跳到正文
11月9日週一
  1. DEV Community41

    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。

  2. DEV Community62

    Claude Opus 5.5 與 GPT-6.1 Sol 編碼智能體評測:兩者隱藏測試全通過,Opus 平均用時 82 秒

    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。

  3. 新浪科技37

    賈躍亭宣佈FF機器人大模型OmniMind擊敗英偉達、GPT等模型,全球評測排名第一

    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。

  4. Engadget37

    應否由 Samsung Galaxy 轉用 Google Pixel?

    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。

  5. Engadget36

    Qalo SL-1 與 Garmin Cirqa:兩款極簡穿戴裝置比較

    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。

  6. DEV Community48

    掃描 GitHub 上 8 個新近更新的 Next.js + Supabase AI 專案:5 個獲 F,發現 288 項安全問題

    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。

  7. DEV Community30

    我們為 Flutter 端側 RAG 評測 SQLite、ObjectBox 與 ToStore:5 個維度的結果與架構比較

    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。

  8. DEV Community43

    Pixal3D:十種物件測試,從單張圖片生成 GLB 草稿

    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。

11月8日週日
  1. 阿里雲開發者社區 AI33

    阿里雲 GPU 雲伺服器評測:不同卡型效能差異、計費模式及 2026 雙十一優惠價格

    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%。

  2. DEV Community49

    K2 Horizon 3.7B 在 16GB MacBook Pro 上運行實測

    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。

  3. DEV Community45

    NotebookLM 評測:以真實來源文件測試 Google 研究工具

    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。

  4. DEV Community42

    Arc Browser 在 2026 年值得放棄 Chrome 嗎?

    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。

  5. 新浪科技33

    千問 Qwen4 系列大模型跑分曝光,超越 Opus 5.5

    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。

  6. DEV Community37

    機器學習在哪方面確實有用:預測市場波動率

    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。

  7. DEV Community49

    靜態型別會減少 AI 程式錯誤嗎?讓 Claude Code 分別用 TypeScript 和 JavaScript 各建立三次 Git 複製工具

    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。

  8. DEV Community45

    Open Health Sync for Apple Health:從頭到尾詳讀

    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。

  9. DEV Community52

    Laya System-1 決策模型為何在作者筆電上勝過 Qwen 3.5-2B

    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。

  10. DEV Community48

    零售需求預測模型在穩定銷售商品上勝出,其他商品則不敵 28 日移動平均

    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。