Queryra 與 Doofinder 搜尋測試:在六間商店輸入價格限制及「排除品牌」
在六間使用 Doofinder 的 WooCommerce 商店測試中,搜尋未能按查詢套用價格上限或排除指定品牌;Queryra 在自家示範商店的測試中則做到這兩點。兩者都能處理準確產品名稱及拼字錯誤,但日常用語搜尋各有失誤。兩者測試使用不同商品目錄,結果不能視為同目錄直接比較。
在六間使用 Doofinder 的 WooCommerce 商店測試中,搜尋未能按查詢套用價格上限或排除指定品牌;Queryra 在自家示範商店的測試中則做到這兩點。兩者都能處理準確產品名稱及拼字錯誤,但日常用語搜尋各有失誤。兩者測試使用不同商品目錄,結果不能視為同目錄直接比較。
IGN於2026年11月18日發布《俠盜獵車手6》評測,給予滿分10分。評測稱遊戲在世界構建、車輛操控、光影表現和細節打磨方面達系列巔峯。編輯盧克·雷利形容遊戲「史無前例、難以置信、不容錯過」,並稱120小時體驗仍令人沉浸。
佳能 EOS R8 Mark II主打入門全片幅用戶,着重機內濾鏡直出、五軸機身防震及輕巧機身。單機身售價9999元,套機售價12099元;相機支援最高約40張/秒連拍,以及6K超採樣的4K 60p無裁切影片。16種濾鏡可用於影片,負片濾鏡強度可調,僅支援JPG模式。
SuperCLUE 公佈新一輪中文通用能力測評結果,Qwen4-Max、Hy4 與 KimiK3.1Pro 按測評規則並列國內榜首,得分分別為 61.61、61.01 和 61.46。
一項以相同中文提示詞測試五個模型路線的 70 次調用評測發現,五者均避開八項直接有害要求;在捐款公告測試中,DeepSeek 和 Kimi 得 11/11,Claude、Codex 和 Gemini 得 10/11。測試亦發現,部分模型修改公告時刪去未經獨立審計的説明,或加入提示詞未提供的核實資訊。
作者經 5 週測試一個為 API 升級草擬 PR 的 AI 智能體,發現定位受影響程式碼較可靠,修復驗證仍是主要難點。Stripe 第二輪測試曾報告 10 個修復中有 8 個與維護者提交一致,但作者撤回結果;逐行核對發現 10 組比較中有 4 組無效,部分修復在較舊 Stripe API 版本下會出錯,其中一項會把所有付費用戶標記為過期,CI 仍曾將錯誤判為正確。
測試顯示,Gemini 4 Carbon 延遲開始修正,似乎源於行為方式,而非不知道問題原因。每五輪加入一次確認後,Carbon 完成時間由 37 分鐘縮短至 28 分鐘,指出原因到開始編輯的等待時間則由 25 分鐘減至約 10 分鐘。相比之下,GPT-6 Astra 在指出原因後三分鐘便寫出修正。
飛凌嵌入式的工業嵌入式計算平台涵蓋工業一體機、儲能終端及邊緣 AI 等應用,文章從產品能力、工業可靠性、場景適配和技術服務四個維度評估其平台。多款核心板支援 -40℃~+85℃,供貨週期規劃為 10~15 年或 15 年,FET3588-C 經中國賽寶實驗室驗證,元器件國產化率 100%。文章建議按設備環境、接口、總線和算力需求選型,並先用開發板驗證應用。
文章實測 GPT-6.2 Astra,發現它能快速生成可互動的 3D 遊戲與場景,但寫作表現、溝通方式及長程 Agent 任務仍有明顯問題。文中亦引述官方數據,稱它在專業 Agent 任務上的表現超越 Claude Fable 5.2,完成同等任務的綜合成本只有後者的 5%。
推薦理由:文章將官方成本與能力主張,和 3D、寫作等實測並置,呈現 GPT-6.2 Astra 的強項與日常協作落差。
作者以 7 組提示詞評測 Kling Image 4.0,測試原生 8K、圖中文字、6 張組圖及長商品頁,並與 MiniMax H3 Image 比較。測試輸出達 9,984 × 6,656 像素;海報和中文菜單文字準確,六張廣告圖的罐身設計亦保持一致。不過,長商品頁下半部出現數字遺失和亂碼;同一香水提示詞比較中,作者認為 Kling 的瓶身細節處理較 MiniMax H3 Image 好。
Michele Matozza 以 Lanes 評測編碼智能體並行改動程式碼時的衝突,並透過預先訂明成功門檻及改變啟動延遲檢驗結果。固定 8 秒延遲的三項情境中,D2 分別通過 10/10、9/10、10/10;延遲掃描在 4 秒條件下則發現 I3 只通過 1/5。問題出在編輯前同步引入其他智能體的檔案變更時,系統沒有記錄該變更,令回合結束時的過期檢查未觸發;修正後的 D3 測試尚未完成。
HivePic 作者以四張清晰照片製作已知模糊樣本,測試四款去模糊工具;可量化結果顯示,處理後影像雖更鋭利,PSNR 卻均低於模糊輸入,與原圖更遠。狗圖測試中,HivePic Motion Blur 的鋭度分數為 526.2,高於原圖的 84.2,但 PSNR 為 20.03 dB,低於預設模式的 20.45 dB 和模糊輸入的 21.18 dB。
