OpenNVR 在 4 核 CPU 上測試攝影機智能體模型,較大模型反而落敗
OpenNVR 維護者在無 GPU 的 4 vCPU 電腦上測試攝影機智能體依賴的模型,測試後有四項預設設定改變。語言模型測試中,granite4:micro 得分 44 / 60,舊預設 qwen3:1.7b 得分 21 / 60,而 qwen3:4b 得分 9 / 60;作者指出,模型在決策前是否調用工具,比參數量更關鍵。
OpenNVR 維護者在無 GPU 的 4 vCPU 電腦上測試攝影機智能體依賴的模型,測試後有四項預設設定改變。語言模型測試中,granite4:micro 得分 44 / 60,舊預設 qwen3:1.7b 得分 21 / 60,而 qwen3:4b 得分 9 / 60;作者指出,模型在決策前是否調用工具,比參數量更關鍵。
Olver Thorarinsson 比較了 8 款社交媒體排程工具的 MCP 支援情況,並檢視費用、AI 發佈權限、媒體處理方式及平台覆蓋。作者團隊開發的 Smart Post Studio 不提供即時發佈,AI 只能建立草稿或安排至少提前 10 分鐘的貼文,所有操作均會寫入帳戶審計紀錄。
作者以官方 KoSIT 驗證器檢查 810 個公開 XRechnung 和 ZUGFeRD 樣本檔案,548 個通過,27 個 Peppol BIS 檔案未作判定。FeRD 標示有效的 53 個 ZUGFeRD 樣本中,有 19 個 EXTENDED 檔案被 KoSIT 拒絕。部分樣本因規則更新或識別碼錯誤而失效,整合時應以收件方使用的驗證器測試。
Gemma 4 26B A4B 可透過 llama.cpp 在 8 GB RTX 3050 上運行,需將 30 個專家層中的 21 個留在系統 RAM。啟用 drafter 時可容納 131,072 tokens 上下文,GSM8K/BFCL simple 評分為 0.965/0.945;生成速度為 33.7 tok/s,低於 12B 的 55.1 tok/s。
Microsoft AI 的 MAI-Transcribe-2 在 David AI 的 DAI-ASR-I18N 公開評測中,於 21 種語言中的 18 種取得最低轉錄錯誤率,並在 16 種語言的錯誤率低於 10%。
在 8 GB RTX 3050 上,Gemma 4 12B 配合 drafter 使用 4-bit context cache 可容納 81,920 tokens,是 16-bit cache(24,576 tokens)的 3.3 倍。
六個 AI 模型透過各自的 CLI 進行 12 局棋賽,沒有一局以將死結束。11 局因第三次犯規告負,唯一打滿 60 ply 的對局由 Gemini 4 Argon 與 Opus 5.5 下成和局。Opus 5.5 和 Gemini 4 Argon 未用過後備走法;Opus 5.5 平均每步 13 秒,是最快的模型。
作者團隊在生產 AI 管線中實測 billion-context,於 11 天的 FastAPI 遷移工作中把每次請求平均用量由 28,400 tokens 降至 6,100 tokens,壓縮率為 4.6x。
作者在 142 名患者、31 個特徵的醫療分類任務中比較 TabPFN、XGBoost 和 LightGBM,TabPFN 的平均 AUC 最高,為 0.81。
評測以 Nano Banana Pro 比較 Higgsfield 與 Kyncept,兩者圖像質素同為 8/10,但 Higgsfield 每張消耗 2 點,Kyncept 只需 1 點。
Higgsfield 與 Kyncept 各以同一東京提示詞完成兩張標示為 Nano Banana Pro 的圖片,四張檔案均為 1376×768 pixels;這個小樣本中,內容品質難分高下。Higgsfield 原始 PNG 帶有右下角品牌浮水印,每張扣 2 個積分;檢視的兩張 Kyncept JPEG 均未見品牌標記,每張扣 1 個積分。時長資料不完整,未能判定哪個服務普遍較快。
作者以同一個文字提示詞,實測 Higgsfield 與 Kyncept 各生成兩張抹茶場景圖片,並比較點數扣除、原始檔及提示詞遵循度。四張圖片均為 1376×768;Higgsfield 每張扣 2 點並交付帶有品牌字樣的 PNG,Kyncept 每張扣 1 點並交付沒有可比品牌字樣的 JPEG,但兩者都未能準確生成指定的三名工人。
