Belcore 記憶層的 Token 節省取決於計算口徑:同一組基準測試的三個數字
LongMemEval_S 評測中,完整對話每次輸入為 109,079 tokens,組合後的記憶上下文為 6,671 tokens,兩者相差 93.9%。27 題子集的計費輸入減少約 91%,但該子集經人工挑選,結果僅供參考,文章亦未評估答案準確度。多輪檢索在 103 題隨機樣本中的可歸因效果為 +2,落在 ±5.2 的雜訊範圍內,且未作為改進推出。
LongMemEval_S 評測中,完整對話每次輸入為 109,079 tokens,組合後的記憶上下文為 6,671 tokens,兩者相差 93.9%。27 題子集的計費輸入減少約 91%,但該子集經人工挑選,結果僅供參考,文章亦未評估答案準確度。多輪檢索在 103 題隨機樣本中的可歸因效果為 +2,落在 ±5.2 的雜訊範圍內,且未作為改進推出。
NexoPeek 透過 Meta Quest 頭戴裝置呈現蛋白質結構,並提供教育導覽、PDB 搜尋、AI 口袋預測及結構重疊等研究可視化功能。軟件支援載入多種結構與分子檔案,並可在實體空間中檢視分子、口袋及配體。作者以 Quest 展示候選口袋,讓研究團隊在會議中共同檢視和討論。
作者以 OpenCode 和六項 Python 任務比較 Claude Opus 5.5 與 GPT-6.1 Sol,兩者在 24 次執行中均通過所有隱藏測試。Opus 平均每項用時 82 秒、成本 $0.094,Sol 則為 152 秒和 $0.098。測試只涵蓋六項小型、自成一體的 Python 任務,作者表示無法據此判斷兩者在更難任務上的表現。
FFR旗下具身智能大腦OmniMind在全球機器人模型評測平台RoboColiseum的綜合評測中排名第一,擊敗英偉達GR00T N1.7、GPT-6 Astra及Claude Opus 5.5等模型。OmniMind總分為0.8698(滿分1分),指令跟隨、空間推理和擾動適應得分分別約為0.99、0.92和0.96。平台排名不代表機器人已具備同等的真實世界能力,實際表現仍需部署和長期驗證。
作者核查 llama-modchip 在 64GB CPU 電腦上運行 284.33B 參數 DeepSeek-V4-Flash 的主張,確認模型檔案為 56.60 GiB,並驗證二進位檔可啟動;他未能親自執行模型。
Artificial Analysis 發佈 Decision Index v2,以同時衡量答案正確性和信心校準的 Decision Score 作為核心指標,並將私有數據集佔比由 v1 的 25% 提高至 45%。
作者在 Qualcomm Dragonwing RB3 Gen 2(QCS6490)上測試 YOLOv11-N,發現不同執行路徑令同一模型的延遲由 134.7 ms 變為 5.03 ms。
作者比較 TwIL-8B 與 Qwen3.5-9B 的模型卡數據,指出 TwIL 的 LiveCodeBench 81.6 分來自 verbose 版本,預設 balanced GGUF 並沒有已公佈的對應成績。
文章比較 Nodus、RunPod、Lambda、Modal 與 Crusoe Cloud 的 GPU 計價,指出 Crusoe 最小的 H100 虛擬機配備 8 張 GPU,而其他平台可租用單張 H100。
開源自訂推理引擎在四台連接的 DGX Spark 上運行 DeepSeek V4.1 Flash,同時服務 16 名用戶,總速度達每秒 380 tokens。系統支援 1 million tokens 上下文窗口,提示詞讀取速度為每秒 10,000 tokens。相較同一批硬件上的 SGLang TP4,單用戶速度快 18% 至 25%,提示詞讀取約快 1.9 倍。
Google Pixel 11 系列以較少預載軟件、較快的 Android 更新和相機升級見長,但 Samsung Galaxy S26 系列在高負載遊戲、效能測試、電池續航和充電速度方面更有優勢。Pixel 11 Pro XL 的相機可媲美 Galaxy S26 Ultra;選擇哪一系列,取決於用戶對更新、相機、效能及生態系統的優先次序。
四種以 C 和 Rust 編寫的 SQLite 擴充功能實作相同的 `parse_number()` 行為,並測試類型保留、解析規則和浮點數準確度。最佳化 C 版本每列耗時 16–19 ns,約為 Rust 版本的兩倍速度,亦遠快於 SQL `replace()`;所有版本在 8 million 次模糊測試中結果一致。
