我測試了裁判:zkVerify Agent Games Gatekeeper 電路實際執行哪些檢查
作者以實際 Groth16 證明測試 zkVerify Agent Games 的官方 Gatekeeper 電路,檢查其實際執行的驗證。測試從 wasm 找出 13 個輸入訊號,並確認電路不接受只在高 128 位不同的驗證金鑰雜湊;結果符合以 BN254 素數取模的編碼,但未排除其他完整位寬編碼。
作者以實際 Groth16 證明測試 zkVerify Agent Games 的官方 Gatekeeper 電路,檢查其實際執行的驗證。測試從 wasm 找出 13 個輸入訊號,並確認電路不接受只在高 128 位不同的驗證金鑰雜湊;結果符合以 BN254 素數取模的編碼,但未排除其他完整位寬編碼。
Apple TV 4K(第 4 代,2026)是功能強大的無廣告串流播放器,但主要適合 Apple 用戶,其他用戶未必覺得值得購買。A19 處理器據稱帶來 50% 速度提升,機身內置三個咪高峯,方便搜尋影片,但仍須用遙控器播放內容。設定及使用 Siri AI 等功能需要相容的 iPhone,售價則為 $300。
CNET 測試 Apple Intelligence 配合 Aqara Camera Hub G350 使用時的影片描述與摘要功能,發現描述簡短,準確度亦不穩定。測試中,系統多次把不同動作都判斷為有人在看書;使用 Apple Intelligence 功能至少需要每月 $10 的 iCloud+ 2TB 訂閲、Apple 中樞,以及較新的 iPhone 或 iPad。
Sunnatulla 測試 12 個框架的 pgvector 多租戶 RAG 查詢,發現單筆租戶 recall@10 僅 0.10,90% 查詢回傳空結果。在 generic plan 下,為租戶欄位或相符的 JSON 表達式建立索引,測試列出的租戶規模 recall 均達 1.00;作者亦建議啟用 hnsw.iterative_scan。
OpenCode Browse 適合操作已登入的瀏覽器,Playwright MCP 適合可重複執行的端對端測試,Chrome DevTools MCP 適合效能及故障診斷。
Daniel Susskind 在《What Should My Children Do: A Human's Guide to the Age of AI》中主張,家長應培養孩子的讀寫能力、數字素養和批判思考,而非試圖預測哪些職業能在 AI 時代保留下來。他建議教育採取 AI 與非 AI 雙軌,並主張大學生三分之一的學習時間應用於認識 AI 及學習使用 AI。
Intel 稱,為 AI 推理而設的數據中心 GPU D270,在金融服務基準測試中,吞吐量最高達 Nvidia RTX PRO 6000 Blackwell 的 5.9 倍。
作者透過 Dial MCP 伺服器讓 Claude 致電處理 Sony 條形音響維修,六輪嘗試後預約到星期六下午 2 時上門,費用 Rs 200,預約編號 901。六輪處理包括未能撥出、掉線、忙線及轉介;Dial 會回傳通話逐字稿和結構化結果,並在電話內容包含不可信指令時要求用戶決定。Dial 支援印度 (+91) 號碼,收費為每分鐘 Rs 5 加 GST,按秒計費。
作者以 OpenSpec 2.1.0 和 Superpowers 7.0.2,從同一需求端到端執行 superpowers-bridge 兩次,並用隱藏測試比較兩種審閲方式。
智源研究院聯合逆矩陣、北京大學、清華大學及北京航空航天大學推出悟界·PhysCapBench,評測第三人稱場景、第一人稱操作與手持夾爪示範中的影片描述物理資訊。
兩輛分別為 Model 3 和 Model Y、搭載相同 FSD(Supervised)軟件版本的特斯拉,在只能容納一輛車通過的窄路相遇,經短暫交涉後讓路通過,全程沒有人工接管。網上不少人認為,這次會車比很多人類司機的表現更流暢;FSD 目前仍需駕駛員全程監督。
作者以自己的 iOS 項目「快量房」實測 Claude Opus 5.5、Gemini 4 Hydrogen/Carbon 與 Codex(GPT-6 Astra)改造連續掃描頁面互動;Opus 5.5 找出重試後房間未能銜接的隱藏漏洞。
