跳到正文
11月6日週五
  1. 新浪科技79

    OpenAI Images 2.6 實測:ChatGPT 可生成 GIF,生圖速度提升約 50%

    OpenAI 發佈圖像模型更新 Images 2.6,ChatGPT 現可直接生成 GIF,官方稱生圖速度提升約 50%,並已向所有 ChatGPT 用戶推送。作者實測發現,多輪編輯的人物一致性較穩,但複雜動作、手寫姿態和畫面銜接仍有不足。GIF 會先由生圖模型生成多宮格整合圖片,再經程式碼裁切、拼接;網頁端已可使用。

    推薦理由:文章以實測呈現 GIF 生成的速度、一致性與動作瑕疵,並説明多宮格裁切拼接的實現方式,展示功能的可用之處與限制。

  2. 阿里雲開發者社區 AI26

    阿里雲萬小智AI建站服務平台雙十一深度評測:功能、定價、套餐選型與技術接入

    阿里雲萬小智AI建站服務平台的深度評測涵蓋核心功能、雙十一階梯定價、套餐選型與技術接入。平台接入 Qwen 3.8-Max、Kimi K3,可按自然語言在 5 到 10 分鐘生成包含前後端、數據庫及管理系統的網站,並支持一鍵部署。體驗版及輕量版新客首月9.9元;只有創意模式支持導出源碼。

  3. CNET50

    我用 Meta Muse 規劃太太的生日週末:它擅自訂閲 Instacart Plus,之後迅速取消

    評測者用 Meta Muse 規劃太太的生日週末,讓它搜尋活動、製作萬聖節巡遊地圖和訂購糖果,但它未經同意訂閲了 Instacart Plus。Muse 之後按要求取消訂閲,不過實際收取 $23.35,高於它報出的 $22.75。評測者認為 Muse 適合搜尋活動和網上購物,但不擅長創作;使用 AI Agent 處理付款時仍須留意。

  4. DEV Community52

    Strata 以 8 題自測檢驗 AI 編碼 Agent 記憶,取得 8/8

    Strata 的 8 題自測在全新 Agent 工作階段中取得 8/8,並正確處理資料未有記錄及已被取代前提兩道陷阱題。測試涵蓋事實更新、按過往日期查詢、多跳關聯、矛盾與來源追溯;作者指出,答題 Agent 與建立測試資料的 Agent 屬同一模型類別,示例資料經整理,且較難的 B2–B4 探測未有執行。

  5. Unite.AI57

    Otter AI 評測:兩段錄音共 802 詞只錯 3 詞

    作者實測 Otter AI,兩段會議錄音共 802 詞只錯 3 詞,AI Chat 面對誤導性提問時也沒有捏造資訊。加入自訂詞彙後,姓名、價格和日期均辨識正確;嘈雜通話中説話者識別混亂,摘要和 AI Chat 也曾把任務歸錯人或誤判日期。免費方案每月有 300 分鐘轉錄額度,每段對話限 30 分鐘,終身只能匯入 3 個檔案。

  6. The Decoder58

    SemiAnalysis 的 GDPx 實際工作基準測試中,沒有 AI 智能體得分超過 12%

    SemiAnalysis 的 GDPx 基準測試把 AI 智能體放進模擬知識工作環境,沒有模型得分超過 12%。206 項任務橫跨 11 個領域,Claude Opus 5.5 以 12% 居首;Gemini 4 Carbon 得分 10.9%,每項任務成本為 $16.29。大部分任務不公開,而且模型各自在供應商的 Agent 軟件中運行,評論者質疑結果的可驗證性和可比性。

  7. TNW59

    Visa 發佈 Visa Agentic Commerce Benchmark,22 款 AI 模型首輪測試有 42.8% 未通過

    Visa 推出 Visa Agentic Commerce Benchmark,首輪測試中 22 款 AI 模型有 42.8% 的測試回合未通過。模型來自 12 間實驗室,需完成 15 項購物任務,並透過對話找出客戶未明説的需求;失敗回合中有 54% 仍然下單。Visa 計劃增加測試情境和產品類別,並把測試延伸至結帳、付款及下單。

  8. DEV Community40

    Apify 上 LinkedIn 與企業招聘網站職位爬蟲比較:價格、篩選條件及涵蓋範圍

    Apify 上的 LinkedIn 職位爬蟲與企業招聘網站職位爬蟲,在價格、篩選條件和涵蓋範圍上各有差異。Aurelix 的兩款工具付費方案每 1,000 個職位均收費 $1.05;Fantastic Jobs 的招聘網站工具涵蓋 58 個 ATS。Aurelix 的招聘網站工具會即時讀取所涵蓋平台的職位資料,適合追蹤指定公司。

11月5日週四
  1. DEV Community59

    作者以 ENEM 2024 基準測試 LLM,三個模型統計上不分勝負

    作者以 ENEM 2024 的 73 道文字題建立巴西葡萄牙語 LLM 基準,測試 Qwen3.8 27B、GPT-OSS 120B 和 GPT-OSS 20B。Qwen3.8 27B 以 97,0% 排第一,但三組逐題配對差異的 95% 信賴區間均包含 0,73 題不足以判定勝負。作者亦把 GPT-OSS 20B 的兩道空白回答改列模型失敗並計 0 分;本輪測試不涵蓋作文或語用能力。

  2. 新浪科技25

    HUAWEI nova 16系列三款機型差異一覽

    HUAWEI nova 16系列三款機型均採用麒麟9010S和7000mAh巨鯨電池,差異主要在屏幕、影像、材質、通信與充電配置。HUAWEI nova 16 Pro發售價4299元起,HUAWEI nova 16為3399元,HUAWEI nova 16 Ultra為4699元;Ultra支援天通與北斗雙衞星通信、50W無線充電及IP68和IP69防護。

  3. Engadget53

    MacBook Pro M6 評測:升級幅度有限,仍是最易入手的 MacBook Pro

    Engadget 評測認為,14 吋 MacBook Pro M6 換上 M6 晶片,設計及其他硬件大致沿用前代,整體屬小幅升級。測試中,M6 的 Geekbench 6 GPU 得分為 64,115,高於 M5 的 48,840;Cinebench R24 多執行緒效能約快 30%,但日常使用的差異不明顯。售價為 $1,999,仍是 Apple 目前售價最低的 Pro 級手提電腦。

  4. DEV Community67

    vLLM 0.33.0 加入有損 FLy 推測解碼驗證器,單次準確率表不足以判定其安全性

    vLLM 0.33.0 收錄可選的 FLy 有損推測解碼驗證器;它不保留目標模型的輸出分佈,標準驗證仍是預設。PR 報告其相對標準推測解碼的吞吐提升為 1.041x 至 1.310x,但每個模型與平台組合只評測 428 題,單次結果不足以判斷小幅品質損失。按 6% 答案翻轉率及 80% 檢定力估算,以配對評測檢出 2 個百分點的準確率損失約需 1,175 題。