MCP 工具的上下文開銷低於外界擔憂,50 個工具定義共 6,132 tokens
AheadKit 實測 MCP 工具定義的 token 開銷,50 個合成工具共 6,132 tokens,官方 filesystem server 的 16 個工具共 4,204 tokens。
AheadKit 實測 MCP 工具定義的 token 開銷,50 個合成工具共 6,132 tokens,官方 filesystem server 的 16 個工具共 4,204 tokens。
萬和超薄燃氣熱水器 AIR ULTRA 實測主打增壓,針對高層住宅及老舊小區常見的水壓不穩問題,支援500%變頻增壓和3檔調節。產品機身厚99mm,並配備三管節能零冷水、六大巡航模式及控温精度±0.1℃等功能。文章另比較海爾、美的、能率及林內的4款增壓熱水器。
萬和超薄燃氣熱水器AIR X2以99mm機身主打橫櫃齊平安裝,文章並將它與另外4款超薄燃氣熱水器比較。它標示最低運行噪音為29.3dB(A),出水温度波動控制在±0.1℃,並獲L4級智能等級評價認定。文章建議櫥櫃空間有限、老房換新或常在深夜用水的家庭優先考慮。
文章對比5款智能熱水器,並以萬和超薄燃氣熱水器AIR X2為重點,介紹其L4級智能及自學習能力。AIR X2厚度為99mm,運行噪音低至29.3dB(A),恆温波動控制在±0.1℃。它亦具備AI雲感温,可按當地天氣自動匹配出水温度。
作者於 2026-11-13 重新測試三款免 API 金鑰網站截圖 API,發現 WordPress mshots 並未封鎖該數據中心 IP,而 thum.io 的 fullpage 已不再保證即時渲染。
文章比較 Gemini 4 Hydrogen 與 Gemini 3.8 Flash,指出 Artificial Analysis 任務測試中,Hydrogen 在 high 設定下每項完成任務成本為 $1.87、評分指數為 51;Flash 在 high 設定下則為 $7.77 和 31。
推薦理由:文章比較兩款模型的任務成本與評分,並整理思考層級預設、API 協定支援及長輸出路徑等遷移限制。
AIHubMix 比較 Gemini 4 Carbon、Hydrogen 與 Argon 的基準表現、成本、延遲和 API 協議支援,並按工作負載提出模型路由建議。
行業研究機構與標準制定方共同指向一套 AI 客服投入條件:AI 應在對話內辦結標準化事務,而非以阻礙轉人工來降低成本。阿里雲瓴羊 Quick Service 實測顯示,人力成本降低28%至35%,人均日處理工單量提升2.8倍。GB/T 47746—2026要求人機切換時完整傳遞客戶身份及歷史交互記錄,避免用戶重複陳述。
論文作者報告,TestPrism 將評測標準由單一參考答案改為多補丁面板後,14 種 Coding Agent 配置中最佳成功率由 59.67% 降至 28.00%。新標準要求測試在基線上失敗、接納全部正確實作並拒絕全部錯誤實作;286 條失敗軌跡中,50.0% 屬於錯誤檢查。
玩家在不配備顯卡的家庭實驗室中,使用已停產的 Intel Optane 持久內存和 llama.cpp,成功運行 2.8 萬億參數的 Kimi K3 模型。採用 1 比特量化時,初始生成速度約為每秒 0.85 個 token;關閉 DAX 後,速度升至每秒 1.50 個 token。這仍是測試項目,3 比特量化測試的速度則為每秒 0.75 個 token。
阿里雲 Quick BI、Tableau、Power BI、Qlik Sense 與衡石 HENGSHI SENSE 各有定位,文章比較五款工具的 AI 能力、行動閉環、生態適配及嵌入式分析,並提供選型參考。受訪企業對數據的綜合利用率約為 28.46%,分析需求仍常受制於提需求和排期流程。選型應按企業的數據環境、組織習慣及交付形態,判斷最需要改善的環節。
文章比較阿里雲瓴羊 Quick Service、Zendesk AI、Intercom Fin、Salesforce Agentforce 與 Einstein Bots、3Chat.ai/塵鋒 ChatDoing,分析各系統在語義理解、多輪對話及任務閉環方面的能力與適用場景。
