Clover-35B-A3B 在 llama.cpp 的實測:解析「僅限 AR 模式」與會輸出 G 的 GGUF
InferenceKey 實測 Clover-35B-A3B 在 llama.cpp v0.9.0 上只以 AR 模式逐個 token 推理;修補官方 Q4_0 GGUF 後,模型在單張 RTX 4090 上達到 202–211 tokens/s,首 token 延遲為 0.13–0.31 秒。
InferenceKey 實測 Clover-35B-A3B 在 llama.cpp v0.9.0 上只以 AR 模式逐個 token 推理;修補官方 Q4_0 GGUF 後,模型在單張 RTX 4090 上達到 202–211 tokens/s,首 token 延遲為 0.13–0.31 秒。
作者以 PSNR、SSIM 等指標比較不同升頻編碼流程,發現無損轉碼不會改變解碼畫面,而相同 bits-per-pixel 下升頻後再編碼的 PSNR 高 0.6–1.4 dB。無損中間檔適用於保留色度餘量或多次編輯,不能清除壓縮瑕疵;鋭化應放在最後一次有損編碼之後。
作者以 OpenCode 測試 claude-mem 15.18.1,三次跨工作階段測試均讓智能體正確沿用前一工作階段的折扣規則;未啟用記憶時,三次均未完成功能。記憶模式每次請求增加約 5,200 個 token,整次測試處理 126,307 個 token,重述規則則處理 65,739 個 token;兩者耗時相近。作者指出自動擷取可能漏記,並建議重要資訊明確存入 save_memory。
作者檢視保加利亞 App Store 上 MyFitnessPal、Cal AI、Yazio、Lifesum 和 Lose It! 的 183 則近期評論,並逐一閲讀其中 69 則一星及二星評論。
分析 Tiny Desk Outstanding 的 8 段公開樣本後,作者發現 3 段完整重製保留原片三個鏡頭的次序,切點則延後 0.08 至 0.50 秒。三段重製片均於 14.75 至 15.0 秒切回桌邊畫面,片長為 17.4 至 17.7 秒。作者建議剪輯時使用重製片自身的切點;這項 12 fps 分析不能辨別縮放或旋轉。
PADAM NOCTURNE 以 30,000 條含假密鑰的短句測試 AI 智能體記憶遮蔽,0.4.17 和 0.4.18 均未洩漏密鑰,12 條正常短句亦未被遮蔽。
remove.bg 的獨立網站將於 2026 年 12 月 1 日停用,作者以同一組 3 張照片實測免費替代工具並計時。屆時背景移除功能會轉至 Canva 付費方案,直接使用 remove.bg 服務的用戶則會被引導至 Leonardo.ai。
作者以 Grok(grok-4.7,經 xAI API)和 sra-riskgate 0.18.0 進行付款智能體乾跑測試,Grok 自行拒絕兩項攻擊;被要求提交所有項目時,閘門批准真實發票、暫緩無限額授權,並拒絕仿冒收款地址的發票。測試項目包括 2.50 USDC 真實發票,以及無限額授權和另一張 2.50 USDC 發票。全程沒有簽署或發送付款,結果以公開日誌呈現,並非鏈上結算證據。
海信璀璨套系評測涵蓋電視 E7S Pro、空調 X5、洗衣機 E5S Pro 及冰箱 600,體驗其客廳、卧室、廚房和洗護場景的產品表現與智能聯動。套系透過海信愛家 APP 連接設備,並提供由專業團隊統一響應的勘測設計、一體化送裝及維護保養服務。
Peiguan 以兩類合成影格比較 ffmpeg 將 480p 放大至 1080p 的濾鏡,結果顯示表現會隨畫面類型和評分指標而異。平滑照片類畫面中,Bicubic 和 Lanczos 得分接近;硬邊畫面中,Lanczos 加輕度 unsharp 的 PSNR 最高(21.04 dB),但 SSIM 低於 Bicubic(0.761 對 0.7866)。
一項以 Bybit 訂單簿數據進行的測試發現,7 個流動性迷思均未獲數據支持,另外 5 個常見交易觀念也接受了同一套檢驗。研究追蹤 221,487 個掛單牆,發現 69% 至 88% 在價格接近前已被取消,價格觸及時僅有 1% 至 3% 仍然存在。留存掛單牆的價格反彈率與同距離的空白價位相若。
