SWE-2 Flash 與 GLM 5.3 Flash 比較:GLM 價格較低,八項評測各勝四項
SWE-2 Flash 與 GLM 5.3 Flash 在 Cognition 公佈的八項評測中各勝四項,平均分分別為 51.7 和 52.0。GLM 5.3 Flash 在 OpenRouter 的最低價格為每百萬輸入 token $0.0285、輸出 token $0.0923,並提供開放權重;SWE-2 Flash 未公佈 API 價格,權重亦未公開。
SWE-2 Flash 與 GLM 5.3 Flash 在 Cognition 公佈的八項評測中各勝四項,平均分分別為 51.7 和 52.0。GLM 5.3 Flash 在 OpenRouter 的最低價格為每百萬輸入 token $0.0285、輸出 token $0.0923,並提供開放權重;SWE-2 Flash 未公佈 API 價格,權重亦未公開。
DeepSeek V4.1 Pro 已開始灰度測試,LobeBench 測試顯示目前 V4 Pro 的成績較 V4 Pro-0813 版大幅提升。兩者分別答對 50 道題中的 32 道和 24 道,得分為 64% 和 48%;連續三次完成任務的表現差距更明顯。文章推測目前 V4 Pro 的更新版本可能就是 V4.1 Pro,正式發布時間尚未確定。
作者以 flop-lab 核查 FLOP 區塊鏈公開端點上的 239 項文件説法,五次測試均有 4 項失敗,另有 54 至 55 項無法核實。無法核實不代表説法錯誤,而是公開介面未提供足夠資料供外部查證;其中一項結算檢查因讀取期間數據變動,在五次測試中三次通過、兩次無法核實。
GINIGEN AI 公佈三項公開數據:Darwin-180B-RSI-R3 在 SuperCLUE 數學與科學推理測試得分 73.68,ViKernel 拒絕 290/290 個攻擊負載,POCKET 端側版本下載量逾 3.15M 次。
作者在電池供電的 M1 MacBook Air(16GB 統一記憶體)上,測試多款本地模型用於 Agent 工作流時的 TTFT 與 E2E 延遲。Gemma 4 E2B 的 TTFT 最快,為 0.152s;Apple fm system 的 E2E 最快,為 0.886s。
Lumière PayCheck 測試 x402 端點,最新評級付款測試中 95.1% 的端點交付清單承諾的資料。126,291 次測試嘗試中,49.1% 未能完成付款,最常見原因是端點收款後再次回覆 402。作者建議 Agent 付款前先查閲端點評級,並核對回應資料欄位,而非只看狀態碼。
作者測試 Phonon 31M 的 WebGPU 語音合成頁面,等待 75 秒後仍沒有音訊元素或錯誤節點,儘管頁面已載入且 GPU context 有效。頁面列出的冷啟動數字為 46 ms,但作者沒有在自己的硬件上測得瀏覽器端效能;本機執行同系列模型約為 23x realtime。文中建議按頁面公佈的延遲預算設定等待時間、檢查輸出節點,並分開驗證 WebGPU 初始化與點擊操作。
六款任務執行器在沙盒中執行相同的 984 個案例,比較各工具對不同任務情境的支援情況。案例取自 vx、Nx、Turborepo、Vite Task、moon 和 Nix 各自的測試套件;工具無法表達的案例會計作未通過。
《薩爾達傳説:時之笛》重製版在 Metacritic 用戶評分榜登頂,現得 9.7 分,創下該站歷史最高用戶評分紀錄。本作媒體均分為 96 分,低於 N64 原版的 99 分。玩家稱讚掌機平台畫質、操作及迷宮體驗,也指出畫面閃爍和缺少大師挑戰等問題;平台已刪除至少 30 條含不實指控的惡意 0 分評價。
作者以預先登記的盲測 A/B,比較自建 LLM Council 與使用全新上下文的單一子智能體,處理四項真實基建決策;Council 以 0 勝、4 負、0 平落敗,作者於 11 月 3 日停用伺服器。
《薩爾達傳説:時之笛》重製版在 M 站取得 9.7 分,成為該站史上用戶評分最高的遊戲。遊戲遭遇部分 0 分惡意評價,平台已刪除至少 30 條;其媒體評分為 96 分,低於 N64 原版的 99 分。
Amazfit 智能手錶價格親民,提供可靠的健康追蹤、俐落設計及長續航,但 Zepp OS 限制第三方應用程式的使用。部分型號每次充電可使用長達 25 天,軟件及安全支援則為 3 年。