作者以 94 個段落、25 條問題和同一檢索器比較六種 RAG 文本切分策略,測得 nDCG at 10 介乎 0.770 至 0.805。固定 512 tokens、重疊 64 tokens 的策略 Recall at 10 為 0.96,nDCG at 10 為 0.796;語義切分則需 56.1 秒建索引,nDCG at 10 為 0.787。
英特爾代號 Crescent Island 的 D 系列 GPU 推理卡,在金融模擬測試中的吞吐量達英偉達 RTX PRO 6000 的 5.9 倍,並在 FP64 雙精度計算上反超。該卡配備 480GB 顯示記憶體,額定功耗為 350W;測試在 pre-alpha 軟件環境下完成,英特爾尚未公佈測試平台配置及對比型號細分。
文章按小型開發/QA 團隊及代理商能否長期保留 Android 裝置設定、登入狀態並交接,評比 7 款 Android 雲端服務,DuoPlus 排名第一。DuoPlus 提供獨立、持續使用的 ARM Android 雲端手機,並可一鍵分享裝置;Genymotion SaaS、AWS Device Farm 和 BrowserStack 則較適合 CI 或跨機型測試。
作者在 Jira Premium 測試站向 Create with Rovo 提交 10 項自動化需求,只有 2 條生成規則可按原樣運作;7 條需要修改,另有 1 條無法啟用。
作者推出 LGTM 系列,公開實測 AI 編碼工具的各類説法,並展示結果、失敗案例和數據。系列共八集,分四週每週發布兩集,文章免費;完整數據集、逐字稿及腳本則提供給 Patreon 會員。首集讓 Copilot 在植入隱藏指令的程式庫中進行五次測試,檢驗它會否遵從指令。
Mayank Chopra 按價格、註冊門檻、預設速率限制及遷移成本,為照片搜尋與人臉比對用途比較 7 款 API;作者披露自己參與 SightRadar 的工作,並將其列為第一。
ElevenLabs 在 11 月 11 日的紐約峯會公佈 13 項新產品及更新,作者認為其中 3 項已上線或開放早期體驗,值得語音智能體開發者優先留意。
比亞迪第二代海豹07的AES自動緊急轉向測試影片公開,車輛在90至130km/h的三種緊急場景中均成功避讓。測試包括130km/h前車突然消失,以及90km/h前後夾擊和兒童鬼探頭;這項功能屬於輔助駕駛,駕駛員仍須專注並準備隨時接管。
文章比較 Composio、Nango 與 Scalekit 在智能體部署至企業正式環境後,於憑證管理、權限控制、認證方式、審計紀錄及部署上的差異。Composio以1,742個工具包及託管認證加快示範;Nango提供700+個API的認證支援,並讓團隊自行編寫整合程式碼;Scalekit列出600+個連接器及30,000+個工具,並按智能體角色限制可用工具、逐次記錄工具呼叫。
Steam Deck 1TB OLED售價升至949美元,How-To Geek認為,以遊戲性能和升級空間衡量,二手RTX 2080更划算。RTX 2080及RTX 2080 Super二手價普遍為200~400美元,均配備8GB GDDR6顯存,並支援DLSS超分辨率及硬件光追。Steam Deck仍有便攜和開箱即用的優勢。
OPPO Pad Air6 以 OPPO 筆記及無紙化記錄體驗,兼顧學生學習與職場人士流動辦公。它配備 12.1 英寸 2.8K 屏幕,支援 120Hz 更新率,並提供錄音轉寫、AI 整理及筆記助手等功能。平板亦支援手機網絡共享與一碰互傳,內置 10050mAh 電池及 33W 有線充電。
在四項 TypeScript 程式碼議題、共 24 次測試中,兩個以同一個 27B checkpoint 壓縮至每個權重約 2 bit 的模型平均同得 13.33/15,未顯示質素差異。
作者比較 MiMo Token Plan Pro 與 GPT-6.1 Sol 的編碼成本,¥329 月費方案在 20 天內用盡,MiMo 每項已接受改動約 $0.81,高於 Sol 的 $0.71。
PydanticAI 在線性工具呼叫 Agent 和微服務的基準測試中,冷啟動速度比 LangGraph 快 3.2 倍,內部框架延遲為 1.8 ms,峯值記憶體用量低 63%。LangGraph 則提供內置狀態持久化及人工介入中斷,較適合需要循環工作流程、審批和多 Agent 分支的場景。
