Zambo 按公開的回應遺失測試合約評測自家 MCP 伺服器,公開多項失敗結果
Zambo 依一份公開的回應遺失測試合約評測自家 MCP 伺服器,並公開各項基線結果,包括未通過項目。使用相同操作身份 K 和參數重試時,外部效果執行了兩次;參數不符的重試則被當作新呼叫執行。只用 K 取回原結果時回傳 404;合約建議延遲 24 小時後再測試,該項目前尚未驗證。
Zambo 依一份公開的回應遺失測試合約評測自家 MCP 伺服器,並公開各項基線結果,包括未通過項目。使用相同操作身份 K 和參數重試時,外部效果執行了兩次;參數不符的重試則被當作新呼叫執行。只用 K 取回原結果時回傳 404;合約建議延遲 24 小時後再測試,該項目前尚未驗證。
DeepSeek V4.1 Pro 的指紋出現變化,後端延遲由 1394ms 降至 817ms,速度提升 41%。權重未變,網友測試亦未發現知識截止日期改變,因此尚不足以判斷大模型本身有變。網友推測 DeepSeek 可能升級集羣並改用華為昇騰,但文章未確認。
Yuh Gettin’ Tru 將本地產品描述增強流程的模型 build 從 gemma-4-E4B-it-qat-mxfp4 換成 gemma-4-E4B-it-oQ4e-mtp 後,實測吞吐量由 18.7 升至 26.2 tokens per second,約提升 40%。
CNET 作者在舊金山試駕 Mercedes-Benz MB.Drive Assist Pro 一小時後,表示比開始時更安心,並幾乎毋須操作方向盤或踏板。這套 Level 2 系統可處理轉向、制動和加速,並能遵守交通燈、在路口讓路及繞過停駛中的 robotaxi;但在行人準備過路時,作者須接管並制動。
兩名斯洛文尼亞車主讓各自的 Tesla Model Y 和 Model 3 啟用 FSD (Supervised) 14.2.2.6,在狹窄道路上迎面行駛;山路會車雖能完成,Model Y 卻未讓上坡的 Model 3 優先通行。
作者以 Claude Code 測試 CLAUDE.md 規則與 Bash 的 PreToolUse hook:明確要求忽略規則時,僅用規則的組別有 5/5 次成功提交,而 hook 阻止全部 10 次嘗試。
Mercedes-Benz 即將推出的 MB.Drive Assist Pro 在舊金山市區實測中大致順暢,駕駛須持續接觸軚盤。系統透過 10 個鏡頭及五個雷達感應器感知路況,近一小時行程中只需介入一次。Hands-Free Highway Assist 可在指定高速公路以最高 85 mph 行駛,但測試期間曾出現未察覺鄰線來車及多次要求駕駛接手的情況。
這篇比較指出,Kling 4.0 在兩者均提供的 720p 和 1080p 解像度下,每秒所需點數低於 Seedance 2.5,分別為 6 對 12 點數、8.9 對 21 點數。
在 SaaS 用量計費任務的隔離 VM 基準測試中,折疊式單一循環搭配漸進式技能披露,比按角色拆分子智能體快 2.66 倍。兩種方案最終都通過 20 個隱藏測試案例;折疊方案用 2 次模型調用、13.68 秒完成,按角色拆分方案則用 5 次調用、36.36 秒,前者輸入 token 減少 67.0%、API 成本減少 54.9%。
OPPO Reno17 Pro以小尺寸機身結合影像、遊戲和系統體驗,主打好看、好用及拍攝玩法。它配備2億像素主攝、5000萬像素3.5倍潛望長焦和5000萬像素超廣角,並提供POP模式及長焦微距。ColorOS 17支援流體雲和端側大模型,主流網遊測試可達120幀。
作者測試 32,485 筆 A 股交易的 8 種止蝕區間,發現 5%止蝕/10%止賺組合的止賺命中率只有 23.8%,低於 33.3% 的損益平衡要求;平均回報持平,靠的是未觸及任何界線的交易。止蝕未明顯改善平均回報,但可限制尾部跌幅;同為 ±5% 區間,收市價高於 MA20 的交易平均回報為 +0.03%,低於 MA20 則為 -0.17%。
騰訊 Hy4 flash 在辦公決策、讀圖、編程修復及論文轉 PPT 四類任務中接受實測,並分別與 DeepSeek-V4.1-Flash 或 Hy4 比較。辦公決策和編程修復分別用時 1 分 14 秒及 2 分 5 秒;讀圖測試中,DeepSeek-V4.1-Flash 出現兩處明確誤判,而 Hy4 flash 未發現圖表柱高比例錯誤。
Google Custom Search JSON API 已停止接受新客戶,現有客戶須於 2027 年 1 月 1 日前轉用替代方案。文章按用途比較 Google SERP API、自家網站搜尋、AI 智能體網頁搜尋及 Gemini API 中以 Google Search 提供依據的方案,並整理價格、免費額度與基準表現。