作者以重建測試分析 osFoundry 的 Note 寫入保護,顯示版本檢查須配合衝突後重讀內容並重新套用修改,才可避免 Claude 與用戶互相覆寫。在五次、每次雙方各作 100 次修改的測試中,不設版本檢查遺失 300 項修改;重讀並重新套用則沒有遺失,只更新版本後重送舊內容則遺失 304 項。
Claude Personal Finance 與 ChatGPT Finances 都可連結銀行帳戶、回答理財問題並生成財務儀錶板,主要差異在私隱及資料訓練設定。
NexoPeek 是 Seven Sportz 開發的 VR 分子結構檢視應用程式,可在 Meta Quest 上搜尋並載入 PDB 結構,支援 AI Pocket Prediction、Foldseek 結構比對及原子間距測量。應用程式亦提供教育導覽、研究分析工具及混合實境檢視,並支援載入本機結構檔案;預測和比對結果僅供分析參考,不能視為證據。
作者以 cuvm 在可丟棄 Mac 虛擬機中為 Claude Code 設定 30 分鐘限制,讓它製作復古風螢幕保護程式網站。重建的成品包含九款螢幕保護程式及三個彩蛋,但 Toasters 和 Fishbowl 在後續 Chromium 檢查中均報錯;harness 的通過檢查只涵蓋隔離邊界與清理流程,不代表所有功能正常。
Mohab Abdelkarim 比較 Walter Writes AI、WriteHuman、StealthGPT、Phrasly、Undetectable AI 和 ToHuman 六款 AI 文本人性化 API,並將 Walter Writes AI 列為整體首選。
MiniMax H3 VDN 以 Hybrid Attention 加速 ComfyUI 影片生成,消費級 GPU 速度約與 LightX2V stack 同級,其主要優勢是相同片長下的生成品質較其他加速模型好。
作者在 psf/requests v2.32.3 的 318 個程式碼區塊上測試 10 條 grep 找不到結果的問題,BM25 與 bge-m3 混合排序有 7 條進入前 10,單用向量搜尋則有 5 條。只搜尋 src/ 的 84 個區塊後,文中指出混合搜尋有 9/10 條進入前 10。測試及文件常因措辭貼近問題而排在實作程式碼之前,作者建議以路徑篩選或標記這些結果。
作者實測由 Seven Sportz 開發、供 Meta Quest 使用的 NexoPeek,透過 VR 導覽血紅蛋白並操作蛋白質結構,探索結合口袋。
作者以同一批素材重新製作影片,比較 Clipchamp 與 FilmCraft 的影片編輯體驗。Clipchamp 是免費網頁版影片編輯器;FilmCraft 則是近期推出、以 vibe coding 製作的 Adobe Premiere 克隆版本。
一個本地運行的 65B 模型在評測中取得 80.52,分數高於同一輪測試的 501B 模型;作者拍攝操作演示,展示評測過程。兩者回答相同的 200 道選擇題,温度設為 0,但推理路徑不同;65B 模型在 20 個類別中勝出 14 個。重現 501B 模型的 API 測試每輪約需 $12,65B 模型則需約 40 分鐘 GPU 時間及電費。
Sengi Runners 按 2026 年 11 月 7 日各家定價,比較每月 100,000 分鐘、4 vCPU Linux 工作負載的 GitHub Actions runner 成本:Sengi Basic 為 $200,GitHub larger runner 為 $1,200。
作者在 vLLM 上以 RTX 3090、RTX 5090、A100 和 H100 測試 Qwen2.5-7B-Instruct,發現每 1M 輸出 token 的最低成本會隨 p95 回答時間門檻改變。
文章比較 YouTube 上 Kennedy 1962 年 Rice University 演説的人手字幕與自動字幕,兩者約有 95% 詞語一致,但自動字幕不宜直接作為引文來源。約 6% 的差異涉及姓名、數字和專有詞,另有 28 個詞完全漏錄;字幕行的時間戳亦可能比引文早約 3 秒。文章建議把自動字幕當作搜尋索引,定位後播放音訊核對,並以其他來源查證姓名和數字。
Strata 與多種 Agent 記憶方案比較,核心差異在於不只讓 Agent 找回資訊,也管理資訊是否可信,以及錯誤資訊會造成甚麼影響。文章指出,RAG 擅長大規模檢索,Zep 保留資訊的有效時段與歷史,而 Strata 以 Markdown 檔案記錄資訊狀態,並在事實被推翻後保留舊記錄、檢查依賴它的內容。