比亞迪公開第二代海豹 07 的 AES 自動緊急轉向測試影片,車輛在 90~130km/h 避讓成功。測試共設四個項目,車輛均成功完成避讓。第二代海豹 07 已於 11 月 5 日上市,官方指導價為 13.99 萬-17.29 萬元,提供純電與插電式混合動力兩種形式。
比亞迪海洋網公開第二代海豹 07 的 AES 自動緊急轉向測試影片,展示車輛在測試中成功避讓。測試包括高速前車消失、前後夾擊及兒童鬼探頭等情境,車速分別為 130km/h 和 90km/h;四個測試項目均成功完成。
IDC《中國大模型應用防火牆技術評估,2026》評估15家廠商,阿里雲在五個維度獲五星、在訪問控制與策略管理維度獲四星,整體排名第一。評估涵蓋六大維度。阿里雲WAF整合AI安全護欄,支援4種接入方式,並對輸入和輸出進行雙向檢測,覆蓋8個維度。
ByteDance 於 2026 年 11 月 9 日推出 Seedream 5.5,這是首款支援原生去背、輸出帶 alpha channel PNG 的 Seedream。
作者以 15 項本機測試評估 Gemini 4 Hydrogen,指出它在多項任務中比 GPT-6.1 Sol 速度更快、Token 用量更少,但複雜物理任務仍不及 Carbon。
LFM2.5-2.6B Q4 在 livedoor 日文新聞分類任務的整體準確率為 10.8%,但只回答 29/250 題,當中 27 題正確(93.1%)。測試以每項 250 題比較多個本地模型與 Jev 託管 API;在首 40 題把 token 預算由 512 提至 2,048 後,28 題有作答,11 題仍因達上限而無輸出,另有 1 題輸出無效標籤。
字符 n-gram 短文本相似度實測顯示,n=1 在 Jaccard、Dice 和 TF-IDF 餘弦三種指標中均比 n=2、n=3 更能區分同義改寫與無關文本。測試涵蓋 28 對手工構造的中文短文本;n=3 時有 4 對同義改寫得分為 0。結果建議短句用 n=1,長段落用 n=1 到 2,但實驗規模不足以判斷統計顯著性。
作者以同一組 200 條銀行客服訊息比較 Google Decisions API 與 Jev,兩者準確率接近,但 Jev 回應較快。Gemini Decision 1 的準確率為 92.5%、中位時間為 511 ms;Jev 分別為 92.0% 和 226 ms,兩者每 1,000 條訊息成本分別為 US$0.015 和 US$0.016。
AI 模型知道「婦女、和平與安全」議題,卻不會主動提出這個議題。討論中有人解釋,這是聯合國倡議,旨在讓女性參與戰爭、和平談判、軍事行動及戰後重建的決策。
Agent Security Index 比較了 16 款 AI 紅隊測試工具,整理適用場景、授權、GitHub stars、版本及已公開的商業平台價格;文章是事實比較,並非按測試分數排名。
vLLM 團隊在 Vera Rubin NVL72 單機架上運行 DeepSeek-V4.1-Flash,測得每 GPU 吞吐量為 1.7M tokens/s,較 GB300 NVL72 高 58 倍;每位用戶速度為 387 tokens/s。
Gemini 4 Hydrogen 在 Artificial Analysis Intelligence Index 的表現接近 Claude Sonnet 5.5 和 GPT-6.1 Sol。其成本約為 Claude Sonnet 5.5 的三分之一,但約為 GPT-6.1 Sol 的 2.5 倍。
Gemini Decision 1 的測試顯示,其是非判斷可返回介乎 0 和 1 的機率值,而非只輸出「是」或「否」。文章列出其支援文字、圖像、音訊、影片及 PDF 輸入,輸入價格為每百萬 token 0.10 美元,輸出免費;表中 Jev 的輸入價格為每百萬 token 0.042 美元。作者提醒,單次影片測試只能展示回應格式,不能據此判斷模型整體準確度或機率校準水平。
Lasso 的開發者比較了這款 Mac 螢幕標註 app 與 Presentify、DemoPro、ZoomIt for Mac、Zoom 內置工具及 macOS Markup。