跳到正文
11月12日週四
  1. DEV Community44

    DeepSeek-V4.1-Flash-1017 評估:60 頁 PDF 的文字擷取遺漏了甚麼

    DeepSeek-V4.1-Flash-1017 在一次 60 頁 PDF 測試中,答對全部 20 題文字及表格題,卻未能提供 5 題只在點陣圖中出現的數值。模型亦正確回應 3 題文件明確未提供的資訊;另一次圖片輸入測試記錄為 5/5 答對,但沒有保留完整對話紀錄。這是一次診斷測試,並非標準化基準測試或受控模型比較。

  2. IT之家27

    CNET 發佈 32 款手機耗電測試:Apple iPhone 18 Pro Max 綜合續航表現最佳

    CNET針對美國市場銷售的32款手機進行續航測試,iPhone 18 Pro Max綜合表現最佳。測試累計超過120小時;iPhone 18 Pro Max在45分鐘壓力測試僅耗電1%,iPhone 18 Pro則在3小時影片測試僅耗電6%。報告指2026年新機平均續航與2024年、2025年機型基本持平,並預計2027年及以後會有更多廠商採用矽碳電池。

  3. EJ Tech 信報科技 · AI42

    香港數碼及AI競爭力全球排名第11位

    IMD發布《2026年世界數碼及人工智能排名》,香港在70個經濟體中排全球第11位、亞洲第4位。排名涵蓋15個子因素及88項指標,香港在「技術框架」、「做法」及「教育與培訓」排名全球第一。沙嶺數據園區預計於2032年或之前全面投入運作,屆時算力相當於現時本港的36倍。

  4. DEV Community59

    Wabi:哪些人適合現在試用,哪些人應該等待

    Wabi Wiki 作者評估 Wabi 的適用情境,認為需要多人協作或處理日常瑣事的人可試用,而需要成熟穩定工具、使用 Windows 或不願連接個人帳戶者宜等待。Wabi 目前免費,支援 iOS、Android 和 Mac,尚無 Windows 版本,定價亦未決定。其主要功能需要存取電郵、日曆,甚至銀行帳戶;作者提醒應先了解安全資訊,並逐步連接帳戶。

  5. 阿里雲開發者社區 AI24

    中國數據治理廠商推薦:由市場佔有率到 AI 原生能力的五維評估框架

    文章提出數據治理廠商五維評估框架,並以阿里雲瓴羊 Dataphin 為例,從市場驗證深度、治理內嵌程度、AI 原生性、行業適配顆粒度和實施彈性評估平台。Dataphin 2026版將 Data Agent 升級為原生治理能力,融入全域資產盤點、智能質量監控和自動化權限分級。平台提供 SaaS 託管與私有化部署,企業可按治理階段分步配置功能模組。

  6. DEV Community52

    SGLang 用於多輪智能體服務的評估:前綴快取優勢與投機解碼風險

    作者評估 SGLang 用於多輪智能體服務,建議列入受控測試,但沒有本機 GPU 伺服器測試或 AgentX traces 重播結果。文章將前綴快取與投機解碼視為兩項獨立優化,建議比較冷、暖快取下的延遲、吞吐量及答案正確性。文中列出的外部數據只作驗證線索,並非作者的實測結果。

  7. DEV Community55

    SkillArena 比較 117 項 UI 技能,分析 1,770 個生成頁面

    作者以 SkillArena 在 Claude Opus 5.5 上比較 117 項 UI 技能,按 5 個固定任務設定各執行 3 次,共生成 1,770 個頁面。技能令頁面外觀差異遠大於文案差異;輸出 tokens 則隨任務設定而變,手機畫面及註冊表單多數增加,分析儀錶板多數減少。作者沒有為頁面評分;測試使用單一模型,並預先完整載入每項技能。

  8. Ideogram Blog50

    2026 年時裝攝影最佳 8 款 AI 圖像生成工具

    8 款 AI 時裝攝影工具各有適用情境,涵蓋參考圖引導、虛擬試穿、商品目錄影像、造型企劃及圖片修飾。測試以 Ideogram 4.5 的 High quality 設定生成原圖及兩次提示詞編輯,並另行測試 Colorways 和 Material Swap。五張儲存的 PNG 均為 1,365 × 2,048 像素。

