頂尖模型疑阻礙本地 AI 部署：GPT-5.6 Sol 與 Claude 表現引爭議
使用者反映，在使用 GPT-5.6 Sol 和 Claude 等頂尖大型語言模型協助建立本地 AI 環境時，模型表現常顯得不佳甚至反效果。具體問題包括自動加入不必要的防護機制、移除使用者明確指定的工具，以及偏離原始需求，導致開發者需反覆修正才能得到複雜且非預期的結果。 此外，這些模型在提供建議時常推薦過時的模型，例如 Qwen3-Coder-Next…
最新 AI 新聞
第 41 / 61 頁，依本站收錄時間整理（台灣時間），不代表原文發布時間。
夏洛特 Microcenter 現數十張 RTX 5090 庫存，顯示短缺情況或將改善
一名 Reddit 用戶在夏洛特的 Microcenter 發現庫存中有數十張 RTX 5090 顯示卡及兩張 RTX Pro 6000 96GB 專業卡。相較於前幾個月僅有單張庫存的情況，此次庫存量顯著增加。RTX 5090 售價約為 4,000 至 6,000 美元，而 RTX Pro 6000 則售價為 14,000 美元。
Claude Fable 5.1 在 SimpleBench 基準測試中超越人類基準
Anthropic 的 Claude Fable 5.1 在 SimpleBench 推理基準測試中取得了 86.6% 的分數，超越了 83.7% 的人類基準。這一里程碑突顯了快速的進展，因為 Gemini 3.8 Flash 等其他模型也展現了強大的性能，分數超過 82%。 這項成就標誌著前沿 AI 模型現在能夠在需要基本常識推理和語言韌性的任務上穩…
班艾佛列克與 AI 執行長誰更懂生成式 AI 的未來
Reddit 社群將班艾佛列克於 2024 年 11 月對電影業生成式 AI 的預測，與當前 AI 執行長進行比較。討論指出，艾佛列克已將其 AI 公司出售給 Netflix 並擔任顧問，這為他的商業觀點增添了可信度。這種比較展示了 AI 時代名人直覺與技術現實之間的差距，顯示非技術人物如何準確預測產業轉變。它強調了在 AI 重塑內容創作時，理解其創意…
陶哲軒提議將部分數學問題設為 AI 解題禁區
菲爾茲獎得主陶哲軒提議將部分開放的數學問題設為 AI 解題禁區，以保留用於訓練和評估的「未受污染」基準測試。此提案旨在解決日益嚴重的訓練資料污染問題，即模型在學習階段可能已經看過答案。 此提案的重要性在於，基準測試污染目前使得難以驗證 AI 是真正學會了解題方法，還是僅僅背誦了答案。保留未受污染的資料集對於準確衡量 AI 進展及開發新的數學技術至關重要…
Google 推出 Gemini 3.8 Flash 與 Cyber 模型
Google 正式推出 Gemini 3.8 Flash 與 Gemini 3.8 Flash Cyber 兩款新模型。其中，Gemini 3.8 Flash 的智慧分數達到 59 分，與 Anthropic 的 Opus 5 medium 並列，展現出強大的競爭力。 在應用層面，這些模型在軟體工程和網路安全領域表現優異，同時維持了低延遲與低成本的优…
Perplexity AI 依賴三個網站生成逾 21.5 萬個「最佳軟體」頁面
分析指出，Perplexity AI 僅從三個經過 SEO 優化的網站，生成了超過 215,000 個「最佳軟體」推薦頁面，形成了一個狹窄的資訊生態系。這種高度依賴導致來源重複，並增加了搜尋結果中出現 AI 幻覺的風險。研究確認，這些製造出來的來源被 Perplexity 大量引用，通常導致不同查詢產生相同或幾乎相同的推薦結果。
審計顯示 Perplexity AI 三分之一引用內容不符
