最新精選 第 121–140 條 · 共 845 條 23:25 Lobste.rs (Engineering Discussion) 精選品質評分 71 71 社群使用不同平臺時,常得搬到同一個地方才能一起討論。Bonfire 1.1 讓群組自訂誰能找到、加入、閱讀和發文,也能為不同主題開設討論空間。公開群組和主題現在可以跨 Bonfire 伺服器交流,也能從 Mastodon、Lemmy 等聯邦宇宙應用程式加入;開放網路和公告頻道也支援跨站傳播。地方社群和私人社團目前仍留在原伺服器,以便處理隱私。群組還能用投票整理意見,並選擇透過應用程式、手機或電子郵件接收通知。
推薦理由:Bonfire 1.1 展示社群如何自訂成員與發文規則,並讓公開群組跨伺服器交流,適合瞭解分散式社群工具的設計取捨。
23:20 團隊花錢使用程式開發 AI 助理後,常很難看出這些花費帶來了什麼成果。LangSmith 新增報表,把 Claude Code、OpenAI Codex 等 AI 助理的使用花費連到它們參與的 PR,並按 PR 狀態、工作型別和使用的模型整理資料。團隊可以檢視每個 PR 花了多少、哪些工作沒有產生 PR,也能點進對話瞭解原因,並比較更換模型前後的花費與合併成果。這項功能目前在 LangSmith Cloud 公開測試。
推薦理由:LangSmith把程式開發 AI 助理的花費連到合併的 PR 與工作內容,能協助團隊比較模型調整前後的成本和成果。
23:06 Hugging Face Blog 精選品質評分 65 65 企業的銷售、付款和裝置讀數一直在變,等到定期報表出來才採取行動,可能已經太晚。IBM 和 Confluent 把時間序列模型放進 Confluent,讓團隊透過 Apache Flink 和 SQL,從即時資料預測需求、找出異常,也能搜尋相似的裝置訊號;模型可在雲端或企業自己的環境中用 CPU 執行。文章舉例,商店可依銷售預測安排補貨,工廠則能提早發現產品品質可能偏離目標。預測結果可提供給既有應用程式和作業流程參考,仍可搭配其他資料、規則與人工判斷。
推薦理由:文章以零售補貨與工廠品管等案例,說明如何把時間序列預測和異常訊號接進即時資料流程,協助團隊更早採取行動。
22:46 開發者使用語言模型時,常要自己挑供應商,也可能遇到服務中斷。Hugging Face 現在透過 OpenRouter 分派模型請求,預設會依價格、速度和可靠度挑選供應商,遇到中斷時也會自動改用其他供應商;原有程式碼不必修改。開發者可用「:fastest」選吞吐量最高的供應商、用「:cheapest」選價格最低的供應商,也能直接指定供應商。OpenRouter 表示,採用新路由後,容量錯誤減少 46%,首個 token 出現時間改善 16.9%,吞吐量增加 16.3%。Hugging Face 會代為處理帳單,語言模型供應商的自備 API 金鑰不再適用,但圖片和影片服務仍可使用。
推薦理由:Hugging Face 改由 OpenRouter 按價格、速度與可靠度分派模型請求,文中也提供切換供應商的方式與效能變化,能看出路由調整對開發者使用體驗的影響。
22:37 NVIDIA Newsroom Press Releases 精選品質評分 76 76 想在本機跑 AI 模型、處理創作工作,又不想讓筆電一直忙著執行任務,可以考慮專用桌機。ASUS、Dell 和 MSI 的 NVIDIA RTX Spark 小型桌機已開賣,搭載最多 128GB 共用記憶體,可在本機執行支援的模型、AI 助理、圖片與影片生成,也能微調模型。NVIDIA 表示,在本機處理程式碼和檔案可避免這些工作產生雲端 API 費用;桌機也能在筆電外出時繼續執行常駐 AI 助理和排程任務。文中另介紹 Adobe、Blender 和 ComfyUI 等創作工具在 RTX Spark 上的更新。
推薦理由:RTX Spark 桌機把本機模型、常駐 AI 助理與創作工具放在同一臺電腦,文中也列出記憶體規格與適用工作流程。
22:28 Publickey (日系頂級架構誌) 精選品質評分 65 65 企業伺服器除了管理帳號、資源和執行應用程式,也開始需要在公司內執行 AI 推論。Microsoft 公佈 Windows Server 2028 公開預覽版,新增支援 Microsoft Foundry、Windows ML、vLLM 和 Llama.cpp,讓伺服器也能作為企業內 AI 推論的執行平臺。這次更新也規劃加強虛擬機器保護、硬體加密與憑證管理,並支援 NVMe over TCP、RDMA 和從 ReFS 開機;Windows Intune 也將提供伺服器設定、合規、應用程式和更新管理功能。
推薦理由:Windows Server 2028 把企業內 AI 推論納入伺服器用途,也一併更新安全、儲存與管理功能,可看出這次大版本更新涵蓋的範圍。