  9. DEV Community48

    Lumo Automate 與 AutomateWoo:WooCommerce 自動化實用比較

    LumoWP 以 Lumo Automate 1.4.2 的受控測試及 AutomateWoo 官方文件,比較兩款 WooCommerce 自動化外掛在購物車挽回、延遲電郵和條件規則方面的差異。文章建議需要訪客購物車挽回及條件式延遲訊息的商店優先評估 AutomateWoo;Lumo則可供需要區塊式電郵編輯器、AI 輔助準備及帳戶跟進的商店評估,但測試顯示其條件判斷和購買後抑制訊息有限。

  10. Thurrott40

    HP OmniBook Ultra 16 評測

    HP OmniBook Ultra 16 評測指出,這款面向創作者及 AI 專業人士的 RTX Spark 便攜工作站,針對本地 AI 工作負載作最佳化。它配備 16 吋 3K OLED 觸控屏幕,支援 120 Hz 可變更新率。效能和電池續航力出色,但機身大且重、售價極高,高負載時機身非常熱且風扇噪音很大;它亦沒有獨有的 Windows 11 或 Copilot+ PC 功能。

  11. DEV Community61

    CodeGraph 三種測試未節省成本,替換程式碼審查器地圖後少發現 18% 真實問題

    作者以三種方式在自建的多智能體程式碼審查器中測試 CodeGraph,整體沒有節省成本;替換原有程式碼地圖後,發現的真實問題少 18%。強制跨檔案審查角色先調用它後,每輪工具調用由 190 次降至 178 次,token 用量為 14.6M 對 14.9M,成本為 $11.21 對 $11.26。作者指出,供應方的基準測試是探索陌生程式碼庫,而其審查器已預先建圖並要求逐行閲讀;測試只涵蓋四個項目。

  12. elsewhere:文章63

    葬AI與小藍實測 LongCat-2.5:多類工作任務可完成,長程執行仍有侷限

    葬AI與小藍使用 Claude code 實測 LongCat-2.5,認為它可完成多類前端、長程編碼及辦公任務,但長程執行後期可能陷入思考死循環。測試包括持續約 5h 的小遊戲逆向工程,以及 Excel DCF 建模;前者在後期關卡有復刻缺口,部分題目則因過度思考、上下文窗口過長而無法輸出。

11月11日週三
  1. InfoQ44

    JioHotstar 對 AI 編碼智能體知識庫方案進行基準測試

    JioHotstar 評測六種協助 AI 編碼智能體瀏覽大型程式碼庫的方案,發現結構化程式碼搜尋適合明確工程任務,語義檢索則較能處理含糊需求。測試採用 SWE-bench 和 CodeScaleBench 子集,並以 Claude Sonnet 作為解題模型;加入檢索層未能持續改善任務完成情況或減少 token 消耗。團隊建議保留檔案系統工具作為基準,按任務特性選用檢索方式。

  2. CNET31

    Samsung Galaxy A37 價格吸引,但缺少多項重要功能

    Samsung Galaxy A37 5G 定價 $490,賣點包括快速有線充電及 6 年軟件與保安支援,但缺少同價競品提供的部分功能。手機不支援透過 Quick Share 使用 AirDrop,也沒有無線充電或 Emergency SOS 衞星通訊。若以原價購買,Pixel 10A 或折扣 Galaxy S25 值得考慮;若減至 $400,A37 仍可能物有所值。

  3. TNW25

    2026 年最佳 AI 聲譽管理公司與傳統 ORM 比較

    2026 年 AI 聲譽管理評選將 Reputation Resolutions 列為首選,並比較相關服務公司、軟件平台與傳統 ORM 的差異。Reputation Resolutions 可追查 AI 答案引用的來源並移除或更正內容;Birdeye 著重監察 AI 能見度,Minc Law 則提供法律途徑處理誹謗內容。