阿里雲瓴羊 Quick Service:具備情感識別能力的客服機械人哪家好?
阿里雲瓴羊 Quick Service 將情感識別融入客服理解、路由、協同與執行流程,按用戶情緒調整回覆策略及人工介入時機。文中引用的研究數據顯示,具備情感識別能力的智能客服,客戶滿意度較傳統系統高出41%,投訴升級率降低53%。Quick Service 亦支援多模態情緒感知、轉接時同步對話摘要與情緒標籤,以及為人工坐席提供即時預警。
阿里雲瓴羊 Quick Service 將情感識別融入客服理解、路由、協同與執行流程,按用戶情緒調整回覆策略及人工介入時機。文中引用的研究數據顯示,具備情感識別能力的智能客服,客戶滿意度較傳統系統高出41%,投訴升級率降低53%。Quick Service 亦支援多模態情緒感知、轉接時同步對話摘要與情緒標籤,以及為人工坐席提供即時預警。
作者以 TaintWall 測試 AI 智能體處理操作手冊時,發現無防護智能體會執行混入其中的惡意步驟。在本地 Qwen2.5-14B 的 16 個案例中,無防護智能體執行 14 個惡意步驟,TaintWall 則全部攔截,ASR 為 0.000、Utility 為 0.750。這些是基於單一模型家族、確定性子樣本和單次試驗的 PREVIEW 測量,不能代表生產環境穩健性或其他模型表現。
Powerduck 與 Mintlify 在 API 文件方面各有取捨:Mintlify 是託管式文件平台,支援 MDX 內容和 AI 答案;Powerduck 則從 OpenAPI 契約生成 API 參考文件。
InferenceKey 在 48 GB A40 上以 llama.cpp 部署 NVIDIA Nemotron 3.5 Bolt 74B-A9B 24GB,啟用圖像讀取器和 drafter 時約用 27 GB。
IDC《中國 Data Agent 2026 年廠商評估》涵蓋 18 家廠商,阿里雲位居最領先位置,僅 4 家入選領導者。阿里雲的 DataWorks Data Agent 提供數據開發、治理、分析及引擎管控與運維 Agent;菜鳥以 DataWorks 打造 SuperETL 技能體系,研發效率提升 10 倍。
Qodo、Greptile 與 Graphite 的 AI 程式碼審查各有側重,差異在於可運用的程式碼庫與 pull request 上下文。Qodo 著重持續掌握程式碼關係、相依性、過往 pull request、規格及規則;Greptile 可在審查時參照程式碼庫脈絡及相關歷史 pull request。Graphite 則聚焦堆疊式 pull request、變更間相依性及合併佇列。
AI Engineering Foundry 用 qwen2.5-coder:7b 測試簡單 Text-to-SQL,在 32 條問題中答對 17 條(53%),另有 7 條結果靜默出錯。
作者使用 Hono、Prisma Postgres 和 Prisma Compute 建置並部署書籤 API,透過 `npx prisma auth login`、`npm run build` 和 `npx prisma deploy module.ts` 三條命令完成部署。
Google 宣佈推出 Gemini 4 Carbon,主打網絡安全及長時間任務,並將先向網絡安全防護人員開放,暫不供一般用戶使用。其後會透過 Fairwind Program 擴大至可信合作夥伴,再開放予開發者和一般用戶;目前沒有明確的公開時間。
Runcrate 團隊在一部 L40S 上測量 Qwen2.5-7B-Instruct 的啟動時間,從 Hugging Face 新下載時首個 token 約需 48–55 秒,使用本地快取則約需 18–19 秒。新下載階段約需 30 秒,將 15.24 GB 權重載入 GPU 約需 14 秒;快取命中時,下載檢查約需 0.1 秒。
Runcrate 團隊實測 BGE small、base、large 在 RTX 5090、L40S、RTX A6000 和 H100 PCIe 上,以 128 和 512 tokens 編碼時的吞吐量與成本;L40S 在六種組閤中每百萬段落成本最低。
Runcrate 團隊在 RTX 5090、L40S、RTX A6000 和 H100 上,比較 torch.compile 與 eager 模式訓練 468M 參數 Llama 類模型,並測試 SDPA 和 eager attention。
