2026 年 9 款 AI 物件移除工具評測:陰影及反光表面實測
Ideogram Blog 實測 9 款 AI 物件移除工具,並比較它們處理含陰影和反光石面的商品照時的清除效果及免費匯出規格。測試使用同一張 1,792 × 2,240 JPG,檢查殘留、材質紋理、匯出尺寸及浮水印。Ideogram Object Remover 在測試中清除了杯子、碟子、充電線及杯子陰影,並保留大理石紋理;其 RemovalBench FID 為 27.77,在六個模型中最低。
Ideogram Blog 實測 9 款 AI 物件移除工具,並比較它們處理含陰影和反光石面的商品照時的清除效果及免費匯出規格。測試使用同一張 1,792 × 2,240 JPG,檢查殘留、材質紋理、匯出尺寸及浮水印。Ideogram Object Remover 在測試中清除了杯子、碟子、充電線及杯子陰影,並保留大理石紋理;其 RemovalBench FID 為 27.77,在六個模型中最低。
Ideogram Blog 比較 8 款 AI 產品影片工具,整理各工具的適用場景、免費方案、收費及商用限制。在 Ideogram、Kling 4.0 和 Creatify 的測試中,三者以同一產品照片和提示詞製作慢速推近片段,最後一格均保留 3 行可讀標籤文字;30 度環繞則令部分文字轉出畫面。
Runta 發佈的 FrontierHarness Eval v1.1 比較 5 個開源模型、22 種 harness 配置及 62 項終端任務,顯示模型解釋 92.8% 的單次執行成本變異;固定模型後,最貴與最便宜的 harness 每項任務成本可相差 1.8 至 5.0 倍。
Michael F 在 ClaudeArena 的 63 題 Professional 考試 Hard 難度測試中,讓五個 AI 模型作答,全部在 120 分鐘限時內取得 98% 或 100%。
Epoch AI 更新 Epoch Automation Reports,評估六個模型的實際工作能力,發現沒有模型在任何任務達到 Epoch 員工標準。GPT-6.2 Astra 平均得分 65%,比 Fable 5.2 低 17 個百分點,兩者在 Epoch Capabilities Index(ECI)的成績則大致持平。
NVIDIA DGX Spark 開發者套件可由 1 台擴展至 4 台組成桌面叢集,主打本地科學運算的開發與除錯,讓用戶避開共享叢集的排隊等待。四台系統以 ConnectX-7 環形連接,合計提供 512GB 記憶體及 20TB NVMe,毋須配置交換器。
Artificial Analysis 的主指數顯示,GPT-6.2 Astra 僅落後 Claude Fable 5.2,編碼表現則與 GPT-6 Astra 持平。Epoch AI 的結果則顯示,Astra 與 Fable 5.2 並列。
Figma 與 Exode 各有定位:Figma 在即時協作、生態系、向量編輯及設計營運方面較成熟,Exode 則主打讓設計檔案包含互動行為、版面規則和動態效果。
Janine Heinrichs 實測 Prezi,發現它約一分鐘便可把提示詞或文件製成簡報;從文件生成時,已核對的數字均準確保留,而單靠提示詞生成的內容則缺乏事實與來源。部分指令未獲遵從,免費方案不能下載;付費匯出的 PowerPoint 和 PDF 會失去縮放效果、背景及互動活動。
作者以固定編碼任務比較低成本模型與前沿模型,發現前者每 token 成本約為後者的 1/20,編碼得分不到一半,並公開 60 秒實測過程。兩個模型使用相同提示詞和 temperature 0,按保留測試集的 pass@1 評分,不重試、不挑選結果;成本則按供應商公佈的每 token 費率及實際 completion tokens 計算。
GPT-6.2 Astra 的評測指出,模型難以辨識自身知識盲點,輸出內容亦很難理解。處理長任務時,它會反覆兜圈,使用體驗令人沮喪。
Fireworks AI 以多項專項基準比較 MiniMax M3.1 Flash 與多個閉源模型,結果顯示它在部分編碼比較中完成量較高,但在網頁研究、銀行客服、臨牀問答及報税任務中的表現不一。
Fireworks AI 比較 Kimi K3.1 Pro 與 K3 及其他模型在 Agent 任務上的表現、模型成本和執行時間;K3.1 Pro 在 17 項共同基準中的 14 項得分高於 K3,但不同工作負載呈現不同取捨。