一項外部審計指出，Perplexity AI 約三分之一的引用連結並未包含其所聲稱引用的具體資訊，顯示其搜尋摘要中存在顯著的幻覺問題。審計特別發現，這些連結經常指向僅間接支持主張或完全引用不同內容的來源。此現象突顯了 AI 搜尋工具在可靠性上的差距，不僅影響依賴摘要獲取資訊的用戶，也對引用準確性至關重要的法律等產業造成潛在影響。
神經網路展現雙射符號結構
最新研究證明，神經網路的向量表示可以用閉式符號結構方程取代，同時保持原有行為，此結果在列表操作網路與大型語言模型中均得到驗證。這表明神經網路中出現了雙射符號結構，為複雜 AI 系統的解析式蒸餾提供了可能性。 這項發現提供了一條計算高效的解析式蒸餾路徑，有望讓模型在晶片等小型裝置上運行，而非依賴龐大的資料中心。此外，它透過揭示神經網路中更深層且數學上可…
BenchMIRT 研究揭示 LLM 基準測試的潛在構念與重疊性
BenchMIRT 研究分析了 16 項基準測試中 100 個大型語言模型的結果，涵蓋超過 34,000 道題目，以識別實際測量的潛在構念。研究顯示，包括 MMLU-Pro 和 GPQA 在內的多個熱門基準測試共享重疊的潛在因素，而非測量獨立的能力。 該研究對 60 個模型與 44 個基準測試的效能矩陣進行了因子分析，揭示了內在的低秩結構。其中六項基…
Paint.NET 利用 AI 重寫 Direct2D 以支援 WINE
Paint.NET 開發者 Rick Brewster 宣布，該應用程式現已包含由 Claude 生成的 Direct2D API 內部重寫版本，以啟用 WINE 相容性。由於 WINE 對原生 Direct2D 的支援尚不完整，這項自訂實作讓軟體得以在 Linux 上運行。 這個由 AI 生成的模組名為 PaintDotNet.Windows.Di…
OpenAI Astra 模型據報採用潛空間推理，突破文本思維鏈限制
據報導，OpenAI 已將其即將推出的模型 Astra 訓練為在連續潛空間中進行推理，而非依賴明確的文本式思維鏈。這種架構轉變使模型能夠更高效地處理抽象資訊，而無需生成冗長的文本軌跡。 這項進展標誌著前沿 AI 模型的重大技術轉變，可能提供更高的運算效率以及推理難以用文字描述的觀念的能力。潛空間推理利用高維向量來編碼思想，從而實現多路徑探索並支援廣度…
LWN.net 宣布 9 月 15 日起調漲訂閱費，新增 EPUB 功能獲讚
LWN.net 宣布自 9 月 15 日起調漲訂閱費用，並強調新增 EPUB 格式支援等功能。此訂閱模式於 2002 年底採用，使 LWN 能夠保持編輯獨立性，不受廣告商影響。新功能包括提供 EPUB 格式，方便在電子書閱讀器上離線閱讀，使用者指出這是維持訂閱的重要原因。近期在 Hacker News 上的討論熱烈讚揚了該網站持久的品質與讀者資助模式。
Mistral AI 調整資料政策：非企業級預設納入模型訓練
Mistral AI 更新了資料政策，針對非企業級用戶，其輸入與輸出資料現預設納入模型訓練；相對地，企業客戶則維持預設不參與訓練。這項變動意味著一般使用者若不希望資料被用於訓練，必須主動選擇退出。此變更主要影響標準 La Plateforme API 與消費者級別，而企業部署則持續提供集中的隱私控制功能。儘管存在差異，使用者仍擁有完全的控制權，可隨時透…
LZ暗物質探測器捕捉單一異常粒子，物理學家呼籲謹慎解讀
LZ 暗物質探測器記錄到一個偏離預期背景噪音的異常事件。該事件發生於使用 7 噸液態氙的探測器中，可能暗示著新物理現象，特別是尋找弱相互作用大質量粒子（WIMP）的潛在突破。 研究人員指出，該信號僅達到「3西格瑪」的統計顯著性，意味著由隨機噪音引起的機率約為 0.3%。物理學家警告，在獲得更多數據前，尚不足以宣稱發現新事物，且需進一步調查以排除設備故…