谷歌研究人員宣佈,4個 Gemini 4 Argon 智能體在無預設策略及無人類即時介入下,於隨機生成的《我的世界》中自主協作,耗時27小時擊敗末影龍。智能體透過遊戲內聊天框協調分工,發送229條訊息、運行2783個程序,並死亡605次。研究團隊稱,這是 AI 首次完全自主從零通關該遊戲。
對 x402 Bazaar 內 2,060 個主機的檢查發現,只有 949 個(46%)提供 AI 爬蟲可讀、説明服務內容的首頁。檢查於 2026 年 9 月 25 日以單次請求進行,沒有使用瀏覽器或 JavaScript;其餘主機返回 JSON、錯誤代碼或重新導向。
Hugging Face 官方基準測試排行榜每日更新截至 2026-10-20 列出 49 項基準測試及 1,107 個排行榜項目。olmOCR-bench 榜首由 infly/Infinity-Parser2-Pro 轉為 SoMarkAI/OXR-1.0,得分 87.84;所有排行榜共新增 5 個項目。
Dominik Picheta 設計了旨在讓 LLM 難以使用的程式語言 KillSwitch,作者實測了直譯器及其基準測試。最佳模型在「實作 hello world」等任務中得分為 66.8 out of 100;AI_SPEC.md 則有 887,584 words,是正式規格的 320x。
作者以 Clever AI Detector 測試 4 段人工撰寫文本和 4 段由 MiMo V2.6 生成的文本,維基百科光合作用條目開篇被判為 99% AI。四段模型文本均獲 90% 至 99% AI 評分;其餘三段人工文本則獲 1% 至 12% 評分。作者將這次誤判連繫到百科文體的低 perplexity 和低 burstiness,並指出八段文本只示範失誤模式,不能用來計算準確率。
Modal 測試 NVIDIA Vera CPU 為 Modal Sandboxes 提供運算能力,早期並行基準測試顯示,其任務吞吐量最高可達同等 x86 GNR 機器的 2 倍,而單項任務延遲相若或有時更低。
Numerama 比較 Apple Watch Series 12、Ultra 4 和 SE 3,按用途及預算整理 2026 年的選購取向。SE 3、Series 12 和 Ultra 4 起價分別為 269 €、449 € 和 899 €;Ultra 4 在測試中連續追蹤運動及睡眠可用逾兩日。
sharp 與 Pillow 即使使用相同 JPEG 品質數值,也會因 Huffman 最佳化的預設值不同而產生不同檔案大小,sharp 的 mozjpeg 選項亦會改變量化表等設定。
作者在單張 24GB VRAM 本地環境實測 vLLM Semantic Router 的 Decision 3.0(d3)9B 與 27B,對比結構化決策及多模態推論表現。
作者以相同任務測試 14 款 AI 編碼智能體,在 gemini-3.5-flash-lite 測試中,各工具成功率由 100% 至 0% 不等。BYOK 測試使用 gemini-3.5-flash-lite,另一組則以 Ollama 上的 qwen3.5:4b 為後端;作者指出,提示詞組裝、工具呼叫格式、重試邏輯及上下文處理等 harness 設計會影響任務成功率。
Hamed Yousefi 使用 faultline 測試 etcd/raft,將 ElectionTick 設為 3 後,2,000 次模擬崩潰的故障切換中位時間為 343 ms,低於預設設定的 1.249 s。
DeepSeek V4.1 Flash 1017(Max)以 MoE、MLA 和 FlashAttention-3 優化推理吞吐量與延遲。在 1k prompt / 512 completion 合成負載下,TTFT 為 185 ms、總生成速度為 480 token/s,較競品標準 MoE 分別快約 23% 和 55%。
VIDRAFT 的 Darwin-180B-RSI 是一款 180B 參數的開放權重語言模型,在 AIhoster 截至 2026-10-19 更新的排行榜上,以 MMLU-Pro 88.1% 和 GPQA Diamond 94.4% 均列第一。