作者以 Sightengine 重新測試其 AI 圖像檢測器:80 張已核實的 AI 圖像中,78 張判為 Likely AI,沒有被判作真實照片。40 張相機原始照片中,38 張判為真實照片,1 張被誤判為 AI,另有 1 張無法判定。每個生成器的樣本只有 20 張,結果仍有不確定性。
文章比較 Grok Build、Codex 與 OpenClaude 三款終端優先編碼智能體的架構與功能,指出三者能力重疊很高,差異主要在各功能所處層級。三者都支援讀取及編輯程式碼、執行命令、MCP 和多智能體,但在完成判定、沙盒配置、模型適配層與編輯防錯設計上各有不同。
售價 $160 的 8GB ARC A750 對 4K 轉碼、遊戲串流及 Frigate 等 GPU 密集型工作負載具成本效益,但並非所有伺服器用途都值得升級。
騰訊 WorkBuddy 上線手機遠程控制電腦功能,蘋果亦正式推出首款觸控屏 MacBook Pro。DeepSeek V4.1 Flash 在 FrontierCode 2.0 得分 28%,為已發佈開源模型最高;Artificial Analysis Intelligence Index v5 採用 60% 私有測試集評測權重。
愛範兒上手體驗觸控屏幕 MacBook Pro,認為觸控方便照片放大、拖動剪輯素材和旋轉 3D 地圖,但手臂懸空操作容易疲勞的問題仍未解決。OLED 屏幕令 14 吋和 16 吋版本較前代分別減輕 200 餘克和 300 餘克,厚度分別減少約 0.5mm 和 1mm。
作者以 FiftyOne 對包含 27,083 張圖像、352 類標誌的 QMUL-OpenLogo,實測 Qwen3.8-Max 的視覺定位表現。結果顯示,邊界框定位會隨思考模式和圖像細節設定大幅波動;相同輸入和設定亦曾出現 3/5 與 0/5 匹配,模型並會混用像素、0–1000 網格及 [0,1] 座標。
研究分析34個多模態模型後指出,所謂零樣本表現可能來自模型在預訓練期間接觸過相關概念,而非真正的泛化;概念在預訓練資料中出現的頻率,能有力預測模型表現。研究發現,概念頻率與零樣本表現呈對數線性關係,模型需要指數級增加訓練資料,才能取得線性表現提升。測試包含290個罕見概念的「Let it Wag!」數據集時,受測的50個CLIP模型表現均遜於ImageNet。
GPU Unlock 的社羣基準測試顯示,RTX 3090 Ti 在部分 AI 圖像生成工作負載中吞吐量最高提升 58.6%,但增幅取決於數值格式及硬件、軟件配置。
本月 Elorian 推出首個視覺推理模型 Glimpse,並與 Mercor 發布 DecoyCount 基準測試,檢驗模型是否真正計算物件數量,而非依賴視覺捷徑。Glimpse 在 1,660 題中取得 50.48%,GPT-6 Astra 為 43.17%;前者成績來自單次測試,後者數據為三次測試平均。
作者在 16 GB RTX 4070 Ti SUPER 上比較多款 OCR 工具,Unlimited-OCR 2 的辨識品質與 Chandra 2 並列最佳。在 Transformers 路徑下,單次請求由 10 頁增至 40 頁時,顯存由 7.5 GB 升至 11.1 GB,每 token 耗時增至 1.49 倍;處理 80 頁則在 74 分鐘後因記憶體不足失敗。
Gemini 4 Carbon 在 Artificial Analysis Intelligence Index v5.0 得分 59,並提供提示詞快取 95% 折扣;文章據此分析其基準表現、成本和開發者部署取捨。
測試顯示,單看 TPR 會令多個常把安全程式碼判為有漏洞的 LLM 程式碼審查模型排在前列。研究以 16 個開源模型檢查 180 段 Python 程式碼,gpt-oss 20B 的平衡準確率最高,為 0.952(TPR 93.7%、FPR 3.3%)。結果顯示,評估須同時考慮誤報率,而模型規模不能決定排名。
作者重寫 2001 年的機械人視覺方法,並與兩款本機視覺模型比較,傳統方法在測試中更準、更快。Intel N100 上的 72 個影格測試中,加入中值濾波和迴音消除器的方法平均誤差為 0.1 px,每個影格需時 37.5 ms;Qwen2.5-VL 3B 在 37 個完整回覆影格上的誤差為 1.3 px,每個影格需時 146 s,Gemma 3 4B 的誤差則為 177.8 px。
Artificial Analysis 發佈 Intelligence Index v5,將 60% 評測權重轉向私有/隱藏測試集,並引入 FrontierCode 2.0 等實戰評測。