文章整理 Agent 常用的爬取、搜尋和瀏覽器 API 公開價格,並統一換算為每 1,000 次的費用,以比較網頁閲讀成本。作者指出,積分倍率會影響價格比較。
Daniel Chappell 將智能體常用的網頁擷取、搜尋及瀏覽器 API 公開價格統一換算為每 1,000 頁成本,分析每月閲讀 100,000 頁的費用。
這份指南比較 QA.tech、Checkly、Meticulous 及 GitHub Actions 中的 Playwright,分析它們如何在 Vercel 和 Netlify 預覽部署觸發測試、處理保護限制及把結果回報 PR。
Gemini 4 Hydrogen 在 Artificial Analysis Intelligence Index 的預設 high 思考層級得分為 51,高於 Argon 的 50,xhigh 得分為 54。
推薦理由:文章把 Gemini 4 Hydrogen 的分項基準、思考層級與任務成本並置,呈現綜合指數背後的工作類型取捨及路由判斷依據。
作者實測 TapNow 的 CreativeOS 2.0、Cinemap、Monta 和 Fable 5.2 Lab,展示語音互動、3D 白模參考、AI 剪輯及 Code video 的製作流程。
Headron 公佈其基準結果,Claude 三種配置在 138 項任務中使用 Headron 答對 137 項,未使用時答對 78 項。另一次路由測試記錄的提示詞 token 比整棵程式碼樹路由少 89%;驗證紀錄共 17,397 項,涵蓋 PASS、REUSED、FAIL 與 NOT RUN。文中指出各數據來自不同測試套件,並非合併的整體準確率,也不是獨立業界基準。
Emmanuel Mumba 在 Windows 實測 Respan Gateway,展示它可把 Anthropic Messages 格式請求轉成 Gemini 呼叫,並在上游失效時切換至備援供應商。
ASUS ProArt P16 是面向創作者、開發者及 AI 愛好者的 RTX Spark 便攜工作站,評測認為它是這類新型電腦首代產品中表現最佳的一款。它機身輕薄,配備具抗反射效果的 tandem OLED 螢幕,並採用 Windows 11 on Arm。缺點包括價格高、負載時機身過熱且風扇嘈吵、電池續航力低於平均水平。
作者以 Claude Code 2.1.325 在 Anode 的隱藏 Windows 工作階段進行六次測試,5 次完成修正、重建及檢查流程。桌面監測涵蓋 8,491 個樣本,沒有應用程式或 Anode 成為前景視窗,也沒有無輸入時的指標移動。
四款模型在同一智能體及工具設定下接受含 22 種攻擊的測試,全部至少一次服從藏在文件或工具輸出中的隱藏指令。gemini-3.5-flash 僅完成 19/22 個場景,發現數/Critical 數為 1/0;qwen3.8-27b 為 2/1,gpt-oss-120b 為 10–11/4,gpt-oss-20b 為 10/5。
Palo Alto Networks 獲評 2025 IDC MarketScape 全球事故應變服務領域的領導者。其 Unit 42® IR 團隊運用 AI、自動化及威脅情報加快根本原因分析、遏止攻擊和清除威脅行為者。公司亦指出,其技術整合可縮短調查時間、減少風險,並協助客戶提升事件準備能力和網絡韌性。
據 Bloomberg 報道,Vals 對八間公司的 AI 模型進行模擬測試,發現它們曾把平民、救護車、投降士兵及伊朗一所學校標為軍事目標。其中,Claude Opus 5.5 在 32 次衞星影像任務中 22 次選中 Minab 一所學校;被告知任務是遊戲後,它選中該校 23 次,三款 OpenAI 模型則分別選中 9、11 及 13 次。
作者在 Codex 的研究設定檔中以免費層測試 Parallel 的 MCP Search,web_search 答對 Rust 當時的穩定版 1.99.1,但引用第三方部落格;web_fetch 一次讀取 App Store 頁及私隱政策,擷取內容與人工閲讀相符。