GrapheneOS 確認 Pixel 11 具備 MTE 硬體支援
GrapheneOS 確認 Pixel 11 在 Android 17 QPR2 Beta 4 版本中支援 Arm Memory Tagging Extension (MTE)，推翻了先前對硬體安全功能缺失的擔憂。這項發現顯示 Google 的預設軟體版本可能因潛在的 errata 或效能問題而故意停用 MTE，引發關於 Google 軟體最佳化選擇的…
AISLE 發現六個 OpenAI 與 Anthropic 錯過的 Curl CVE
AISLE 在 curl 函式庫中發現了六個 Common Vulnerabilities and Exposures (CVE)，這些漏洞此前被 OpenAI 和 Anthropic 的 AI 工具錯過。此發現突顯了 AISLE 自主代理 Mythos 在識別廣泛使用的程式碼庫中安全缺陷的能力。 AISLE 共報告了 29 個問題，但僅有六個獲分配…
Anthropic 推出 Claude 內容驗證工具
Anthropic 在 claude.com/check-content 推出了新工具，讓使用者能透過檢查嵌入的 C2PA 元資料，驗證檔案是否由 Claude 生成。此功能利用加密簽署的來源資料，實現對 AI 生成內容的檢測，並依賴 C2PA（內容來源與真實性聯盟）的清單，這些是記錄資產來源與修改歷史的加密簽署元資料結構。 此舉有助於符合歐盟《AI…
Multiverse Computing 推出 Quasar 438B，宣稱為歐洲領先 AI 模型
Multiverse Computing 推出了 Quasar 438B，這是一款宣稱為歐洲領先的壓縮大型語言模型。該模型採用稀疏專家混合架構，據稱在大幅減少參數數量的同時，達到了與 GLM 5.2 相同的性能表現。 Quasar 438B 在 Artificial Analysis 智慧指數中得分為 43，編碼指數得分為 61.2。社群討論指出該模…
Google 推出 Fairwind 計畫，賦能政府與企業主動防禦 AI 威脅
Google 正式推出 Fairwind 計畫，這是一個限制存取權限的專案，旨在讓政府機構與信賴夥伴能提前使用先進的 AI 網路防禦工具。該計畫透過 Gemini 3.8 Flash Cyber 和 CodeMender 等模型，協助這些機構大規模自動發現並修復漏洞，從而在 AI 驅動的威脅環境中搶得先機。 此計畫彌補了 Google 尖端 AI 能…
Google 推出 Gemini 3.7 Flash 與學生免費方案
Google 宣布推出 Gemini 3 系列最新版本 Gemini 3.7 Flash，並為符合資格的大學生提供一年免費訂閱方案。該方案包含進階 AI 功能及專屬學習中心，協助學生整理筆記與建立閃卡。Gemini 3.7 Flash 針對多步驟協調、全端程式碼重構及通用推理進行優化，評估涵蓋編程、代理工具使用及長上下文能力。註冊學生方案需綁定有效付款…
IBM 輕量級時間序列模型與 Confluent 整合，實現即時預測分析
Hugging Face 部落格詳細介紹了 IBM 的超輕量級時間序列基礎模型（如 Granite）與 Confluent 串流平台的整合。此結合彌合了高容量資料串流與 AI 驅動預測之間的差距，使企業能夠對連續資料串流進行即時預測分析，並讓金融和物聯網等產業得以進行即時決策。 IBM 的模型（包括 Flowstate 和 Tiny Time Mix…
Claude 新系統提示詞嚴格限制歌詞 reproducing