CrossChat 是供 OBS 等直播軟件使用的免費開源多平台聊天室,可在 Twitch、YouTube、Kick、X、TikTok LIVE、Facebook、Instagram 和 Rumble 讀取及回覆訊息,並支援其中五個平台的管理操作。
Qalo SL-1 與 Garmin Cirqa 都是無螢幕健身手環,售價約 $200,毋須訂閲即可使用,但規格和測試評分各有差異。Qalo 標示 SL-1 電池續航達 12 天或以上;Garmin Cirqa 則支援超過 80 種活動,評分為 7.4,SL-1 為 6.8。Garmin 提供每月 $6.99 或每年 $69.99 的 Connect+ 訂閲服務。
一項涵蓋逾5,000部硬碟的樣本分析指出,HDD 的機械故障難以預測,近半數故障發生在首年。約1.5%的 HDD 故障,而故障硬碟中有30%沒有事先警告;已故障硬碟的平均壽命為807天。數據亦顯示,硬碟使用至七年後故障風險較高。
一次針對 GitHub 上 8 個新近更新的 Next.js、Supabase 和 OpenAI 專案的掃描,發現 6 個有實際安全漏洞,5 個獲 F,合共 выяв出 288 項安全問題。作者亦製作了三款免費開源工具 Vibe-Shield、Unslop 和 Ghost-QA,供 Claude Code 和 Cursor 使用,並可在本機執行。
文章比較 DeepSeek Search、Fetch API 與 SerpApi,指出 DeepSeek 面向一般網頁檢索和頁面讀取,SerpApi 則可按指定搜尋引擎或垂直服務返回結構化資料。
移動架構團隊對 SQLite、ObjectBox 和 ToStore 進行 5 個維度的評測,比較它們用於 Flutter 端側 RAG 的架構與能力。評測顯示,ToStore 內置 NGH 向量索引、BM25 全文搜尋及 SPLADE 神經稀疏向量,並支援加權/RRF 多路融合。文章亦比較三者的 KV 儲存和架構演進能力。
作者在 PostgreSQL 17、pgvector 0.8.7 上,以 30 個企業資料片段和 15 條查詢比較三種檢索方式;測試中 Hybrid RRF 的 Recall@1、Recall@3、Recall@5 均為 100.0%,MRR@10 為 1.000。
作者實測 OpenAgentForum,首次註冊因逾時失敗,重試後成功註冊 Agent,並將問候訊息發到公開 #general 頻道。平台以 Ed25519 簽名訊息和可重播審核的公開帳本運作,私密頻道則在客戶端進行端對端加密;另有 MCP server 供 Claude Code、Cursor 等工具讀寫論壇。
Pixal3D 經十種物件測試後,展現出適合生成道具、奇幻物件及場景物件高保真草稿的能力,但不能取代建模師。其像素對齊方式會將圖片像素反投影至 3D 空間,以收緊 2D 與 3D 的對應,輸出可在其他軟件開啟的 GLB。生成結果適合用作粗略模型及區塊模型,綁定前仍須重新拓撲。
演員張萌分享使用 iPhone Duo 一週的感受,批評機身按鍵容易混淆、操作不便,第三方 App 適配亦不足。她提到,機身只支援指紋解鎖,揚聲器容易被手遮擋。大量第三方應用未針對機型優化,無法正常滿屏顯示;0.5 倍焦段亦幾乎沒有廣角效果。
阿里雲 EGS GPU 雲伺服器評測比較 GPU 虛擬化切分實例與完整實體 GPU 的效能定位,並整理計費方式及雙十一優惠。A10 可切分為 1/12、1/6、1/3 份額;L20 配備 48GB 顯存,適用於 70B 參數以內的大模型推理。2026 年雙十一,新用戶購買 T4、V100 機型包月最低 5 折、包年低至 4 折,A10 目錄價最高直減 25%。
Ward Ed 檢查 Hugging Face 上的 olmOCR-bench 排行榜,發現 24 列中有 15 列採用七個測試類別及 baseline 的八欄不加權平均,另有三列排除 headers_footers。
作者在 16GB MacBook Pro 上測試 K2 Horizon 3.7B,評估它處理文字問題及簡單編碼任務的表現。4-bit 版本大小約 2–3 GB,載入後使用約 4 GB RAM,具備 512k 上下文窗口,採用 Apache 2.0 授權。K2 Horizon 7B 的編碼任務約需 11 分鐘,超出作者納入測試的時間上限。
Google 的 NotebookLM 是一款根據用戶提供的文件進行分析的研究工具,能以來源段落作答並附上引用。它可生成由兩位 AI 主持人對談的 Audio Overview,每個筆記本最多可上載 50 個來源。NotebookLM 免費,適合分析特定文件;文章指出,它與 Notion AI、Perplexity 和 ChatGPT Deep Research 的用途互補。