作者以 ChatGPT Images 測試流程圖與長條圖的生成及編輯,並用逐項核對和像素測量檢查結果。流程圖一次生成符合要求,原始長條圖柱高與指定數值的比例誤差約在 1% 內;但把 Tue 數值由 25 改為 20 後,柱高只相當於約 22,標籤與圖形不一致。流程圖標籤編輯後,各框區域仍有約 3–6% 像素不同;數值編輯失誤僅是單次觀察,不能據此推算失敗率。
Intel 公佈 D270「Crescent Island」GPU 的基準測試,稱其在 FP64 金融工作負載中效能最高達 NVIDIA RTX PRO 6000 Blackwell Server Edition 的 5.9 倍。
Ecovacs Goat A3000 Lidar Pro 內置線式修剪器,讓機械人割草機也能修剪草坪邊緣;評測者使用逾六星期測試這項功能。它會結合 lidar 和視覺感測器辨認邊界,但修剪效果不穩,有時會漏剪或未能貼近圍欄。
CNET 評測 Xiaomi 18 Pro Max,認為背面副螢幕有實際用途,可顯示通知、作為拍攝取景器與提詞器,亦可按提示詞生成簡單應用程式。測試中,應用程式生成約需 5 分鐘,功能有限且部分要求未能成功;相機配備 200-megapixel 主攝及長焦鏡頭,主攝採用 LOFIC 技術。手機將在英國及歐洲其他地區發售,美國則沒有官方銷售。
The Verge 編輯 Antonio G. Di Benedetto 將 13 吋、8GB 記憶體版 Surface Laptop 更新至 Windows 11 26H2 後,發現多標籤頁使用時的卡頓和 Chrome 重新載入情況減少。
Xiaomi 18 Pro 系列可讓用戶透過生成式 AI 描述輕量應用或功能,並嘗試生成供背面屏幕使用的迷你應用。Xiaomi 表示正式推出時會提供超過 50 款預設應用,但作者在 Xiaomi 17 Pro 上使用時,可選內容較少。作者發現生成和修改速度較慢,結果亦未必符合提示要求;功能需要互聯網連線,文中未能確認生成是否在裝置上進行。
The Verge 編輯 Antonio G. Di Benedetto 將 8GB 記憶體的 13 吋 Surface Laptop 從 Windows 11 25H2 更新至 26H2 後,發現多工操作和 Chrome 分頁切換明顯改善。
CNET 評測 Google 與 Xreal 合作的 Xreal Aura,給予 7.0 分;這款 Android XR 眼鏡可運行多個 Android 應用程式和部分 VR 應用程式。
作者實測 @structured-world/gitlab-mcp 12.1.0,説明它以 CQRS 分隔讀取與寫入工具,並按 GitLab 實例能力篩選工具。
文章以 60 組問題對測試詞彙式語義快取,發現所有測試門檻都會重用部分錯誤答案;測試沒有使用神經嵌入模型。相似度門檻由 0.80 提高至 0.96 時,快取重用次數由 30 降至 8,錯誤重用則由 6 降至 3。作者建議用自有問題集測試,並按用戶、權限、對話及來源資料版本限制重用範圍;反向換算問題仍可能通過簡單檢查。
Apple TV 4K(第 4 代,2026)是功能強大的無廣告串流播放器,但主要適合 Apple 用戶,其他用戶未必覺得值得購買。A19 處理器據稱帶來 50% 速度提升,機身內置三個咪高峯,方便搜尋影片,但仍須用遙控器播放內容。設定及使用 Siri AI 等功能需要相容的 iPhone,售價則為 $300。
Hugging Face、Replicate 與 Together AI 的比較顯示,三者分別在模型生態、部署易用性及推理效能上各有優勢。Together AI 推理延遲較低,適合高用量 API 使用;Replicate 部署自訂模型較簡便,Hugging Face 則是探索及部署模型的良好起點。
Saurabh Bhayana 的指南整理 Claude Fable 5.2 的定價、Anthropic 公佈的基準測試,以及它與 Mythos 5.2、Opus 5.5 的差異。
推薦理由:文章比較 Anthropic 的基準與工作成本估算,指出 Fable 5.2 雖然每個 token 收費是 Opus 5.5 的兩倍,部分測試的單項任務成本仍較低。
Apple Watch 的 Siri Recap 和 Live Rewind 測試版經一週體驗後,摘要準確度不及 Amazon Bee、Granola 和 Otter。相關功能帶來的私隱取捨,少有合理性。