Artificial Analysis 推出 Intelligence Index v5,新增編碼與科學基準測試。該指數有 60% 基於私人測試集或保留答案。
Dell XPS 13 是 Apple MacBook Neo 的有力 Windows 替代選擇,尤其適合偏好 Windows 的用戶。它配備 13.4 吋 2.5K 觸控顯示屏,重 2.2 磅,並提供 Wi-Fi 7、四個喇叭及 Windows Hello 面部辨識;MacBook Neo 重 2.7 磅,沒有觸控屏。
Pydantic AI 以 8 個模型、5,276 次內部基準測試比較 Code mode 開關;長任務中,Code mode 平均成本降低 58%、耗時減少 51%,成功率提高 16.0 個百分點。
LangChain 在 111 份合成保險文件上測試 OpenWiki,跨文件問題的答案準確度約為單靠搜尋的 5 倍。加入證據圖譜後,準確度再升 27%、引文一致性倍增,中位回答時間減少 40%,每個正確答案的成本降低 58%。圖譜沿用現有引文和文件參照建立,毋須額外模型呼叫;簡單查詢則未見準確度提升,搜尋速度更快。
即夢上線「短劇工作室」,接入小云雀的短劇 Agent 能力,並在此基礎上升級優化。作者實測了上傳成片改編劇本、將本土短劇轉繪為面向其他國家的版本,以及從零創作並用「3D導演台」手動調整場景等流程。文中還提到 Seedance 2.5 最低 0.19 元每秒,使用 CLI 最低 0.18 元每秒。
Google AI Mode 被問及 2020 年美國總統選舉由誰勝出時,沒有直接回答,而是建議查閲聯邦選舉委員會(FEC)的官方報告。它對 2024 年選舉也給出類似答覆,對 2012 年則提供資料中心連結;但回答 2000 年以來其他總統選舉的勝者時,能提供詳細而正確的答案。
對 GLM-4.7 評閲的 8,946 篇 IELTS 作文進行第五輪分析後,研究發現,模型在短引文中更常改動學生原文的字詞。4 至 6 個詞的緊密引述中,3.19% 改動字詞;11 個詞或以上的引述則為 0.74%。改動過的長引文有 66.3% 屬於非緊密匹配,檢查 AI 評語時應逐字核對短引文,並把長引文與全文比較。
Google 的 Gemini 4 Carbon 在 Artificial Analysis Intelligence Index v5 取得第 1 名,並在 9 項評測中的 4 項排名第一。
Artificial Analysis 發佈 Intelligence Index v5,將 60% 評測權重設於私有測試集或隱藏答案;DeepSeek V4.1-Flash 1017(max)在 FrontierCode 2.0 得分 28%,為已發布權重模型之首。
研究人員調整 Ai2 開源模型 olmOCR 2,將歷史檔案照片及考古手寫記錄轉為可搜尋文字,並讓檔案機構可按研究需要在本地運行和微調模型。考古團隊以 LoRA 在 57 份記錄上微調模型後,在另外 450 份測試記錄上的轉錄錯誤率由 15.58% 降至 1.11%。團隊希望將方法擴展至 Carnuntum 約 70,000 份陶器記錄。
作者以 llama.cpp 在單張 Tesla T4 上,使用 250 道 GSM8K 數學題比較 Gemma 4 E2B 九個 GGUF 檔的量化準確率與速度,並逐題記錄答案變化。
Artificial Analysis 改版 Intelligence Index,令開放模型與排行榜頂尖模型的分差由 3 點擴至 12 點。新版首次有 60% 的指數依據私人測試集;Kimi K3.1 Pro 從第四跌至第九,Grok 4.7 亦下跌 12 點。
文章對照 Genie 4、Genie 3 與 Marble,指出前兩者生成即時互動世界,Marble 則建立可編輯及匯出的 3D 世界。Genie 4 示範為 1080p,Genie 3 為 720p;Genie 4 加入環境音效與角色對話,但仍是研究預覽,公開途徑包括 Project Genie 等候名單,以及 Gemini API 和 AI Studio 的早期存取。
作者比較四種 text-to-SQL 選表方法,schemagate 在資料倉庫和 BIRD 選中所有必要資料表的比例分別為 85.3% 和 98.7%。測試在 Spider 2.0 的 BigQuery、Snowflake 倉庫每次選 12 張表、BIRD 選 6 張;schemagate 比一般檢索多用 8–11% tokens,主要用於加入連接所需的資料表。