技術團隊搭建 PS5 Pro 基準測試平台,將遊戲畫面經擷取卡送入配備 RTX 5090 的電腦,AI 增強後最高達 360FPS。測試啟用 DLSS 5 和 DLSS 4.5 6X 幀生成,過場動畫及場景探索期間的幀率穩定在 312 至 360FPS。
Qwen4-Max 最值得關注的數字或許不是基準測試分數,而是成本。
Accelerate Bench 是一個評估編碼智能體進行應用程式層級程式最佳化的基準測試,涵蓋 8 個應用領域的 32 項科學工作負載。研究評估了 16 個編碼智能體,排名前列的兩個智能體在至少 22 項任務中取得 2× 或以上加速,同時須維持程式正確性。31 項任務可透過 Harbor Hub 使用,完整版本則在 Hugging Face 提供。
作者以 OpenCode 實測 AWS Emulator 1.0.338,三次讓編碼智能體從零建立 S3 → Lambda → DynamoDB 服務,測試均通過。
文章比較多款 AI 文字人性化工具的測試,指出它們通常能避過較弱的偵測器,卻多數無法避過 GPTZero、Originality.ai、Winston AI 和 Copyleaks。
阿里雲瓴羊 Quick BI AIPro 的企業選型指南聚焦其 AI-native 架構,分析智能小Q如何串連「問數—歸因—報告」,並對照 Tableau、Power BI 等產品的能力側重。
InferenceKey 使用 llama.cpp 在 RTX A6000 和 RTX 3090 上測試 Ripple-65B,分析其推理速度、長上下文容量及量化檔案對程式碼生成的影響。
Tree-Ising 用約 $0.90 和 31 分鐘修復 Qwen3.5-0.8B,在 MATH-500@4 得分 54.6%,高於 GPT-6 Astra 智能體編輯的 51.7%。
LLM Agent 評測中,合成測試案例適合快速比較版本,卻不足以認證實際表現;最終發佈門檻應以真實生產軌跡評估。文中援引研究指出,合成案例可能較人類撰寫案例容易,令絕對分數偏高;作者亦以自身智能體失效經歷及其他事故説明測試集未涵蓋的輸入風險。作者建議定期對真實軌跡作遮蓋並標註成敗,再分開呈報兩類通過率,以真實案例通過率及兩者差距作為發佈門檻。
KiteFishAI 創辦人 Anuj Gupta 離開 Accenture 全職投入創業,開發面向企業專門任務的小語言模型。旗下 Nano-Em1-0.6B-v2.1 據稱於 2026 年 8 月在 MTEB 排行榜全球第九;NanoI1 有 155 million 個參數,以 Apache-2.0 授權提供 Base 和 Instruct 版本,可在本地部署或私有雲推理。
作者經半個月實測後,認為 Google Antigravity 的五項功能改善了 Claude Code 和 Codex 使用上的協作與操作痛點。功能包括 /swarm、Orchestrator、run-workflow、/boost 和 /grill-me,涵蓋多智能體協作、模型調度、批量任務、單輪加強及需求對齊。
Anthropic 告訴投資者,Claude Mythos Preview 約 3 天內便讓其 AI 在 AMD GPU 上運行,過程「幾乎無需人工介入」。Anthropic 稱,這比通常所需的 6 至 12 個月短得多。
Codex 在 Three.js r187 中以一個含 1,046,528 個三角形的 Houdini 岩石,測試 WebGPU MeshletDrawingPipeline、three-nanite、手動 mesh LOD 及單視角卡片。
Google Cloud 在 MLPerf Training v6.1 首輪 DeepSeek-V3 預訓練測試中,以 8192 顆 Ironwood TPU 用 1.70 分鐘(約 102 秒)達到基準要求的模型質量。
Intel 首次公開數據中心顯卡 D270 的首批測試數據,在金融 HPC 負載中,吞吐量最高達 RTX PRO 6000 Blackwell 伺服器版的 5.9 倍,整卡功耗為 350W。四項金融負載平均約 4.5 倍;D270 採用 Xe3P 架構,配備最高 480GB LPDDR5X。AI 測試中,Qwen3 30B-A3B 吞吐量為對手的 1.12 倍,上市時間和價格尚未公佈。