cloro 發佈 Tavily 與 Google 搜尋 API 的比較,測試顯示 Tavily 中位搜尋時間為 2.00 秒,Google SERP API 約為 8 秒。
cloro 的公開基準測試比較六款網頁搜尋 API,Exa 以每次搜尋中位數 0.74 秒成為最快者。兩款 Google SERP API 每次約需 8 秒,但在 824 道多跳問題中,單次搜尋答對率分別為 80.2% 和 77.4%,高於 Exa 的 64.0% 及 Tavily 的 48.4%。
作者實測 Qwen4-Max 透過百煉 CLI 的 bl text chat,以一句提示詞生成單檔 HTML 網頁小遊戲;預設模式耗時 94.8 秒,輸出 438 行。
HUAWEI Pura X Max採用橫向闊摺疊設計,內外屏均為約1.4:1比例,合屏與展開時的內容切換較連貫。HUAWEI 實驗室測試顯示,觀看16:9影片時有效顯示面積提升約50%,查看PPT時顯示面積亦提升約50%。建議零售價10999元起,適合經常閲讀、出差或使用大屏處理內容的人。
Castmagic 透過並行執行 LLM 提示詞,將原始音訊轉化為多種文字及行銷素材;Descript 則以文字稿連動波形時間軸,供用戶剪輯和製作音訊及影片。Castmagic 適合擴展內容分發,Descript 適合後期剪輯、音訊清理及影片製作。
文章比較 Tair AI Gateway、Azure APIM、自建 Redis + 向量、LiteLLM/GPTCache 與百煉 Context Cache 五種方案,涵蓋命中機制、接入成本、維運責任及計費模式。
APPSO 實測騰訊 Hy4 flash,認為它在編碼和辦公任務中的完成能力與 DeepSeek V4.1 Flash 大致相近,首輪交付較快、成本較低。製作可互動 3D 歷史帆船網頁時,Hy4 flash 用半小時完成,預計 API 費用為 0.23 元;DeepSeek V4.1 Flash 用了 1 小時 30 分鐘,API 費用約 1.21 元。
作者 Pin Xiong 以九次實測檢視 Strands Agents workflow 工具,發現它按 Python 依賴檢查固定任務順序,並行執行互不依賴的步驟。
Arena 發布 2026 年第 46 周大模型盲測榜單,Google 的 Gemini 4 Carbon (High) 以 1526 分登上綜合榜首,與 Gemini 4 Argon (High) 的 1522 分差距在誤差範圍內,視為並列第一。
2026-11-16 的 GEO AI 流量報告顯示,535 個接受追蹤的產品中有 114 個錄得可量度的生成式 AI 引薦流量。ChatGPT 出現在 110 個產品的引薦來源中;按 AI 引薦流量佔比排名,RunwayML 以 5.289% 居首,其次是 Descript 的 4.585% 和 Grok 的 3.843%。
Chatwoot 核心採用 MIT Expat 授權,enterprise/ 目錄則是須按席位訂閲才能用於生產環境的商業程式碼,採用 open-core 模式。社羣版不設 Agent 數量上限,支援多個渠道,但不包括 Captain AI、語音通話及 SSO/SAML 等功能。自建版每位 Agent 每月 $19 起,另須自行負責伺服器及維運。
HUAWEI Mate X7以大屏辦公、影像和續航配置,面向重視商務協作與日常體驗的摺疊手機用戶。它配備第二代紅楓原色攝像頭;典藏版搭載5600mAh電池,實驗室測試顯示綜合續航較上一代提升1.4小時。實際表現會受使用環境影響,選購時宜按預算和需求考慮。
作者實測拆解 ai-memory,指出它可讓二十多種編碼 Agent 共用記憶和交接,但單人最多在兩個 Agent 間切換時,讀取既有日誌可能已足夠。專案以 git 中的 Markdown 筆記保存記憶,數據庫負責索引;作者測試超過 1,200 項測試全部通過,並確認植入的假 API key 在資料庫中已被遮蔽。
HUAWEI Pura X Max 實測顯示,這款闊折疊手機以內外屏同為約1.4:1比例的雙面闊型屏,兼顧合上單手使用與展開閲讀、影音及辦公。內屏為7.7英寸,外屏為5.4英寸,配備5300mAh電池、66W有線及50W無線快充。建議零售價10999元起,提供12GB+256GB、12GB+512GB、16GB+512GB及16GB+1TB版本。