22:28 Publickey (日系頂級架構誌) 精選品質評分 73 73 員工用 AI 做出應用後,企業還得確保它只讀寫該看的資料,也不能任意碰檔案或網路。Microsoft 推出 Copilot Managed Runtime,讓這些應用在組織的 Microsoft 365 租戶內執行,並提供登入驗證、存取控管、政策管理和稽核紀錄。資訊部門也能檢視應用清單並監看狀態;Microsoft 負責託管、擴充規模和維持服務可用,讓企業能集中管理 AI 產生的應用。
推薦理由:Copilot Managed Runtime 把 AI 產生的應用放在組織的 Microsoft 365 租戶內執行,並提供許可權控管與監看功能,呈現企業管理這類應用的一種做法。
22:28 Publickey (日系頂級架構誌) 精選品質評分 66 66 AI 網路攻擊變得更快,人手可能來不及發現和處理。Microsoft 推出 Perception,讓三組 AI 助理依照事先安排的步驟合作:紅隊從攻擊者角度找弱點,藍隊偵測和調查攻擊,綠隊修補弱點或降低風險。它也能透過步驟手冊處理日常工作,綠隊涵蓋 Microsoft、AWS 和 Google Cloud;遇到需要重要判斷時,仍會請人決定。
推薦理由:文章說明紅隊、藍隊與綠隊如何分工找出弱點、偵測攻擊並修補風險,也交代重要決策仍由人把關。
21:48 FastAPI Releases 精選品質評分 60 60 網站收到太大的請求本文時,可能需要限制可接受的資料量。FastAPI 0.164.0 新增可設定的請求本文大小上限,讓開發者能為服務設定這項限制。發布頁也提供一項協助 AI 助理使用 FastAPI 新功能與建議寫法的官方技能;可透過 uvx library-skills 在專案中安裝。
推薦理由:FastAPI 這次加入可設定的請求本文大小上限,讓開發者能依服務需求限制傳入資料的大小。
18:26 處理大型檔案、影片或音訊時,可能不需要用到整份內容。Gemini API 現在可以直接接收 Word、PowerPoint、Excel 和 OpenDocument 檔案,也能從檔案、試算表、影片與音訊中選取特定部分,例如指定頁碼、工作表、儲存格範圍或時間區間。也可以選擇頁面圖片、擷取出的文字、公式或影片轉錄文字等內容。這讓人能只送出需要處理的部分,也只為那部分付費。
推薦理由:Gemini API 新增 Office 與 OpenDocument 檔案直傳,並可指定要處理的頁面、儲存格或時間範圍,方便評估能否減少不必要的處理與費用。
16:13 llama.cpp Releases 精選品質評分 70 70 使用 OpenVINO 跑 llama.cpp 時,模型推論可能花太多時間搬動快取和資料,也會佔用不少記憶體。b12503 更新了 OpenVINO 後端在 CPU、GPU 和 NPU 上的多項做法,例如依實際注意力範圍讀取 KV 快取、減少 NPU 預填階段的資料搬動,並讓部分執行設定可以選擇開啟。更新也調整了模型快取與注意力處理,修正多種模型和執行模式下的問題;實際可用的選項與效能改善會依裝置和設定而異。
推薦理由:這次更新集中改善 OpenVINO 後端在 CPU、GPU 與 NPU 上的快取、記憶體使用和推論效能,並提供多項可調整的執行選項。
15:27 使用者在 App 內切換頁面時,內容會更新,但不會重新載入整個頁面,過去的速度資料看不到這段過程。Vercel Speed Insights 現在會追蹤這類切換,記錄 LCP、FCP、INP 和 CLS,並納入 Real Experience Score;由於沒有新的檔案請求,不會記錄 TTFB。追蹤預設開啟,儀錶板也新增導覽型別篩選,可分開檢視完整載入或頁面內切換的資料。這些事件會計入 Speed Insights Plus 用量,也可透過程式設定關閉。
推薦理由:過去只看完整載入時的速度,容易漏掉使用者在 App 內切換頁面時的體驗;這次新增的資料可用來比較兩種導覽情況。
14:18 Hacker News (official RSS) 精選品質評分 78 78 大型科學研究需要大量運算,單靠一般電腦很難處理 AI 和複雜模擬。德州大學奧斯汀分校的德州先進運算中心(TACC)已讓研究人員提早使用 Horizon,首階段提供 4,000 張 GPU,協助研究者處理醫學、地震科學、天文等領域的研究。Horizon 在 2026 年 11 月的 TOP500 排名第 24,HPL 測試結果為 132 petaflops;CPU 預計於 2027 年初加入。這套系統把 AI 運算和科學模擬放在同一座超級電腦中,讓研究人員能處理更大規模的資料與問題。
推薦理由:Horizon 已開放研究人員提早使用,文中整理了 GPU 規模、運算表現與後續擴充安排,可看出這套系統如何支援 AI 與科學模擬。
