匿名 AI 模型 Gestalt 登頂 Contra Frontier Design Benchmark,Elo 評分高於人類參考作品
Contra Labs 的 Frontier Design Benchmark 顯示,匿名 AI 模型 Gestalt 以 1931 分 Elo 評分、90% 勝率排名第一,超越人類參考作品。
Contra Labs 的 Frontier Design Benchmark 顯示,匿名 AI 模型 Gestalt 以 1931 分 Elo 評分、90% 勝率排名第一,超越人類參考作品。
Artificial Analysis 指,Inkling 2 Mini 以 5.4B 活躍參數,在 Intelligence Index 上媲美 Qwen3.8 27B(xhigh)。Inkling 2 Mini 的活躍參數約少 5 倍。
LoanPro 將多智能體 AI 助理部署於貸款服務流程,據供應商及其 AWS 合作夥伴提供的數據,通話時間縮短 15%,內部工單減少近 8%,但結果未經獨立驗證。助理由三個專責 Agent 協作,在 150 個帳戶的基準測試中,檢索、摘要及行動選擇達到 99% 準確率;測試方法及生產環境表現仍未有充分資料。
Hebbia 測試 GPT-6 Astra,改善金融研究中的來源檢索和簡報製作。在 Hebbia 的測試中,模型引用所需類型來源的得分比最佳替代模型高 13.6 個百分點,所引段落有 99.5% 與問題相關;另有 97.9% 的適用簡報要求獲得滿足。使用者可循引用和投影片註腳追查來源。
Browser Use 修正執行 Claude Code 的智能體評測 adapter 後,分數上升 +5.1 分,之後發現 LLM 評審此前只讀取 FINAL ANSWER: 標記後的文字。
Ideogram Blog 比較 8 款 Midjourney 替代工具,並以三組設計簡報實測 Ideogram 4.6、Midjourney V8.2 和三款免費工具。
Browser Use 修正用於在智能體評測中運行 Claude Code 的 adapter 後,分數上升 5.1 分;其後發現評審只讀到答案中位數 2,102 個字元中的 433 個,答案截斷錯誤佔增幅 1.8 至 2.6 分。團隊重判 200 次舊基線後估算,智能體改動帶來 +2.5 分,但其區間包含零。文章建議保存評測證據、重判基線,並以相同任務作配對比較。
Business Insider 把 iPhone 18 Pro Max 列為 2026 年最佳 iPhone,並推薦 iPhone 17 作為不需要高階相機時較實惠的選擇。指南亦比較 iPhone Duo、iPhone Air 和舊款,按價格、效能、螢幕尺寸及相機功能説明不同型號的取捨。
E Daugherty 比較 8 種在 Mac 追蹤 AI 編碼工具用量與重設時間的方案,包括 CodexBar、其他應用程式和 Claude Code 狀態列。各方案的服務支援範圍、介面、提醒、成本和平台要求不同;例如 CodeBurn 提供成本分析,其桌面及選單列版本預設會傳送可關閉的匿名使用報告。
METR 更新時間跨度圖,加入判斷要求較高的任務。更新後的分析發現,部分 AI 能力仍呈指數增長,但模型在設計 AI 評測方面仍落後。
文章比較 Denvr Dataworks 的 H100 訓練替代方案,列出 Nodus 按需價為每 GPU 小時 $2.60,低於 Denvr 的 $3.00。
METR 發佈的最新時間跨度圖顯示,自 2021 年起,AI 在軟件工程基準上可自主完成的任務時長約每七個月翻一倍;判斷類任務的時間跨度則較短,改善也較慢。該圖只追蹤有明確正確答案的任務,不能直接用編碼任務的增長趨勢推斷判斷類工作的進展。文中建議採用任務專屬基準評估模型,並在需要細緻判斷的工作中保留人工參與。
作者用自建 Chrome 擴充功能檢查 63 間網店的 165 個頁面,指出只看頁面內 JavaScript 呼叫,未必能確認像素事件是否真正送出。測試中,一款常見工具在 71 個頁面顯示了 52 個未離開瀏覽器的事件;這 165 個頁面中另有 38 個 Meta 事件來自 Shopify 像素沙盒。
