AI小貼士

By Kit 小克 | AI Tool Observer | 2026-09-11 🇹🇼 GPT-6 Astra評測：最貴旗艦模型，跑分卻不是最強 GPT-6 Astra 是 OpenAI 於 2026 年 9 月 3 日發布的最新旗艦推理模型，官方稱它是「全球最聰明、最對齊」的 AI。但實際用起來值不值這個價？跑分是不是真的最強？這篇用真實數據拆給你看。 定價：比 GPT-5.6 Sol 貴 2.5 倍 GPT-6 Astra 的標準 API 費率是每百萬 token 輸入 10 美元 、輸出 50 美元 ，快取輸入 1 美元、快取寫入 12.5 美元。這個價格是上一代 GPT-5.6 Sol 促銷價的 2.5 倍，剛好跟 Anthropic Claude Fable 5.1 的頭牌報價打平。上下文窗口官方標示約 100 萬 token，主打長文件、長對話與多步驟 agent 任務。 跑分好看，但不是全面最強 OpenAI 公布的數據確實漂亮：ExploitBench 拿下 100%、ARC-AGI-3 有 98.6%、FrontierMath Tier 4 v2 達 97.6%，DeepSWE v1.1 則是 74.1%；在最高推理強度下，幻覺率也從上一代的 92% 降到 51%。 不過第三方評測機構 Artificial Analysis 給出不太一樣的畫面：在整體 Intelligence Index （智能綜合指標）上，Claude Fable 5.1 拿下 66 分， GPT-6 Astra 只有 61 分；在專門針對寫程式代理任務的 Coding Agent Index 上，Fable 5.1 一樣以 70 比 67 領先。換句話說，OpenAI 自稱「全球最聰明」，獨立測試卻顯示它跟 Claude 打平甚至略輸，價格卻一樣貴。而 51% 的幻覺率，說白了就是就算開到最高推理強度，還是有一半機率一本正經講錯話，這點官方沒有大肆宣傳。 首款觸發「關鍵網路攻擊」門檻的 AI 比跑分更值得注意的是安全面： GPT-6 Astra 是 OpenAI 依照自家 Preparedness Framework 評出的第一款達到「 Critical（關鍵） 」網路安全能力等級的模型——意思是只要給它合適的工具與存取權...

By Kit 小克 | AI Tool Observer | 2026-09-10 🇹🇼 DeepSeek V4.1 Flash評測：48小時限時Beta，編程強知識弱 DeepSeek V4.1 Flash 是DeepSeek在9月9日悄悄放出的限時測試模型，主打原生多模態架構，但這場實測只開放48小時，9月10日就要下線——也就是說，你現在讀到這篇文章的當下，它很可能已經關掉了。這正是這次話題的核心：一家中國AI公司用「快閃beta」的方式，讓全世界幫它跑分，隨時可以喊停走人。 DeepSeek V4.1 Flash是什麼：架構大改版 與8月21日發布、只是在文字模型外掛視覺套件的V4-Flash-Vision-Exp不同，DeepSeek V4.1 Flash把文字、圖片、語音輸入直接整合進模型架構本身，是V4系列自今年4月發布以來最大的一次架構更新。技術規格上它是552B參數的MoE模型，採不對稱設計：輸入端只啟動8B參數，輸出端啟動16B參數，這也是它能維持低成本的關鍵。 跑分實測：編程、資安贏過旗艦模型，知識類明顯落後 在多項第三方跑分中，DeepSeek V4.1 Flash表現出乎意料。資安測試CyberGym拿下88.1分，超過GPT 5.6 Sol與GLM 5.3的84.5分；軟體工程測試DeepSWE v1.1拿下74.2分，微幅超過Claude Opus 5的74.0分；自動化任務Automation-Bench更以54.8分領先Opus 5的50.3分。 但這不代表全面超越 ——知識類測試HLE上，Opus 5拿56.3分，V4.1 Flash只有36.8分；終端操作測試Terminal-Bench 3.0上，Opus 5更以43.3分大幅甩開它的30.0分。簡單說：這是一個被刻意調校去打「agentic與編程」戰場的模型，知識廣度不是它的主場。 便宜到誇張，但別急著All In 價格才是真正吸睛的地方。離峰時段輸出價格每百萬token只要0.6美元，是Claude Opus 5每百萬token 25美元的四十分之一以上；尖峰時段也還維持在約二十分之一的水準。在OpenDesign Arena的設計任務測試中，V4.1 Flash只花5.3分鐘、0.023美元完成，同等任務GPT-6 Astra要價...

