跳到正文
今天11月22日週日42 則
  1. DEV Community54

    ChatGPT 能讀出歌詞,卻難以辨認旋律

    作者實測 ChatGPT 語音功能,並測試三種 OpenAI API 路線,發現這些系統能依歌詞辨認歌曲,卻幾乎不能只憑哼唱辨認旋律。在 MTG-QBH 測試中,逐字稿路線和 gpt-audio-1.5 各辨認有歌詞歌曲 71/76 首,gpt-realtime-2.1 辨認 74 首;對 30 段無詞錄音,三者分別只辨認 0、1、1 首。

  2. DEV Community50

    AI 智能體的 token 用在哪裏:Gemini 3.5 Flash-Lite 和 Gemini 3.1 Flash-Lite 測試 9 個 GitHub bug,各修復 1 個

    Gemini 3.5 Flash-Lite 和 Gemini 3.1 Flash-Lite 各自處理 9 個 GitHub bug,合共呼叫模型 964 次,兩個模型都只修復 1 個 bug。按付費牌價計算,每個成功修復的 bug 分別花費 $0.561 和 $0.426;作者指出,未計入快取的工作流程計算器估算成本高出 2.4 倍和 1.8 倍。

11月21日週六
  1. DEV Community44

    AI 購物智能體在 50 個電商網站遇到甚麼阻礙?

    Axidort Index 掃描 50 個電商網站,AI 購物智能體的評分中位數為 11/100,72% 的網站低於 50 分。低分表示智能體遇到阻礙,例如機械人驗證或加入購物車遭拒,但 Index 沒有公佈各網站在哪個環節受阻。這次掃描只涵蓋單一地點和時間,結果僅反映當時情況,並非定論。

  2. DEV Community41

    重排序器何時會令記憶搜尋變差

    一項以 184 條問題進行的記憶搜尋實驗發現,加入 cross-encoder 重排序後,正文問題及連結筆記目標的 nDCG 下降。正文問題的 nDCG 由 0.821 降至 0.658,連結筆記目標則由 0.267 降至 0.166;標題問題的 nDCG 上升,而時間性問題樣本僅 4 條,無法支持可靠的一般結論。

  3. DEV Community58

    AI 編碼智能體 Fail-Before-Fix 基準測試:先復現門檻較推測式修補少用 95.3% 輸入 token,20/20 通過

    作者在隔離 VM 中以 20 個隱藏評分案例比較兩種 AI 編碼智能體修 bug 流程,先復現門檻以 20/20 通過,推測式修補則為 17/20。先復現門檻將累計輸入 token 由 49,801 降至 2,323(減少 95.3%),模型呼叫由 3 次減至 1 次。該流程先要求 5 項最小 bug 復現斷言在原有程式碼上全部失敗,才開放修改;這些斷言涵蓋零金額授權及多餘鍵處理等邊界問題。

  4. DEV Community49

    加密貨幣價格及市場資訊評分最高的 x402 API

    Lumière PayCheck 列出目前評分最高的 10 個加密貨幣價格及市場資訊 x402 端點,全部獲 A 級、100 分,並通過真實付費測試。PayCheck 每 30 分鐘監測逾 140,000 個端點,評估回應速度、價格及收款錢包穩定性,並核實付費測試結果。用戶可透過免費 API 查詢端點評分。

  5. DEV Community43

    表格 OCR 轉 Excel:無框線樣本中,34 格仍有 11 格錯誤,換行儲存格難以低成本修正

    將表格截圖轉成試算表時,OCR 雖能辨認文字,卻未必能正確還原欄位;測試的無框線樣本有 34 格,其中 11 格位置錯誤。以文字框座標重建表格,在有框線的樣本中錯 4 格、無框線樣本錯 11 格;沿框線切分則有框線樣本全部正確,無框線樣本仍錯 11 格。文章指出,對無框線且有換行儲存格的組合,這次測試未找到可靠方法。

  6. 阿里雲開發者社區 AI52

    Keploy 錄製真實流量作測試:基準從何而來,可信到哪一步

    Keploy 透過 eBPF 在內核層錄製真實流量,自動生成 API 測試用例及依賴 Mock,並以回放結果對照錄製快照檢查回歸。回放比對可檢查行為有否偏離錄製基線,卻不能判斷原有行為是否正確;真實流量也未必涵蓋邊界情況。文中指出 test-gen 可透過 AI Agent 參照錄製資料及 Swagger、OpenAPI 文件補充用例,錄製資料放入 Git 前須先脱敏。

  7. DEV Community60

    Hermes Agent 2026 評測:自我改進型個人 AI 智能體

    Hermes Agent 是 Nous Research 開發的開源個人 AI 智能體,核心特色是跨對話累積記憶,並按使用經驗建立及更新技能。作者經三週測試後表示,技能累積令後續文章撰寫更快;但 Hermes Agent 支援 6 個訊息平台,少於 OpenClaw 的 24 個,設定較不易上手,進階設定文件亦較薄弱。