Sandscale 與 E2B 都以 Firecracker microVM 執行智能體編寫的程式;文章指出,兩者主要差異在閒置計費、治理、部署選項和文件功能,而非隔離技術。
Sandscale 比較其 AI Agent 沙箱與 Daytona,聚焦預設隔離方式、閒置時間計費及暫停後記憶體狀態。文中假設 2 vCPU、4 GiB 沙箱運行 60 分鐘、實際工作 10 分鐘,估算 Daytona 預設 15 分鐘自動停止時每次 $0.0690,另加磁碟費;Sandscale 計入 0.333 awake vCPU-hours。
評測者實測 14 款抽濕機,記錄除濕表現、耗電量和噪音,並選出不同用途的推薦款式。Ebac 4650e獲評整體最佳,現於 Argos 售 £229。
Genkit 與 LangChain 的比較顯示,Google 開源框架 Genkit 以具型別、可追蹤及可部署的流程為核心,LangChain 配合 LangGraph 則以智能體及狀態圖編排為主。
CNET 作者試用 xBloom Studio 後,改變了對智能咖啡機的保留態度,認為它能以自動化沖煮手沖咖啡,並讓用戶細緻調整沖煮參數。咖啡機內置磨豆器有 80 種研磨設定,秤重精確至 0.1 克,亦可透過 app 搜尋及執行沖煮配方;但每次只沖一杯,而且價格不低。
作者根據 2026 年 11 月 20 日的資料,比較了 37 個名稱含「Postgres」的 MCP 伺服器,指出全部是社羣項目,沒有 PostgreSQL 或託管 PostgreSQL 供應商發佈的官方伺服器。
Bridget Carey 帶 Apple HomeView 回家讓家人試用,分享使用體驗及產品值得改進之處。影片涵蓋多用戶設定、面容識別與安全功能、兒童使用和家長控制,以及時鐘介面、App、Smart Stack、Apple TV、Apple News+ 和食譜等內容。
Engadget 評測指出,Ray-Ban Meta (Gen 3) 相較 Gen 2 只有小幅外觀與性能升級,$449 售價偏高。眼鏡標稱單次充電最多可用 9 小時,充電盒另加 50 小時續航,並新增 action button 和一個麥克風;作者實測連續播放音訊約 6 小時。
VIDRAFT 在 Hugging Face 的官方排名中,於 17 個有成績的排名全部進入前三,並取得 12 個榜首。作者於 2026 年 11 月 20 日透過公開 API 重新統計;與 11 月 17 日相比,VIDRAFT 多參與了 2 個排名,兩者均進入前三。
Unite.AI 比較 Miro 與 Notion 的團隊協作用途,建議以工作坊、流程圖和視覺探索為主的團隊選 Miro,以保存決策、文件及持續計劃為主的團隊選 Notion。
6 款 AI 海報生成器按印刷尺寸與出血位、文字編輯、品牌色彩、匯出格式及免費方案作比較,Canva 是綜合首選,Recraft 則適合從提示詞生成原創插畫並匯出 PNG 或 SVG。Recraft V4.1 免費方案每天每種風格可生成 3 次,但圖片公開且沒有商業授權;Canva 的印刷流程支援出血位。Adobe Express Premium 每月 US$9.99,附有 250 個生成點數。
文章整理阿里雲伺服器的配置、年付價格與選購建議,涵蓋輕量應用伺服器 L1、經濟型 e、通用型 g7、計算型 c7、超算型 sc3 及 GPU 圖形型 gn8i 等機型。文中列出 L1 約 ¥99 - ¥118/年、g7 約 ¥600 - ¥700/年,並建議按業務需求選擇配置、留意共享型 CPU 積分及啟用自動快照。
ChromePilot(Audiofy)透過 BYOK 使用 gemini-2.5-live,提供免費自然 AI 語音,是文中推薦的最佳免費 BYOK TTS 擴充功能。Audiofy 支援即時串流、網頁內容過濾、即時文字高亮及 30+ 種語音;文章亦比較 Speechify、Read Aloud 和 NaturalReader 的免費限制及付費價格。