VoltageGPU 作者按 2026 年 11 月 7 日各供應商自家頁面比較 10 家機密 GPU 租用服務,以客戶能否用自行選取的 nonce 驗證 CPU 及 NVIDIA GPU 證明為標準,六家按文件符合要求。
MaxxBench 質疑 DeepSWE 的理想評分是否反映真實能力。Hacker News 討論者指出,基準測試與真實編程能力可能存在差距,亦有人分享使用 DeepSeek 的負面體驗;另有留言提到,該基準由兩兄弟建立。
美國批准年費 40 美元、供中低收入國家使用的 lenacapavir 仿製藥,或可改變 HIV 預防;lenacapavir 是首個獲批的衣殼抑制劑。Seven Sportz 為 Meta Quest 開發的 NexoPeek 以 VR 互動呈現 HIV-1 衣殼及藥物的結合機制。
Vals AI 的 CyberOffense 基準顯示,開放權重模型 Deepseek V4.1 Flash 1017 取得 72.8%,接近 GPT-6 Sol Daybreak 的 80.8%。
Vals AI 研究人員分析 Thinking Machines 的 Inkling 2 Small 在 13 項基準測試、2,655 次執行中的思考記錄,發現模型在 50 次執行中爆粗共 316 次。
Jennifer Pattison Tuohy 實測 NYT Cooking 的 AI 助手,發現它能按手頭食材改寫食譜及提供替換建議,但切換版本時可能混淆烘焙用量。助手會另建改寫版而不更動原食譜,並按現有食材調整雞肉飯食譜;推出時僅供 iOS 訂戶使用。作者做蛋糕時,助手把改寫版的 6 tablespoons 牛油量當成原食譜用量回答,而原食譜需要 3/4 cup。
Dhaula Gani 建立每日自動驗證系統,測試 27 家開發者基礎設施服務,並整理可零成本託管資料庫、API 和 AI 模型推理的方案。測試每 24 小時執行健康檢查、HTTP 握手測試及延遲探測;清單涵蓋雲端運算、資料庫、AI 推理 API、身份驗證和監測服務,並列出免費額度及是否需要信用卡。
Shan Shen Bu AI 舞蹈生成工具比較了 4 款服務及自行拍攝,涵蓋價格、影片長度、格式和寵物支援。4 款工具的起步價格由 $3.99 至 $8.88 不等;Shanshenbu Dance 使用 ByteDance Seedance 2.0,提供 5、10 或 15 秒影片。自行拍攝免費,但文中提醒動作較快,並提及有年輕人因此受傷。
Nolan Lawson 的基準測試在 12 個 JavaScript 框架上各執行 5 次,結果顯示 Nuxt 的 MCP 伺服器在 5 次運行中均未被智能體調用。作者指出,安裝工具不代表智能體會調用;評測應逐次記錄工具名稱,並把調用率與分數一併報告。
作者比較了 5 款可把狗或貓的照片製成説話或唱歌影片的工具,並按功能、收費、水印及適用情境整理選擇差異。各工具的功能和價格於 2026-11-07 在各自網站核對,收費方式包括免費方案、訂閲、點數及單次付費。作者自製的 Talking Pet App 每段影片收費 $4.99,無需訂閲,可輸出最長 30 秒、720p 的影片。
LYNX 是 Anoneurx 開發的私隱網頁搜尋引擎,透過自建爬蟲、索引和排名提供搜尋結果,而非借用 Bing 或 Google 的結果。現行版本 v0.1.0,索引約 1.2M 個網頁、涵蓋約 42K 個網域;擴展規模及多區域部署仍在計劃中。
研究者在 Qwen 3.5 上針對性修改權重,無需訓練或反向傳播,便減少了模型反覆生成數學練習答案的情況。這個 800 million 參數模型在 MATH-500 的分數由 7.9% 升至 48.1%,Hugging Face 上的公開重新評估則錄得 51%。結果取決於特定實驗流程,減少生成循環不代表模型的數學能力整體提升。
作者實測 SoMark 團隊的 OXR 1.3B 開源 OCR 模型,涵蓋 10 種真實文件場景,評估其文件解析表現。文中列出它在 OmniDocBench、olmOCR-Bench、DocParsingBench 排名第一,並稱模型可在單卡 24G 顯存本地運行;在 RTX PRO 6000 上的串行解碼速度為 557 token/s。
博主源點Yd體驗3天 ISHO Ring Pro,發現卧室二氧化碳濃度過高是影響睡眠的一個主要問題。晚上0點前關門後,濃度超過1000ppm;開門後降至約400ppm,翌日醒來頭部昏沉感明顯減輕。產品亦會按身體狀態提示專注工作時段,推薦時段主要為11點至15點及20點至22點。