10:51 PyTorch Core Releases 精選品質評分 63 63 不同資料型態一起做加減時,框架需要處理多種運算組合,也得避免整數轉換出錯。PyTorch 這次把部分加減運算改成共用的 FP32 FMA CUDA 核心,涵蓋原地修改和輸出為 FP32 兩種情況,並保留涉及 FP32 的資料型態組合。更新也調整了 alpha 的轉換順序,避免整數 0、INT64_MIN 和 UINT64_MAX 遇到取負問題。測試涵蓋兩種運算模式及整數 alpha;提供的測試結果顯示,18 個 CUDA 測試案例通過,另有 1,296 組原始位元結果相符。
推薦理由:這次更新整理了混合資料型態加減運算的 CUDA 核心,並用浮點結果與整數 alpha 的測試檢查不同情況下的結果是否一致。
10:13 Kling AI @Kling_ai 精選品質評分 61 61 Kling Image 4.0 已開放使用。官方提到,它能生成原生 8K 影像、呈現細節與文字,也能批次製作圖片;貼文沒有提供更多功能說明或使用條件。
09:40 Hacker News (official RSS) 精選品質評分 78 78 AI 服務需求增加,但資料中心的電力有限,業者需要在維持回應速度的同時服務更多請求。Cerebras 將工作拆成兩段:AMD Instinct GPU 處理提示,Cerebras CS-3 負責逐字產生回答。這套做法已用在 Cerebras Inference Cloud 的正式服務中;公司表示,相較只用 CS-3 的配置,每單位電力可處理的文字量提高到 5 倍,生成速度沒有降低。合作夥伴也能採用 Cerebras 提供的架構和軟體,或接上自己的提示處理工具。
推薦理由:Cerebras 在正式服務中比較分開處理提示與生成的做法,呈現它如何在不降低生成速度下提高每單位電力的服務量。
08:15 Dev.to Top Tech 精選品質評分 78 78 企業匯入 AI 助理後,除了要讓工作接著做,也得知道花了多少錢、帶來什麼成果。Microsoft 宣佈擴充 Copilot,新增 Autopilot,能持續推進固定工作;Copilot Workspaces 則讓員工和 AI 助理共用背景資料,一起完成目標。Microsoft 也推出顯示 AI 花費與成效的 Business Analytics,並讓自家 Code 2 和 Code 2 Flash 模型在 GitHub Copilot 上提供使用。Autopilot 和 Workspaces 尚未公佈價格或推出日期。
推薦理由:Copilot 把長時間執行的工作、多人共用空間與費用追蹤放在同一套方案中,顯示企業採用 AI 助理時也得看清成本和成效。
08:07 AWS Machine Learning Blog 精選品質評分 76 76 大型語言模型可能大到放不進單臺伺服器,長提示詞也會拖慢模型開始回答的速度。AWS 在 Amazon SageMaker HyperPod Inference 加入 NVIDIA Dynamo,讓團隊能把模型分散到多臺機器,也能把讀取提示詞和生成文字的工作交給不同的 GPU 工作池。文章用 Qwen3-235B 比較兩種做法,在符合延遲與生成速度條件的測試點中,分開處理的配置每張 GPU 每秒產生 207 個輸出 token,整合式配置則是 101 個。文中也說明如何設定部署、檢查機器間的網路連線,以及用接近實際流量的測試挑選配置。
推薦理由:文章以 Qwen3-235B 的測試比較整合與分離式推論,呈現不同部署方式在吞吐量上的差異,並整理實際部署時的調校方向。
07:06 銷售團隊常要從客戶關係管理系統、通話紀錄和其他工具拼湊客戶資訊,準備會議與追蹤後續也得花不少時間。OpenAI 推出 ChatGPT for Sales,內含銷售專用外掛和超過 30 個新增或強化的合作夥伴外掛,可把團隊現有工具中的資料帶進 ChatGPT,協助準備客戶會議、整理買方需求、草擬後續訊息和追蹤交易進度。團隊也能檢查並確認建議的客戶紀錄更新;部分工作還可交由 ChatGPT 中持續運作的 dot 處理,再檢視它提出的變化與下一步建議。外掛和功能是否提供,會依方案、地區和工作區設定而異。
推薦理由:ChatGPT for Sales 把客戶資料、銷售工具與日常工作流程放在同一處,原文列出從準備會議到追蹤後續的用法,呈現它如何串起銷售流程。
06:35 Perplexity 在 Search 和 Computer 上線 GPT-6.2 Astra 和 GPT-6.2 Sol,並公佈兩款模型在自家 WANDR 基準上的成績。GPT-6.2 Astra 得分 0.783,每項任務約 $12.54,比 GPT-6 Astra 高 0.095;GPT-6.2 Sol 得分 0.746,每項任務約 $2.65,比 GPT-6.1 Sol 高 0.065。這些數字讓人能對照兩款模型的成績與任務成本。
推薦理由:Perplexity 同時列出兩款模型的 WANDR 得分、單項任務成本與前代差距,可用來比較不同模型的表現與花費。
上一頁 1 … 5 6 7 8 9 … 43 下一頁