Pomerado 讓智能體先在網站完成一次指定任務,再將流程轉成可重複呼叫的 MCP 工具;創辦人稱每個工具可在一小時內建立。後續工具呼叫通常需 5-30 秒,執行方式具確定性,而非 computer use。文章建議有官方 API 時優先使用;Pomerado 適合沒有 API、需要反覆執行的高頻網站任務,另有 MIT 開源版及免費託管版。
DeepSeek V3 是具備 671B 參數、每次推理啟用 37B 參數的開放權重 MoE 模型;評測指其在編碼與數學基準上表現突出,HumanEval 得分為 82%。其 API 輸出價格為每百萬 tokens $1.10,約為 GPT-4 的十分之一,但模型只支援文字,且自託管需要至少 8x A100 80GB。
Aider 與 JetBrains AI 的比較顯示,Aider 自推出以來一直免費,而 JetBrains AI 在六週內兩度調整方案,兩者的主要差異在定價穩定性。
Stave 提供引擎無關的輸入格式,讓五種推理範式以同一份匯出資料進行推理,與採用單一推理範式的 AWS Compliance Mod 形成類別區分。試驗涵蓋 SMT、Datalog、ASP、Prolog 及機率模型檢查,五項規格修正後均通過;Prolog 和 Clingo 的盲測亦通過。
作者以 guard 0.4.11 評估 83 份公開 anthropics/claude-code issue 報告中的 107 條命令,結果為 24 條拒絕、52 條詢問及 31 條未作判定。
一名科技專家兼新手媽媽實測 17 款嬰兒監視器,按整體、預算、牀邊安裝及嬰兒健康監測等用途選出推薦型號。整體最佳 Momcozy BM04 售價 £142.49,支援 Wi-Fi 及非 Wi-Fi 連線,影像和聲音測試表現突出。VTech VM6361HD 獲選最佳預算型號,售價 £79.99。
PlaceBench 在 150 條有關真實地點的日常問題中,選取 20 條向 6 款 AI 助手各提問三次,測試答案能否保持一致。Dots 有 17 條問題三次全答對,且從未答錯;Instinct 則有 15 條問題的評分在多次作答間改變。測試指出,單次答對不足以確認答案可靠,20 條問題的樣本亦較小。
同一 Codex 模型執行同一任務時,T3 Code 用時 10 分 26 秒,原生 CLI 用時 6 分 07 秒;扣除等待人工批准清理步驟的 6 分 6 秒後,T3 Code 的實際工作時間為 4 分 20 秒。T3 Code 預先準備環境,減少了工具呼叫;測試中,Codex 的兩個版本各有一項可重現缺陷。作者指出,這只是每種方式各跑一次,尚不足以證明速度差異。
ArtArk在SuperCLUE本期文生圖及圖像編輯的競技場與標準評測中均列總榜第一,合共取得四項第一。文生圖競技場在28個模型中以1497.0分居首,標準評測得95.1分;圖像編輯競技場在19個模型中以1341.2分居首,標準評測得83.6分。
Manus 發布 2026 年 11 款 AI 角色生成器指南,按用途比較各工具的角色一致性、功能、價格與限制。指南涵蓋從照片轉換角色、在圖像及影片中重用角色,到製作像素或 3D 遊戲角色等用途,並整理各工具的免費方案與付費起價。
ui-ux-pro-max 透過 Python 腳本搜尋技能目錄內的 14 個 CSV 檔案回答設計問題,執行時不呼叫模型或連接網絡。目錄涵蓋風格、配色、字體配搭等資料;styles.csv 有 89 行,當中 51 行標記為 active,而資料新鮮度依賴人工核實。
OSTA 星芒首款鴻蒙 AI 手機 OSTA O1 Pro 將 AI 互動置於系統前台,用戶可透過小藝處理不同任務,並查看深度研究等複雜任務的進度。購買 OSTA O1 Pro 可享價值 1588 元的無憂大禮包,包括屏幕、進水、後蓋、後攝及電池保障,另有兩年官方保養。
Arm 提出面向智能體 AI 的 CPU 性能測評新框架,經 Signal65 獨立驗證,對比 AMD EPYC 9755/9965 的平均性能達 1.99 倍。沙箱場景的性能為 1.7~2.2 倍;框架涵蓋從單個智能體到整個機架的測評。
作者比較 6 款供語音智能體使用的語音隔離 API 與模型,指出只有 Krisp Voice Isolation 和 Arctan Eigen 專為移除第二個説話者而設。