TAG

#大型語言模型

7 篇文章

TechLab 所有關於「大型語言模型」嘅文章、評測同教學，由最新排起。

AI coding 工具塞滿唔同供應商嘅模型，睇落選擇多，實際每次開工都要重新估速度、成本同能力。Claude Code 用較短嘅模型清單減少切換成本，Sonnet、Opus、Haiku 亦有清楚分工，不過呢套做法同時綁住 Anthropic 生態。

Kimi K3 公開咗 2.8T 參數模型權重，主打 1M context 同 coding agent。不過一般開發者多數只會經 API 用，token 單價亦未必等於整項工作平；硬件、agent 效率、授權同資料安排都要逐樣計。

Moonshot AI 推出 Kimi K3，靠前端 coding、百萬 token context 同較低 API 價錢搶眼球。獨立評測顯示佢部分能力已經貼近頂級模型，不過速度、幻覺、agent 相容性同企業資料處理仍有數要計，現階段較適合小規模試跑。

Moonshot AI 推出 2.8T 參數 Kimi K3，喺 Frontend Code Arena 排第一，API 價亦低過 Claude Fable 5 同 GPT-5.6 Sol。不過 benchmark 未足以證明整體 coding 稱王，而完整權重、授權同香港帳戶支援仍有幾個問號。

F5 用 40 篇藏有危險步驟嘅故事，測試 26 款前沿 AI 模型，單輪越獄平均成功率達 71.3%。呢個數字唔代表所有模型平時都有同等失守機會，卻提醒公司揀模型時，能力榜同安全回應同樣要睇。

Oversight Board 測試 10 款主流模型，發現佢哋生成政治批評素材時，面對言論限制較多嘅政權，拒答率由 14% 升到 34%。研究未足以證明 AI 公司主動審查，但揭出模型可能將目標國家嘅法律同政治風險，帶到境外用戶面前。

Google AI Overviews 被發現連 Google 有幾多個 P 都答錯。問題唔止係串字失手，而係 LLM 以 token 處理文字，令 AI 搜尋摘要喺規格、價錢、醫療、法律同財務資料上更需要交叉核對。