作者以客服工單分流為例,逐步介紹 Gemini Decisions API,並與 Gemini 3.8 Flash、Gemini 4 Hydrogen、Gemini 3.5 Flash-Lite 及 Gemma 4 E2B 比較準確度、速度和成本。
文章比較 SaladCloud、Nodus、RunPod、Vast.ai 和 Modal 在 GPU 工作負載上的價格、中斷處理及檢查點恢復方式,並按任務特性提出選擇建議。
作者在 20 組問答上測試 LLM 評審,發現沿用客服機械人評分標準時,Gemini 3.1 Flash-Lite 把「Paris.」判錯,準確率為 0.60、Cohen's kappa 為 0.20。
Alibi 首次測試 Claude Code 和 OpenAI Codex 時,把執行故障及評測器限額問題計作失敗;重跑後兩者均得 9/10。Alibi 將 INVALID 與 FAIL 分開,逐項列明失敗原因,並讓有失敗或無效任務的測試以錯誤退出。
Perplexity Decider v1.3 涵蓋訓練、評測和使用場景。
StackPrice 比較 11 款自動化及 AI 智能體工具的免費方案,7 款列有免費方案,其餘包括免費自架、僅供開發、未列明方案或免費試用等情況。各工具計算額度的方式不同,例如 Zapier 按操作步驟計算 tasks,Make 則將觸發器和每個模組計為 credits;n8n Community Edition 可免費自架,但需自行支付伺服器費用。
作者在 LeWM 上完成 600 次實驗,找出四種無需重新訓練的規劃方法;其中兩種結合後,長程任務成功率由 22% 提升至 85%。這些方法不改變 LeWM 的模型權重;在較難的 Push-T 測試中,最佳規劃器將方塊維持在目標上的成功率為 56%,主要失敗於目標與示範資料方向相反的情況。
作者以三組遊戲製作測試比較 Kimi 3.1 Pro 與 ChatGPT 6 Astra,指出 Kimi 在部分人物及動物建模需求中會調用 Tripo 等模型工具。測試中的遊戲均有建模或穿模問題;上海場景測試中,作者認為 ChatGPT 生成的細節略勝。作者亦指出,Kimi 3.1 Pro 在金融場景和長程任務方面較 K3 有所提升,但目前對 C 端用戶幾乎不可用。
作者以自建檢查工具測試 34 個知名 SaaS 網站的 AI 可讀性,中位數通過 15 項測量中的 11 項,兩個網站達 14 項,沒有網站滿分。常見問題包括結構化資料未標示段落對應的問題、缺少或含失效連結的簡短網站摘要檔、價格要等 JavaScript 執行後才顯示,以及 robots.txt 阻擋較新的智能體;作者亦指出 429 限流可能被誤判為內容失敗。
Claude Duet 操作簡單,會發送實用的晨間摘要並找出行程衝突,但有時會像過度緊張的私人助理般反覆提醒用戶。評測認為,這種提醒方式可能令人覺得被嘮叨。
MarkTechPost 按 Artificial Analysis 的盲測 Elo 排列 2026 年 AI 影片生成模型,並比較每秒 API 價格及權重授權狀態。
RadixArk 使用 NVIDIA Vera CPUs 執行 Miles 的智能體 RL 訓練,並稱這是已知首個在 Vera CPU 伺服器上以沙盒完成端到端訓練的公開結果。
LiveKit 作者將 Gemini 4 Hydrogen 和 Gemini 3.8 Flash 放入語音 Agent 測試;工具錯誤測試中,Hydrogen 在 54 份對話中沒有虛報工具結果。
NestDaddy 首輪測試官方 MCP 登錄庫中的 37,383 個遠端伺服器,當中 33,496 個(89.6%)有回應。21,049 個無需金鑰便展示工具,12,447 個先要求金鑰;成功展示工具的伺服器合共列出 292,447 個工具,初始化回應時間中位數約 500 ms。
AheadKit 實測 Vercel UI SDK Beta,統計到 91 個 create* 函數,並在模擬 DOM 中測試一個 popover,互動行為符合文件描述。