HUAWEI Pura X Max 以內外屏同為約1.4:1比例的雙面闊型屏,兼顧合上使用與展開後的影音、閲讀和辦公場景。7.7英寸內屏查看PPT的顯示面積較直板機提升約50%,瀏覽Excel同字號下多顯示約33%行數。手機配備5300mAh電池,建議零售價10999元起,適合經常在影音、文檔與出差工作之間切換的用戶。
標準版 PS5 的圖形性能最接近 RTX 2070 Super,PS5 Pro 則與 RTX 5060 Ti(16GB 版)或 AMD Radeon RX 9060 XT 相近。PS5 的 16GB GDDR6 統一記憶體與 PC 顯卡的獨立顯存機制不同,PC 配置的總成本也不止顯卡價格。PS5 Pro 的 PSSR 可在主機端提供類似 DLSS 的視覺補償。
海信洗烘套裝·棉花糖系列推出 M5SP 與 U7S 兩款三變頻型號,分別面向日常精緻洗護,以及多口之家和養寵家庭。M5SP 洗淨比為 1.21,烘乾效率提升 20%;U7S 容量為 12Kg、洗淨比為 1.35,洗烘雙渠道除毛屑率均為 92.9%。兩款均配備宙斯熱泵三變頻烘乾系統及 deepseek 洗護模型,並支援語音交互。
Weitu AI 打造流式多模態視頻大腦,透過 Dual Sparse Memory 和長期記憶模組持續理解視頻、更新記憶,支援結合當前畫面與歷史資訊進行推理。
Qwen4-Max 在 Artificial Analysis Intelligence Index 得分 43,與 Qwen3.8 Max 相比,每項任務的成本低約 67%,但得分仍落後於 Kimi K3.1 Pro。與 Kimi K3.1 Pro 相比,Qwen4-Max 的每項任務成本低約 11%。
NovaSilicon 自研的 Novara 和 Nova-SI 在模擬版圖與數字芯片 floorplan 兩項實測中均取得最高平均分,分別為 0.8154 和 57.97,後者約為 GPT-6 Astra 的 1.9 倍。NovaSilicon 首提 CDK(電路設計套件),並以 Designless 描述把芯片設計實現環節交由 CDK 和工程師處理的分工模式。
阿里巴巴表示,未開放權重的 Qwen4-Max 在編碼基準測試中勝過 Fable 5.1 和 Kimi K3.1 Pro。阿里巴巴亦計劃公開較小型 Qwen4 模型的權重。
作者對 Agent Games Gatekeeper 電路進行 12 組 Groth16 證明測試,所有結果均符合預期。電路會檢查 VK 是否匹配、門檻、收件人、金額上限及到期時間;錯誤決策無法建立 witness,正確決策則產生可驗證證明。作者未能提交競技場項目,帳戶目前為 0 分,亦未獲排名。
作者測量智能體載入 MCP 工具定義的 token 開銷,200 個工具每次訊息消耗 24,522 個 token,500 個則消耗 61,302 個。50 個工具起,每多接入一個工具便增加 122.6 個 token;200 個工具佔 200k 上下文窗口的 12.26%。作者建議先計算成本、縮短工具描述,並只接入當前任務所需的伺服器。
作者重新核查 x402 付費路由的測試,向 8 個主機的 16 條路由發送 GET 和 POST 請求,全部路由的 POST 均回傳可付款的 402。6 條路由的付款條件在 GET 和 POST 間一致;但其中一個列為通過的主機,兩條 GET 路由會免費提供產品資料。原測試引用的數據檔和腳本無法取得,137 個請求的統計因此無法核實。
開發者將動態 protobuf 設計移植至 pbwire,以一個 C 核心支援 23 種語言綁定,並與各自的官方實作比較效能。Java 在 74KB 級別的編碼和解碼分別達到 1.13x 和 1.95x,但在 136B 級別的編碼僅約 0.7x;8 次針對性優化嘗試均未能改善。開發者徵求維持動態設計並附有 A/B 數據的解法,也接受以充分證據證明差距無法消除。
阿里雲瓴羊 Quick Service 面向客服場景,讓業務人員無需編寫程式碼或依賴技術團隊,便可配置流程、接入渠道及更新知識庫。SaaS 版最快 1 天可上線,知識庫更新生效延遲小於 5 分鐘;AI 問答準確率達 93%,可自動處理 80% 以上常見問題。
阿里雲瓴羊 Dataphin 以 OneData+AI 將數據標準、質量和血緣嵌入研發流程,並透過 AI 引擎支援自然語言生成 SQL 和異常任務根因診斷。平台支援50多種異構數據源,公開信息顯示可降低70%以上重複性數據開發工作量。文章亦比較 Collibra、Atlan、Informatica Axon 等工具,並建議按企業實際場景驗證選型。