阿里雲萬小智3.0適合需要快速建立並持續營運網站、但缺乏技術團隊的中小企業及個人開發者;平台整合前端、後台、數據庫,以及 SEO 和 GEO 診斷。內地節點版本由180元/年起,最高1980元/年,靈感值按1點0.01元計。雙11活動包括輕量版新客首月9.90元/月起,以及 GEO 標準版99元/月起。
娛樂資本論使用朱雀AI檢測助手測試30多篇網文樣本,發現工具未能準確識別所有AI生成內容。樣本涵蓋純AI生成文本、爭議前後新發布的章節及AI工具出現前的作品;一段純AI文本被判有70%的人工特徵。晉江規定,對沒有明顯AI痕跡但被舉報的作品,須由至少三項工具檢測,並有三項或以上的AI可疑度超過60%,才會認定違規。
文章比較 shadcn/ui、shadcn.io、Tremor、Recharts、shadcn-echarts 與 mebius.design 等圖表方案,整理其技術基礎、授權、帳戶要求、Figma 資源和適用場景。
文章整理 8 款 Arize AX 和 Phoenix 的替代方案,按替換對象與團隊需求比較適用情境、授權、託管方式、線上評估範圍和價格。Langfuse 和 Opik 是可自託管的 Phoenix 替代方案;LangSmith 適合 LangChain 和 LangGraph 團隊,Agnost AI 則評估整段對話,各工具的用量計價單位不同。
阿里雲飛天企業版(Apsara Stack)入選 IDC《亞太主權 AI 平台 2026 廠商評估》的領導者類別。平台提供 80+ 雲產品,兼容 10 餘種廠商伺服器及 50 餘款加速卡,並預置 50 餘款主流開源模型。飛天企業版已在全球 20 餘個國家和地區部署。
Yogesh Dhome 以 100 個合成情境、每個測試 3 次,比較企業發票助理的三種設計;加固版嚴格任務成功率為 95.6%,基線為 74.7%。以用戶身份呼叫後端服務,在測試中阻止了所有未授權資料檢索,而確定性工作流承擔多數正確性與審批處理。研究亦記錄加固版寫入不實審批理由等失誤;基準測試只涵蓋單一模型、單一供應商和單一領域,使用合成資料,未部署於真實企業。
Vidraft_lab 用 Hugging Face 公開 API 重算《每日經濟》報道的數據,核對出 Darwin 在 57 個排行榜中有 12 個居首。Darwin 參加的 15 個排行榜均列前三;作者按分數重算名次,並把同分計作共同第一。截至 11 月 18 日,記錄數為 1,462,較報道所列 11 月 17 日的 1,458 多 4。
Python 主機端參考模型在 CPU 上測試 10,000,000 次提案,1,401,041 次注入提案均未提交,且主機保存的圖狀態與獨立參考結果比對時沒有差異。測試亦發現長數字會引發錯誤、服務座標可能互相解除頁面映射、提交中斷會令分頁器未能通過審核,以及未加鎖的多執行緒會出錯。測試沒有呼叫語言模型,亦未測試 Rust crate。
在主機持有狀態並逐項檢查模型提出的變更時,11 款 1.5B 至 32B 開放模型中有 10 款在 3,200 步測試的每一步都維持準確狀態,所有模型均無狀態損毀。使用一般文字描述請求時,Qwen2.5-1.5B 只在 2.31% 的步驟答對,Qwen2.5-32B 則達 97.91%。
測試以 Qwen2.5-14B-Instruct 比較六種智能體記憶方式,在三組各 600 步的工作中,主機檢查及修正回覆後,各組每一步的狀態均準確無誤。主機保存狀態每步耗時 0.3034 秒、消耗 21.8 焦耳,是成本最低的方式;但模型自行回覆正確率為 81.89%,低於檢索方式的 93.83%。
OpenAI 發佈 GPT-6.2 Astra 和 GPT-6.2 Sol,作者實測認為 Astra 能力偏科,科研與程式碼審查較強,方案規劃和影片創作較弱。在作者自建的程式碼審查測試中,Astra 找出 96% 問題,Sol 為 84%,GPT-6.1 Sol 為 65%;Astra 在 Agents' Last Exam 約得 78%,每項任務約 3 美元。
OpenAI 發佈 GPT-6.2 Astra 和 Sol,文章指出兩款模型表現不一,辦公、Computer Use 和 3D 有亮點,編程長任務則受批評。Artificial Analysis 綜合智能指數中,Astra 得 62 分、排名第二;3D 人類盲測得 1318 Elo、排名第一。
推薦理由:文章將官方基準與多方實測並列,呈現 GPT-6.2 在辦公、Computer Use 和 3D 的亮點,以及長任務編程的持續性問題,對照出各類任務表現不一。