評測者以 GPT-6.1 Sol 對 OpenAI Codex 進行三項實測,製作發票工具、修復九項預設錯誤,並核對 18 項價格。發票計算準確至分,三項成果均無需修正;但 Codex 未能在瀏覽器測試部分成果。電腦操作須調整 Mac 私隱設定,Numbers 無法開啟時,Codex 改為儲存 Excel 檔案。
Pinky 是免費開源應用程式,讓 AI 智能體透過電腦操作真實 iPhone 或 Android 手機,用戶可批准高風險步驟並隨時接管。批准規則在 Pinky 的閘道中執行,智能體不能自行批准;銀行、錢包和密碼管理程式預設不向智能體顯示。項目仍處於 pre-alpha;Android 設定較簡單,而 iOS 17.4 至 26 需透過 Mac 和 Xcode 安裝,並每週重新安裝。
Codex 對 Marionette 等六種技術堆疊各生成四個 Pokémon 應用,並比較成本、耗時、token 用量與交付質素。Marionette 的假設 API 成本中位數為 $0.3107,每次生成中位數需 5.07 分鐘;四個應用均通過 54 項驗收測試,但成本並非實際帳單。
作者以 Playwright 1.63.0 比較 toHaveScreenshot() 預設值及四種選項,測試 11 種介面變更,發現多項色彩差異仍會通過。threshold 衡量同一像素的顏色差異;maxDiffPixelRatio: 0.01 在 800 x 500 全頁截圖中容許 4 000 個差異像素,因而放過表中多項變更。
Anthropic 面向消費者的 Claude Duet 是一款偏重工作場景的 AI 智能體;作者一週實測發現,它能跨電郵、日曆、Google Docs 和 Slack 整理事項並主動提出協助。
schemagate 1.18.0 將 RRF 常數由 k=60 調至 10,令 LiveSQLBench-Large 的 Recall@10 從 48.2 升至 64.9。
作者以 Gemma 4 E2B 比較六種推理服務引擎在 RTX 3050、Tesla T4、NVIDIA L4 和 Cloud TPU v5e 上的速度、負載表現及 GSM8K、BFCL 成績。
Bridget Carey 實測 Apple Watch 上 Siri Recap 的早期測試版,探討這項 Audio Intelligence 工具如何聆聽周遭對話並整理成重點。測試涵蓋排程、私隱、耳機、視像通話及日常對話等情境,並分享實際使用感受。
Windsurf 評測比較 Windsurf 與 Cursor,分析兩者的 AI 編碼方式、功能和取捨,並探討是否值得轉用。Windsurf 原名的產品已於 2026 年 6 月 2 日改名為 Devin Desktop,Cascade 於 9 月 8 日退役,由 Devin Local 取代;文中功能與定價描述的是 Windsurf 時期的產品。
Engadget 評測認為,Microsoft Surface Laptop Ultra 是目前最強的 Surface 筆電,搭載 NVIDIA RTX Spark,但原始效能仍落後 Apple 的 M5 Pro。
Brave 於 2026 年 11 月 12 日宣佈,Search API 現可透過 x402 接受 AI 智能體付款。服務毋須帳戶或 API key,每次請求 $0.005,以 Base 上的 USDC 結算。
作者以即夢上的 Seedream 5.5 進行實測,涵蓋已生成圖片的連續修改,以及海報、長篇中文排版和角色表情包等製作場景。文章示範將生成圖片設為參考圖逐步修改,並附有提示詞;咖啡海報把 ¥69 改為 ¥59,咖啡袋、杯子和橙子均予保留。作者再把八格動作圖切成八張,按順序製成循環 GIF,每幀停留 0.24 秒。
HP OmniBook 5 14 是一款以 MacBook Neo 為競爭對手的平價 Windows 筆電,起價 $650,配備觸控 OLED 屏幕,電池續航超過 24 小時。
Sony 售價 $100 的 PlayStation Pulse 無線遊戲耳機音質出色、佩戴舒適,但評測者仍想等 PlayStation Pulse Edge。