By Kit 小克 | AI Tool Observer | 2026-09-04 🇹🇼 GLM-5.3-Flash評測：神秘模型現形，價格僅Opus的1/30 GLM-5.3-Flash 這幾天在開發圈炸出一則有趣的偵探故事：8 月 20 日到 26 日，OpenRouter 上悄悄出現一個代號「Ox Alpha」的匿名模型，免費開放測試。短短六天，它就衝上 OpenRouter 使用量冠軍，還吃下超過 10% 的 OpenCode 流量。開發者靠著比對 tokenizer 輸出、影片 token 消耗模式，以及一些「很 GLM」的錯誤訊息，拼湊出它的真實身分。8 月 26 日，中國 AI 實驗室 Z.ai 正式承認：Ox Alpha 就是他們的新旗艦 GLM-5.3-Flash ，權重同步上架 Hugging Face。 GLM-5.3-Flash 規格：320B 參數，MIT 授權開源 GLM-5.3-Flash 是 GLM-5 系列第一個原生多模態模型，支援文字、圖片、影片輸入，採 320B 總參數、18B 啟用參數的 MoE 架構，context window 拉到 100 萬 token。架構上使用混合稀疏與線性注意力機制，搭配 Z.ai 自稱的「Manifold-Constrained Hyper-Connections」，官方數據顯示長文本情境下注意力運算量少了約 3 倍、KV cache 縮小超過 4 倍。最重要的是，這次是 完全開源的 MIT 授權 ，想自架部署沒有任何限制。 跑分逼近 Claude Opus 4.8，價格卻只要三十分之一 在 Z.ai 自家的 Code Bench（max effort）上，GLM-5.3-Flash 拿下 29.0 分，只小輸 Claude Opus 4.8 的 29.5 分；在 DeepSWE v1.1 上，分數從上一代 GLM-5.2 的 46.2 直接跳到 63.4。更狠的是效率：在 High effort 設定下，GLM-5.3-Flash 只用約 5 萬個輸出 token 就拿到 31.4% 的成績，Opus 4.8 卻要燒掉約 12 萬個 token 才有 29.5%。定價方面，輸入 $0.15/M、輸出 $0.50/M、快取輸入 $0.03/M，相較 Opus...

By Kit 小克 | AI Tool Observer | 2026-08-07 🇹🇼 Qwen3.8-Max評測：阿里2.4兆參數模型開源迎戰Fable 5 Qwen3.8-Max 是阿里巴巴8月3日發布的最新旗艦模型，總參數量來到2.4兆、每次推理啟用950億參數的MoE架構，官方公布的評測數字直接對標Claude Fable 5與GPT-5.6。這是阿里近期少數願意開源的Max等級模型，也讓「中國模型追平美系旗艦」的話題再度成為焦點。 Qwen3.8-Max規格與定價多少？ Qwen3.8-Max是2.4兆參數的混合專家（MoE）模型，實際啟用參數約950億，支援文字、圖片、影片輸入，單次可處理高達100萬token的上下文。API目前已上線阿里雲Model Studio，價格為每百萬輸入token 2美元、輸出token 6美元，快取token則是每百萬0.25美元，同時提供OpenAI相容與Anthropic相容介面，理論上把Claude Code或Codex的設定改個幾行就能接上。 Qwen3.8-Max真的贏過Fable 5和GPT-5.6嗎？ 阿里公布的內部評測顯示，Qwen3.8-Max在OSWorld-Verified、Terminal-Bench 2.1等代理型任務上分數領先GPT-5.6與Claude Fable 5，在Arena.AI的文字類排行榜上也一舉衝上中國模型第一名。但要注意這些數字目前全部來自官方自報，第三方尚未有機會用開源權重獨立覆現，加上不同媒體整理出來的分數版本差異不小，建議先當參考、別直接當成定論。 開源時程與對開發者的實際意義 阿里表示Qwen3.8-Max的開源權重會「下週」釋出，這將是Qwen系列第一個Max等級的開源模型，也代表阿里從先前把旗艦模型收緊為閉源，重新轉向開源策略。對開發者來說重點有三： 先API後開源 ：現在只能透過付費API測試，真正能自架、微調要等權重釋出，屆時才有機會驗證官方數字是否誇大。 定價具競爭力 ：每百萬token 2/6美元的組合，比多數美系旗艦模型便宜，適合先拿來做大量呼叫的原型測試。 相容層省事 ：OpenAI與Anthropic雙相容介面，讓既有的agent workflow遷移成本降低，但複雜推理、安全性仍建議實測再上生產環境...