Google 在 MLPerf Training v6.1 的 DeepSeek-V3 671B 預訓練測試中,以 8,192 顆 Ironwood TPU 約 102 秒達到基準要求的模型品質。
Ulysse Trin 以多月真實程式碼庫使用經驗,比較 Claude Code、Codex、Gemini CLI 與 Hermes Agent,並納入 Antigravity CLI 和 OpenClaw 作為對照。
Meta Muse 可根據用戶的興趣搜尋活動,並集中活動搜尋,減少瀏覽不同活動網站和社交媒體所需的時間。它找到的活動有時會附上不熟悉的售票平台連結,票價也可能與 Ticketmaster 不同:Muse 顯示一張週五晚門票售價 $93,Ticketmaster 最低票價則接近 $150。使用者應核實售票平台和票價,Muse 尚未能完全自動安排社交日程。
Google Pixel 11 系列中,Pixel 11 Pro XL 的尺寸最接近 Galaxy S26+,但價格較高、機身亦較重。Pixel 11 Pro 屏幕為 6.3 吋,較小但售價較低,並有更亮的屏幕和更強的相機;Galaxy S26+ 則在遊戲、影片剪輯等高負載應用中性能較佳。
海信電視 U7S Pro+ 是主打高端影像的 RGB-Mini LED 旗艦電視,65 吋售價 10999 元,100 吋售價 29499 元。文中列出的規格包括 100% BT.2020 色域、4K 180Hz 原生高刷新率,以及 4.2.2 聲道、390W 揚聲器功率。
NVIDIA Vera Rubin NVL72 在 MLPerf Training v6.1 的性能最高達 Blackwell Ultra 的 2 倍。Vera Rubin 架構在該版評測中首次亮相,NVIDIA 在七項基準測試中全數勝出。NVIDIA 表示,早期結果顯示其 CUDA 軟件堆疊已相當成熟。
NVIDIA Vera Rubin NVL72 在 MLPerf Endpoints v1.0 的智能體推理效能領先。MLPerf Endpoints v1.0 以編碼及企業工作流程評估服務容量與回應速度的平衡;智能體工作負載涉及跨回合累積的對話歷史,以及推理、工具呼叫和回應生成。
作者實測豆包工作台,展示它如何按不同需求配置技能、插件和連接器,讓用戶點擊即用。文中以金融投研工作台追蹤 NVIDIA,示範整理市場資訊、進行估值建模,以及把報告轉成漫畫和短影片,再將流程設為定時任務。
檢查 16 個 Ideogram API 輸出及 2 個網頁版素材後,未發現可見浮水印;其中 14 個 API 檔案帶有 C2PA 內容憑證。提示詞和 seed 沒有寫入檔案,可在 API JSON 回應及 Library 批次下載的 CSV 中查到。
Ideogram Blog 比較 8 款 Photoroom 產品相片替代工具,按產品影像工作流程整理各自定位。文中以同一款 AURELLE 護手霜包裝和場景提示詞測試 Ideogram、Pixelcut,兩者場景圖均為 2048 × 2048 PNG;Ideogram 完成改牆色,Pixelcut 該步驟則顯示升級提示。
Ideogram較適合需要準確文字、精確編輯、SVG 輸出或 API 的工作;Midjourney較適合以風格探索為主的創作。文章比較 Ideogram 4.5 與 Midjourney V8.2 在價格、私隱、商用條款和輸出格式等方面的資料,並建議用相同提示詞和生成次數測試,再以 100% 檢視原始圖檔。
Google 在 2026 年 Gartner® 雲端營運資料庫管理系統魔力象限中獲評領導者,並在願景完整度方面排名最前。配套的《2026 Gartner® 雲端營運資料庫管理系統關鍵能力》報告中,Google 在 Agentic AI Operations 用例排名第一,Spanner 排名第一、AlloyDB 排名第二。Spanner 在 OLTP Transactions 用例排名第二。
在三個購物基準測試中,提高 LLM 購物智能體的思考力度,未能在統計上改善產品選擇質素,卻顯著提高其自我報告的信心。大多數模型在不同思考力度下校準不佳,而且常在相同任務中出錯,甚至選中同一件錯誤產品。