推薦理由:相較於 3.8 Flash,Gemini 4 Hydrogen 完成任務的速度提升 2.5 倍,並提供四種思考層級,呈現速度與推理深度的取捨方式。
推理能力
全部主題模型推理能力的進展:思維鏈、推理模型、數學與邏輯基準的突破與爭議。
最新精選
第 141–160 條 · 共 257 條
Sundar Pichai@sundarpichai精選品質評分8787
Artificial Analysis@ArtificialAnlys精選品質評分7575推薦理由:評測比較 Gemini 4 Hydrogen 在推理、視覺理解與終端工作上的表現及成本,呈現不同推理設定下的取捨。
Apple Machine Learning Research精選品質評分6262 Apple 研究推導語言模型對齊的理論極限,發現 PPO 與 GRPO 表現仍有差距
Apple Machine Learning Research 推導固定 KL 散度預算下語言模型可達成的最高獎勵提升,並在安全與摘要任務中比較不同對齊方法與理論上限。
推薦理由:研究推導固定 KL 預算下的對齊獎勵上限,並比較 best-of-N、PPO 與 GRPO,呈現現有方法距理論界線的差距。
Dev.to Top Tech精選品質評分8282 百度 ERNIE 5.5 Flash Preview 已於 Qianfan 上線,權重將於 11 月 25 日開放
百度推出 ERNIE 5.5 Flash Preview,目前可透過 Qianfan API 使用,也可在 OpenRouter 免費試用;模型權重預定於 11 月 25 日開放。
推薦理由:文章區分 ERNIE 5.5 Flash Preview 與先前的 Base 版本,並列出 API 價格與權重釋出日期,方便評估試用時機與成本。
Dev.to Top Tech精選品質評分8484 Claude Fable 5.2 切換指南:4 種可能觸發 400 的變更與定價差異
Claude Fable 5.2 已於 2026 年 11 月 9 日開放,標準價格為每百萬輸入/輸出 token $8/$40,比 Fable 5.1 低 20%;API 預設 effort 為 high。
推薦理由:文章逐項列出切換至 Claude Fable 5.2 時可能觸發 400 的請求變更,並提供對應修正方式,適合檢查自建 API 請求流程。
Dev.to Top Tech精選品質評分7676 Google 推出 Gemini Decision 1,為工單與潛在客戶提供分類評分 API
Google 推出 Gemini Decision 1(gemini-decision-1),這款 API 可在單次請求中為多個問題評分,回傳選項機率與信心分數,供工作流程進行分類與分流。
推薦理由:Gemini Decision 1 將分類與評分整合在單次請求中,並提供信心分數,可用來判斷哪些工單或潛在客戶適合自動分流。
MarkTechPost精選品質評分7777 Google 推出 Gemini Decisions API 與 Gemini Decision 1,輸入價格為每百萬 token $0.10
Google推出由 Gemini Decision 1 驅動的 Gemini Decisions API,可對共用輸入中的最多 1,000 個問題評分,回傳校準機率,且不產生文字輸出。
推薦理由:Gemini Decision 1 以校準誤差和多項基準呈現其決策能力,也列出價格與競品差距,可供評估代理程式中的分支判斷需求。
The Decoder精選品質評分8282 Google 推出 Gemini Decisions API 與 Gemini Decision 1,單次處理 1,000 個問題
Google DeepMind 推出 Gemini Decisions API,供快速處理是非題、選擇題與量表評分;底層模型 Gemini Decision 1 單次可處理 1,000 個獨立問題,並在 150 至 250 毫秒內回傳選項機率與信心值。
推薦理由:Gemini Decision 1 將封閉式判斷整合為單次批次處理,並提供延遲、價格與校準誤差資訊,可用來比較此類 API 的適用情境。
Artificial Analysis@ArtificialAnlys精選品質評分7373推薦理由:Artificial Analysis 將 Gemini Decision 1 與同類模型比較,呈現其知識與推理基準、檔案抽取表現及每項任務成本的差異。
Sundar Pichai@sundarpichai精選品質評分7373
推薦理由:Gemini Decisions API 將封閉選項判斷延伸至文字、影像、音訊、影片與 PDF,並列出定價和基準表現,便於評估其適用情境。
ComfyUI Blog精選品質評分8282 ComfyUI v0.45.0 最佳化 Qwen3.x 推論,最高提升至兩倍速度
ComfyUI 在 v0.45.0 最佳化 Qwen3.x 的文字生成路徑,同一模型與 GPU 的 token 生成速度最高提升至兩倍,且不需更換模型或降低輸出品質。