  8. DEV Community34

    Clockify 2026:免費方案、付費級別與監察功能分析

    Clockify 提供免費方案及四個按席位收費的付費方案,付費功能涵蓋開票、排班、活動監察和企業管理。所有方案均有自動追蹤器,但記錄轉成工時項目仍須手動處理;Pro 方案另有活動監察及可選截圖。TimeUno 不需計時器,可記錄 AI 工具使用情況,但沒有免費方案、手機應用程式或 Linux 桌面應用程式。

  9. 阿里雲開發者社區 AI48

    DeepSeek 限額後,給對話「搬家」的 4 種方案橫評

    DeepSeek 限額後,文章比較官方數據匯出、Chat Demo、DSH 社區遷移插件及 AI導出鴨四種對話遷移方案。官方匯出可保留全量原始資料,Chat Demo 可續聊,DSH 可保留較完整的對話結構。AI導出鴨支援 8 種格式,毋須 API Key 或安裝插件,但需手動複製內容,不能備份整個帳戶。

  10. 雷鋒網67

    Kling Image 4.0 實測:從海報設計到商品詳情頁及連續分鏡

    雷鋒網實測 Kling Image 4.0,顯示它可按簡短提示詞生成海報、電商詳情頁及連續分鏡,亦可局部修改圖片文字。新模型原生解像度提升至 8K、單張圖片最多支援 2000 字、一次最多生成 10 張連貫圖片,並內置 70+ 款預設字體。測試亦發現説明小字清晰度、模型自行補充的資訊準確度及跨鏡人物一致性仍有不足。

  11. DEV Community38

    Anthropic Claude 2026 評測:開發者須知

    Claude Opus 4.6 在深度推理、長上下文分析及技術工作方面表現突出,評測認為它適合重視這些能力的開發者。Claude 的上下文窗口為 200K tokens;Claude Sonnet 4 API 輸入價格為 $3/MTok,適合日常編碼。相較之下,ChatGPT 的多模態功能及外掛生態較廣,Claude 則在純編碼和技術分析方面更具優勢。

  12. 霞光社21

    廣東大幅領先,上海金融稱霸,北京巨頭領跑

    《全國省市出海能力評測報告》按六大維度評估全國31個省市,廣東以89.7分大幅領先,浙江、上海、江蘇、北京構成出海第一梯隊。上海跨境人民幣結算佔全國47%,北京以95家獨角獸企業領跑,廣東跨境電商規模超7千億元。各地依託製造、金融與高端服務、數字經濟及電商內容等優勢發展出海。

  13. DEV Community47

    OpenAI 的 MedChemBench 將 AI 帶入藥物研發實驗室,評分仍需結合背景理解

    OpenAI 推出 MedChemBench 評測 AI 的藥物化學推理能力,GPT-6.2 Astra 在 xhigh 設定取得 84.5% 可得分數。基準涵蓋 99 道題目、117 篇論文及專利中的 761 個分子結構,測試模型根據已公開資料重建研究決策。分數不代表成功研發藥物的機率;模型能否發現新藥或改善實驗室決策,仍未獲證明。

  14. DEV Community52

    RevHive 安全 Agent 對照測試揭示原 10/10 結果來自備用模型

    RevHive 作者補做對照測試後發現,原先安全 Agent 的 10/10 結果並非來自設定的 deepseek-v4-flash,而是觸發速率限制後改用的 sensenova-6.8-flash-lite。10 個普通提交的回退案例中,7 次沒有評論,另外 3 次則把程式回歸誇大為安全漏洞。作者計劃以 100 個提交、3 或 4 個項目和固定模型進行盲測。

  15. Unite.AI58

    Fathom AI 評測:免費會議筆記實用,但人名和行動項目需核對

    作者實測 Fathom AI,發現會議摘要和數字整理可靠,但轉錄人名、行動項目歸屬及跟進電郵仍會出錯。兩場腳本會議的逐字稿字詞準確率約為 96% 和 92%;Ask Fathom 能指出未有討論的資訊,並連結至錄音中的相關片段。免費方案提供不限次數的錄音、轉錄、儲存及片段;作者建議分享前核對人名,若需要上傳錄音或更準確的逐字稿,可考慮 Otter 或 MeetGeek。

  16. DoNews43

    OpenAI 發佈藥物化學 AI 評測基準 MedChemBench

    OpenAI 發佈 MedChemBench,評估 AI 模型在藥物化學領域的推理能力。基準包含 99 道題目,涵蓋 761 個分子結構;GPT-6.2 Astra 在 xhigh 檔取得 84.5% 可用分,結構重建得分為 95.4%,化合物篩選與數值預測則僅約 50%。OpenAI 指出,基準反映模型應用歷史知識的能力,不等同於真實新藥發現能力。

  17. BBC Technology54

    AI 真的能幫忙找到黑色星期五優惠嗎?實測結果好壞參半

    BBC 使用四個模型的免費版本搜尋黑色星期五 55 吋電視優惠,結果好壞參半;測試並非嚴謹的科學實驗,推薦中出現失效連結、價格或尺寸不符,以及超出預算的商品。ChatGPT 首選是 Joybuy 上售價 £499、原價 £649 的 Hisense 電視,但它另列出的 John Lewis 和 Richer Sounds 連結均顯示該電視已不再網上銷售。