Arc Browser 在 2026 年獲評 8/10,對 Mac 用戶而言是創新度突出的桌面瀏覽器,Spaces、分頁自動封存及分屏檢視是其主要特色。其學習曲線約需 1–2 週適應,而 Windows 版仍處於 beta;文章建議分頁繁多的 Mac 用戶考慮轉用。
NexoPeek 將蛋白質結構分析和分子生物學導覽帶入 Meta Quest VR,提供跨資料庫搜尋、本地結構檔案載入及多種分析工具。平台設有 12 個導覽、涵蓋六大主題,並支援多種結構檔案格式;其定位是教育軟件和研究視覺化工具,不提供醫療建議、診斷或治療。
千問 Qwen4 系列大模型的 GameFeel Bench 跑分曝光,Qwen4-Flash 得分高於 Opus 5.5 xHigh。Qwen4-Flash 得分 49.9,Opus 5.5 xHigh 得分 47.2;Qwen4-27B 得分 44.6,接近 Sonnet 5.5 的 45 分。完成任務的成本分別為 0.4 美元、2.6 美元及 0.16 美元。
測試顯示,機器學習難以預測股票升跌,但較能預測 S&P 500(SPY)未來 20 個交易日每日變動的方差。預註冊的 LightGBM 得出 QLIKE 0.816,優於基準 HAR 的 1.047(p = 0.047);探索性測試中,GARCH(1,1) 得分最低,為 0.385。測試只涵蓋一個市場和一段時期,模型現正每晚持續預測並記錄結果。
Atmee V2 與 Seedance 2.5 的對照示範中,Atmee V2 生成 10 秒短片需 3.5 秒,Seedance 2.5 則需 233.6 秒。
測試者駕駛 BMW iX3 行駛逾 1,000 公里,其中相當一段路程沒有觸碰軚盤或踏板,體驗其半自動駕駛功能。測試亦檢視軟件有否缺陷,並評估長途行駛續航力。
Claude Opus 5.5 以 TypeScript 和 JavaScript 各三次從零建立 Git 相容命令列工具,測試靜態型別能否減少 AI 程式錯誤。最終隱藏測試中,TypeScript 三次全數通過,JavaScript 有兩次通過;僅三次測試不足以證明兩者有明確差異。TypeScript 的程式碼長約 20%,總 token 用量多 16%,但兩者用量範圍重疊。
Open Health Sync v0.3.0 是開源 Apple Health MCP 伺服器,可自行部署,讓 Claude 透過唯讀權限存取健康資料。設定約需 20 分鐘,包括啟動 Docker Compose、匯入資料、建立權杖及設定用戶端;權杖每 30 天到期。資料庫留在自己的裝置上,但向雲端模型提問時,相關資料仍會傳送至模型供應商。
作者以一頁自製測試頁比較 PDF 降採樣後的 OCR 表現,macOS 內置 OCR 對中文 6 pt 在 100 dpi 的辨識率為 81.3%,英文 6 pt 在 72 dpi 則為 11.3%。
作者在 Ryzen 5 5625U 筆電上的測試顯示,Laya(421M)平均用 918.82 ms 作出工具路由決策,比 Qwen 3.5-2B 快 26 倍。同一 Hacker News 任務中,Qwen 3.5-2B 的總等待時間為 60.2 秒,其中 46.75 秒(80%)用於讀取提示詞。作者因此建議以本地 Laya 處理快速工具選擇及安全檢查,將重寫作、編碼或複雜推理交由雲端模型處理。
在 Walmart CA_1 店 FOODS_3 部門的 823 項商品回測中,梯度提升模型在平穩需求商品上勝過 28 日移動平均,卻在間歇及塊狀需求商品上落後約一成。模型整體 MAE 為 1.742,高於移動平均的 1.676,且在 58% 商品上的表現較差;RMSE 雖較低,但差異未達統計顯著。結果顯示,按需求類別選用預測方法,比單看整體誤差更能反映各類商品的表現。
作者在一張 RTX 4090 上部署並實測 Sage-A1.5,整理了 llama.cpp 部署中的 reasoning flag、並行請求及推理 token 預算問題,並測試 Verification Mode。
Jenny Ouyang 在實際寫作、商業定位及開發工作中測試 11 款 Claude Code 插件,並歸納出 4 款值得保留。文中指出,Skills 在使用時才產生成本,Hooks 則會在每次觸發時運作並累積成本。社羣市集未經驗證,插件可能在本機執行任意程式碼。
Grain64 在 300 項公開工具調用任務中測試 Mistral Small (2603),其中 58 項在重試兩次後仍沒有可解析回覆。Mistral Small 每項成功任務成本為 $0.000098,高於 GPT-6 Luna 的 $0.000051;後者通過率為 93.0%,且不需重試。