支付業界機構正尋求 Wiz-io 替代方案,以滿足雲端攻擊面管理對外部資產覆蓋、威脅情報整合及零停機修復的要求。文中評估 Palo Alto、Check Point、CrowdStrike 等方案,並檢視其資產偵測、威脅情報整合及修復限制。
Google DeepMind表示,四個Gemini 4 Argon智能體在沒有任何人類協助下,以27小時14分鐘通關Minecraft。按Argon計劃於2027年採用的價格計算,這次運行成本為$1,620。
Artificial Analysis 的 Intelligence Index v4.3.2 給 DeepSeek V4.1 Flash 1017(Max)45 分,前版為 39 分,單項任務成本由 $0.49 降至 $0.26。
文章比較 15 款社交媒體發佈自動化工具與 API,整理免費方案、收費方式、支援平台及適用對象。各服務的計費單位不一,有按已連接帳戶、個人檔案、渠道或貼文計費,文中亦列出 API、SDK、MCP 支援及方案限制。
Google 將 Antigravity 2 改為以 Agent 對話為中心的獨立桌面版本,省去程式碼編輯器、除錯工具等 IDE 元素,並仍提供 Antigravity IDE。
Arena公佈2026年第42週AI大模型盲測周榜,kimi-k3-max首次穩定進入程式碼榜前十。綜合榜由gemini-4-argon-high以1525分居首,claude-opus-5.5-high以1507分排第二。gemini-3.5-flash-medium、mimo-v2.6-pro及flux-2-flex本期新入榜。
作者在一台 64 GB M3 Max MacBook 上用 Forge 2.0 測試原版 Qwen3.8-27B 及四款微調或合併版,原版兩次成績的中位數為 0.1852,高於有分數的 MindMeld 0.1105 和 DAU735 0.0311。
Arena 公佈第 42 週 AI 大模型盲測周榜,國產模型在多個細分榜單保持中上游,kimi-k3-max 以 ELO 1540 分排名程式碼榜第 10。mimo-v2.6-pro 首次進入前端開發榜第 19,得分 1629;本期共有 gemini-3.5-flash-medium、mimo-v2.6-pro 和 flux-2-flex 三款新模型入榜。
Kevin Hall 實測 Apify 的 B2B Leads Finder,將 5 個 Apollo 人員搜尋網址轉成潛在客戶名單,過程毋須登入 Apollo。
Xonta 開發者 Sergei Luzhnov 為 AI 智能體建立按每期傷害預算分配自主操作權的編排系統,並以 19 項實驗測試其表現。三次同設計測試中,使用編排器的智能體平均結餘約 $470,未使用者平均虧損約 $5,750;被替換的智能體每次均在該輪 5 張工單後被識別。
DeepSeek V4.1 Flash 1017 (Max) 的資料列出模型能力與產業表現、開放度、智能指數及 token 使用成本等比較項目。速度以每秒輸出 token 數計,延遲以首個 token 所需秒數計;端到端回應時間按輸出 500 個 token 計算,模型規模項目只適用於開放權重模型。
作者用 PCBEditor 生成六塊 PCB,逐腳位對照 KiCad 匯出板、BOM 和 datasheet 檢查,首輪只有一塊完全正確,四層 RP2040 板則未完成佈線。
RunPod 與 Vast.ai 的 H100、A100 租用成本比較顯示,計入冷啟動、流量、儲存和中斷預留後,平台成本高低會因工作負載而異。
Statewave 作者比較六個開源 Supermemory 替代方案,重點檢視各工具能否重建智能體回答所用的完整上下文。比較中只有 Statewave 提供可重播的組裝提示詞及 HMAC-SHA256 簽署收據;其餘方案側重文件讀取路徑、記憶來源溯源、時間知識圖譜或版本化記憶。作者亦列出 Statewave 的限制,包括沒有託管雲端、實體關係圖和多模態 RAG。
Guangyi Zhao 對自建開源專案 Wiper-Service-Agent v0.2 進行狀態機實測,發現預設的 MockLLM 規則式解析器會把「可以便宜點嗎」誤判為確認訂單。測試涵蓋 27 段腳本對話、62 則訊息及 13 項意圖分類衝突;車輛資訊抽取失敗時,系統亦可能沿用舊車資料並報出錯誤價格。測試使用模擬目錄和價格,未連接 WhatsApp,也未使用真實客戶資料。