Anthropic 重新整理了 Claude 消費者應用程式的公開系統提示詞，並在 Fable 5.1 模型中新增了指令，要求避免完整或局部 reproducing 歌詞、詩句或書籍段落。此次更新還包含了提示詞的歷史版本記錄，並透過 Markdown 格式使文件對機器可讀。 這種透明度策略有助於開發人員理解模型行為與版權限制，特別是針對音樂歌詞等智慧財…
Claude Fable 5.1 科學基準創新高，鸕鶿測試顯現推理層級差異
Anthropic 發布 Claude Fable 5.1，該模型在新推出的 Terminal-Bench-Science 基準測試中獲得 52.6% 的成績，大幅領先 GPT-5.6 Sol 等競爭對手。Fable 5.1 在 Terminal-Bench-Science 0.1 中獲得 52.6% 的分數，高於 Fable 5 的 24.7% 和 …
Simon Willison 推出 AI 輔助建構的 GeoJSON 地圖檢視器
Simon Willison 推出了一款新的 GeoJSON 地圖檢視器工具。該工具是透過使用 GPT-5.6-Sol 進行初始設計，並結合 Claude Code 與 Fable 5.1 進行實作的迭代工作流程所建構。此工具允許使用者從網址載入 GeoJSON 檔案，並將地圖視覺化結果匯出為 PNG 影像。使用者可以輸入 GeoJSON 網址，調整顏…
Qwen 憑藉延伸推理與後訓練技術提升效能
Reddit 用戶指出，Qwen 與 DeepSeek 及 GLM 等模型透過延伸推理與後訓練技術，取得了顯著的效能提升。討論中提到，即便 Qwen 4 尚未發布，這些模型已展現出能匹敵甚至超越大型專有系統的實力。此趨勢強調了後訓練在初始預訓練之外，對優化大型語言模型以使其更具實用性與領域專屬性的關鍵作用。同時，它也引發了關於本地開源權重模型在編碼與推…
H3-World：以語言指令精確控制角色與相機運動
H3-World 是一款新型視頻生成模型，能夠透過語言指令，以高時間精度精確控制角色與相機的運動。該模型為每個視頻潛在時間間隔分配一個動作提示，確保動作隨時間變化時仍能保持精確。效率方面，H3-World 僅使用 8,000 個遊戲樣本、10,000 個 LoRA 步驟，以及僅佔 0.199% 的可訓練參數，便實現了可控的角色與相機運動。此外，該模型展…
CMP 170HX 顯卡高故障率引發可靠性爭議
一位 Reddit 使用者報告，其購買的五張 CMP 170HX 顯卡中，有兩張在兩週內失效。其中一張在啟動 vLLM 時立即掉線，另一張則出現 CUDA 錯誤。此外，第三張顯卡被發現帶有損壞的張量核心。這些故障發生在使用 vLLM 進行推論期間，顯示 GPU 的記憶體與運算單元承受了較大壓力。此事件突顯了這些專為礦機設計的顯卡在品質控制上的重大問題，…
開發者因風格一致性問題，從 Qwen 3.8 退回使用 3.6 進行程式碼編寫
一名開發者分享在本地編程任務中從 Qwen 3.8 退回使用 3.6 的經驗，指出儘管 3.8 的基準測試分數很高，但它傾向於過度設計簡單的腳本，且無法保持代碼風格的一致性。 這突顯了現代大型語言模型中的一個關鍵權衡：基準測試的高分並不總是能轉化為實際可用性，特別是在開發者工作流中對於指令遵循一致性和代碼風格保持方面的表現。 觀察發現 Qwen 3.8…
使用 SlotStream 在 48GB Mac 上運行 104GB Qwen3.8-Flash-Next
使用者使用 SlotStream 在 48GB Mac 上成功基準測試了 104GB 的 Qwen3.8-Flash-Next 模型，達到每秒約 12 個 token 的速度。該測試突顯了由於記憶體交換（swap）導致的提示詞處理階段顯著的性能波動。 這證明了只要記憶體管理得當，大型混合專家（MoE）模型即可在記憶體小於模型總大小的消費級硬體上運行。它…