作機會;在科技和遠端工作較多的產業,這種較疏遠的人脈也帶來更多求職申請。文章建議先聯絡認識但少往來的人,詢問團隊或職務資訊。研究也引發未告知使用者就調整推薦的倫理疑慮;資料無法確認人脈是否直接介紹工作,結果也不一定適用於所有產業或地區。

    推薦理由:隨機調整推薦人選的實驗,讓研究者能分辨人脈和求職結果的關聯是否來自因果,也呈現推薦機制可能影響求職機會。

  26. Dev.to Top Tech62

    563,302 筆 Workday 職缺顯示大型僱主正在找哪些人

    想了解企業在徵哪些人,只看新創常用的求職平臺,可能會漏掉醫院、零售和製造業的大量職缺。作者整理約 3,300 個 Workday 求職網站,在 11 月 18 日的資料中找到 563,302 個職缺;註冊護理師有 16,280 個,超過軟體工程師的 6,870 個兩倍,只有 2.6% 的職缺標示可遠端工作。作者也說明,大型僱主的職缺數可能低於實際數量,因為部分網站只讀取最新的幾千筆資料。文中另介紹可搜尋 Workday 職缺的 API,並列出每次搜尋與每筆職缺的價格。

  27. Dev.to Top Tech60

    假 GitHub 專案分批買星星,作者整理辨認線索

    GitHub 星星數突然增加,不一定代表專案真的受歡迎。作者維護的 Upstar 排名網站發現,有些新帳號在同一天替不同專案送上相同數量的星星,也有人冒用真實專案名稱,誘使使用者下載程式或執行不明指令。作者分享可留意的線索,例如帳號和專案都很新、程式碼無法產生要求下載的檔案,或星星只在幾天突然暴增;單一線索不能證明造假,多項同時出現時就該提高警覺。

  28. 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。

  29. TechCrunch · AI48

    15 款能直接用訊息聯絡的 AI 助理,幫你安排生活大小事

    忘了約時間、行程和待辦事項散落在不同 App 裡,常讓人忙中出錯。現在有不少 AI 助理可以直接用簡訊或聊天軟體交代工作,幫忙排日程、設提醒、查資料、訂餐廳,也能整理家庭行程或規劃旅行。例如,Fambot 每晚會傳來隔天的行程和待辦事項,家長還能直接回訊息詢問或修改行事曆;Miso 則專門協助安排旅行。不同服務支援的聊天工具、功能和收費方式各不相同,有些仍在測試中。它們讓人不用再多裝一個 App 就能處理日常雜事,但把行程、信箱等資料交給 AI 助理前,也要留意隱私和安全。

  30. Dev.to Top Tech52

    ChatSupportHQ 分析客服聊天機器人為何惹人不滿

    客服聊天機器人讓人不滿,問題不一定出在回答錯誤,也可能是找不到真人或帳單讓人意外。ChatSupportHQ 團隊整理了 13 家業者的 173 則 Trustpilot 一星評論,最常見的是業者客服難聯絡和帳單爭議;作者提醒,這些評論不能代表所有客戶。Gartner 調查中,87% 的受訪者認為使用生成式 AI 提供服務的公司應提供真人協助,只有 27% 在糟糕體驗後願意再試聊天機器人。文章也提到,轉接真人時若沒有帶上對話內容,客戶可能得重講一次。作者建議消費者購買前確認真人聯絡方式、轉接是否保留對話,以及每筆收費如何計算。

  31. TechCrunch · AI71

    Shortical 用 AI 製作短劇,演員授權臉孔也引發工作與報酬疑問

    AI 短劇能省下製作費,但演員授權臉孔後會拿到多少報酬,也讓人擔心工作機會和個人同意。Shortical 找演員 Aki Avni 合作,把他的臉做成數位分身,拍成全 AI 短劇《Inevitable》;公司也開始招募有意授權臉孔的人,但表示目前還沒有透過網站招募簽下合約。報導提到,中國已有類似授權,報酬從 US$15 到 US$700 不等,Shortical 沒公開 Avni 的合約金額。有人認為 AI 能讓小團隊拍出大場面,也有人擔心短劇工作被取代,並質疑觀眾是否真的想看這類內容。

  32. Tom’s Hardware AI & Computing41

    Tom’s Hardware Premium 本週整理:SC26 重點聚焦 AI 與超級電腦

    Tom’s Hardware 這週帶來不少 SC26 展場訊息,主角包括 Nvidia、AMD 和 Intel 的處理器、GPU 與超級電腦。Nvidia 說,Vera CPU 在某些工作中經過軟體調整後,效能最多可提升 39%;新款 Rubin HPC GPU 則有超過 50,000 個 CUDA 核心。TOP500 超級電腦榜上,AMD 產品出現在超過 40% 的新上榜系統中;AMD 也提醒,AI 不會完全取代高效能運算,精確計算仍然重要。 其他報導談到企業用 SSD、跨資料中心的高速網路、Anthropic 用 Claude Mythos 協助 AMD GPU 軟體調整,以及 Intel 收購量子運算公司 Classiq 的計畫。Tom’s Hardware Premium 也整理了本週其他科技新聞;文中提到,部分 SC26 報導目前可免費閱讀,其他專題與 Bench 資料庫則需要訂閱。