Shalendra Gaur 在 Gemini 3.8 Flash 的 400 輪測試中發現,主機端保存準確狀態而非重送完整對話,可令每步提示詞 token 減少 85 倍、總量減少 76 倍。
Shalendra Gaur 的測試顯示,主機端保存狀態並每步向模型提供精確狀態,可令 7B 模型跑 20,000 步時,每步耗時由 0.1605 s 增至 0.1651 s。
作者實測 ego(lite),介紹它沿用 Chrome 或 Edge 的登入狀態,並透過 Space 讓 AI 在後台操作網頁而不影響前台使用。
即夢 Seedance 2.5 推出 4K 版本,支援最長 30 秒單次生成,並提供全模態參考、影片編輯和延長功能。4K 模式支援 10bit BT.709 色彩格式及六種畫幅;文中亦展示 4K 素材可進入首幀參考、編輯和延長流程。
影視颶風創始人 Tim 吐槽 Apple HomeView,稱自己折騰 4 小時仍未能連接和正常使用這款智能家居設備。設備更新後死機,Siri 無法正常載入;目前只能顯示時間和天氣,嘗試啟動 Siri 時系統便會卡住。
作者以 DeepSeek V4 Pro 和 Kimi K3.1 Pro 按同一份任務書製作《靈感守衞戰》的 2D、3D 遊戲 Demo,並比較兩者表現與成本。DeepSeek 的兩個 Demo 花費約 10 元;Kimi 使用 Pro 套餐月額度的 13%,按每月 199 元折算為 20 多元。
作者在自建 SaaS 登陸頁上實測 Modern Web Guidance 1.0,legacy-scan 找出 6 項問題,卻漏掉多項較嚴重的無障礙和安全問題。
綠盟科技的風雲衞基座模型 SecLLM-3.6-27B 在 CyberGym Model-Focused 榜單以 91.31% 任務成功率排名全球第一。該榜單只使用通用 Harness,不配備外部工具或知識庫,評估模型本身的安全能力。這款 27B 模型已透過風雲衞應用於告警降噪、漏洞初篩、程式碼審計輔助及事件溯源等安全場景。
llama3.1:8b 在一次本地測試中,收到錯誤程式碼及失敗案例後,兩度原樣重複有 bug 的函式;只收到「再試一次」的盲目重試,則首次便修正了錯誤。12 項任務中有 3 項未能通過基準測試;在這 3 項中,錯誤提示重試的最終得分有 2 項不高於盲目重試,僅 1 項明顯較好。
作者以自家產品 AIVisib 為案例,向 ChatGPT、Gemini、Perplexity 和 Claude 提出 24 個英語、法語及阿拉伯語買家問題,收集 287 個回答,追蹤品牌推薦和引用來源。品牌能見度在 ChatGPT、Gemini、Perplexity 和 Claude 分別為 3%、4%、4% 和 0%;英語回答中為 8%,法語及阿拉伯語回答中則為 0%。
海信璀璨套系以統一設計、全屋家電聯動及管家式售後服務為賣點,文章評估其產品表現與高端家電選購價值。套系涵蓋璀璨E7S Pro電視、璀璨600冰箱及璀璨E5S Pro洗衣機,並透過海信愛家APP聯動家電。文中亦提及送裝一體、全流程跟蹤等服務。
作者以 whisper.cpp v1.9.5 在四種硬件配置測試同一段錄音,medium 在兩款 CPU 上較快;large-v3-turbo 在 CUDA 上較快,在 Intel iGPU 的總耗時則與 medium 相差 15ms。
阿里雲百鍊Token Plan服務於 2026 年 11 月 9 日調整個人版方案後,Lite、Essential 和 Standard 的月度 Credits 額度上調 74% 至 78%,Pro 月費則列為 312 元。
作者親身試用 AMD AI Academy,介紹其免費 AI 課程、四條學習路徑,以及可在瀏覽器運行的 Jupyter Notebook GPU 實作環境。完成課程可取得可分享至 LinkedIn 的完課證書,但這不等同驗證 ROCm 技能的 ROCm Certified Associate 正式認證。
阿里雲百煉大模型服務平台的雙11評測涵蓋六大模組、約190款模型的模型矩陣及價格檔位。平台提供模型推理、應用開發、知識庫RAG、Agent、微調和專屬部署,並設按量付費、Token Plan及Coding Plan三種計費方式。雙11優惠包括全模型低至4.5折、新用戶超7000萬免費Token,以及Token Plan新增Harness權益。
文章比較 fal.ai 的模型推理替代方案,指出自部署開放權重模型可考慮 Nodus 等平台;若要呼叫託管媒體模型 API,Replicate 是較接近的替代選擇,而部分封閉模型仍只有 fal.ai 提供。