推薦理由:文章拆解 VRAM 讀取、GEMV 核心與自適應樹狀 MTP 的改動,並以多組 GPU 實測呈現 Qwen3.x 推論速度變化。
Dev.to Top Tech精選品質評分8181 Google 開放 Gemini 4 Carbon API,限時價格至 11 月 30 日
Google 開放 Gemini 4 Carbon 供付費開發者透過 Gemini API 使用,並以限時價格提供至 11 月 30 日。
推薦理由:Carbon 的限時定價與後續漲幅,搭配 Argon 的定位比較,讓讀者能評估複雜工作流程的試用時機與長期成本。
Unsloth AI Releases精選品質評分6969 Unsloth Studio v0.1.917-beta 推出 Dynamic v3.1 GGUFs 與多項效能更新
Unsloth Studio v0.1.917-beta 推出 Qwen3.8-27B Dynamic v3.1 GGUFs,並更新聊天效能、影像與影片生成及程式代理功能。
推薦理由:此版本同時涵蓋本機模型執行、影像與影片生成及程式代理,並列出多項效能變化,呈現 Unsloth Studio 的更新範圍。
The Decoder精選品質評分8383 Anthropic稱AI將Claude移植至AMD GPU的時間從數月縮短至三天
Anthropic表示,使用自家模型 Mythos 協助移植後,Claude 在 3 天內便能於 AMD GPU 上執行,幾乎不需人工介入。 - 移植成果:Anthropic稱 Mythos 撰寫或移植了近 100% 的核心程式碼;相關資料以 AMD MI355X GPU 上的提示處理為例,尚未經獨立驗證。
推薦理由:Anthropic稱Claude可在三天內移植至AMD GPU,文章以此說明AI可能降低跨晶片部署的工程成本,並影響算力採購彈性。
Hacker News (official RSS)精選品質評分7676 線性規劃能否用於權重空間程式設計?
作者以 Qwen3.5-0.8B 為例,示範如何用線性規劃(LP)選擇權重編輯方式,減少模型反覆思考的迴圈。\n\n- 方法:沿用 Astra 找出的殘差方向,LP 搜尋應修改的權重欄位與幅度;在測試中,編輯 16,291 個權重,MATH-500 準確率為 51.7%,IFEval 為 59.7%。
推薦理由:文章將權重編輯拆成殘差方向與稀疏係數的線性規劃,並以測試集比較其效果與適用限制。
Hugging Face Blog精選品質評分6363 Tether AI Research 推出 0.8B 引數端側AI 助理模型 BotPsy
Tether AI Research 推出 BotPsy,這款以 Qwen3.5-0.8B 為基礎、適用於端側部署的 0.8B 引數模型,專為工具呼叫與AI 助理工作流程設計。
推薦理由:BotPsy 在多項工具使用基準上與較大型模型比較,並揭示多輪任務、低資源語言及高難度搜尋的表現落差。
AWS Machine Learning Blog精選品質評分6868 AWS 教學:在 Amazon Bedrock 使用 Kimi K3.1 Pro Highspeed
AWS介紹如何在 Amazon Bedrock 使用 Kimi K3.1 Pro Highspeed,並透過 Flex 層級、提示詞快取與 OpenCode 設定,調整成本及整合至程式開發流程。
推薦理由:文章整理了在 Amazon Bedrock 呼叫模型、降低 Flex 用量成本及設定提示詞快取的方法,並提供 OpenCode 串接範例。
Dev.to Top Tech精選品質評分7676 Xolotl 如何在單臺遊戲 PC 上執行 552-billion MoE,並管理受限硬體資源
Xolotl 以分層專家快取在單臺 PC 上執行 552-billion MoE,將熱門專家放入 VRAM、部分專家置於記憶體,其餘按需從 NVMe 載入。
推薦理由:文章以單臺 PC 的實測拆解 MoE 推論如何分配 VRAM、記憶體與 NVMe 負載,並量化快取、量化方式及速度模式的取捨。
aihot精選品質評分7979 OpenRouter 實測 fp8 與 fp4 量化對 LLM 品質與價格的影響
OpenRouter 實測 Qwen3.8 27B 的六個服務商端點,在 240 個計分任務中未測出 fp8、fp4 與 fp16 的準確度差異,並比較不同量化精度的價格與端點選擇方式。
推薦理由:OpenRouter 以單一模型的端點測試比較量化精度、準確率與價格,並說明如何用 provider.quantizations 篩選端點及保留故障回退選項。
Dev.to Top Tech精選品質評分7979 Anthropic 發布 Claude Fable 5.2 與 Claude Mythos 5.2,降價並加快輸出
Anthropic 發布 Claude Fable 5.2 與 Claude Mythos 5.2,標準輸入與輸出 token 定價較前版降低 20%,Fable 5.2 輸出速度最高提升 30%,安全分類器誤攔截也有所減少。
推薦理由:Fable 5.2 同時調降價格、加快輸出並減少誤攔截,文中列出基準變化與 Claude Code 預設採用方式,可供評估日常使用成本。