
Sign up to save your podcasts
Or


從現代 Web 指南到代理協作:Modern Web Guidance 1.0 與 Antigravity 新工作流
Chrome for Developers 於 2026 年 11 月 13 日宣布 Modern Web Guidance 1.0 進入穩定版;Google Antigravity 則在 11 月推出 /swarm 預覽與 Dynamic Workflows。前者讓 coding agent 查找網頁開發指南,後兩者安排多個代理如何合作,解決的是不同問題。現有來源沒有說這些工具已整合。
Chrome for Developers 的 Modern Web Guidance 案例拼貼,包含多個產品與成效案例;圖中數字各自來自不同案例,不是共同條件下的基準測試。
Modern Web Guidance:讓代理查找較新的網頁做法
Modern Web Guidance 是一套可安裝到 coding agent 的技能與指南,涵蓋 CSS、HTML、效能、表單、無障礙與安全性等主題。GitHub README 列出 250 項現代 Web 功能與 203 個開發情境。指南提供實作模式、瀏覽器相容性資訊,以及適用時的 fallback;代理可以依任務搜尋、取回特定指南,不必每次都載入整套內容。
基本安裝指令是 npx modern-web-guidance@latest install。README 也列出不安裝時的 search、retrieve 和 legacy-scan . 用法,以及 Codex 外掛安裝指令:codex plugin marketplace add GoogleChrome/modern-web-guidance,接著執行 codex plugin add modern-web-guidance@googlechrome。這些是官方提供的指令;本文沒有在本機安裝或測試。
指南由 Chrome、Microsoft Edge、Firefox 團隊及 MDN 社群共同維護,並使用 Baseline 相容性資料協助說明瀏覽器支援與 fallback。若專案要採用仍在試驗或尚未穩定的功能,README 說明可在 .mwgrc 設定明確選項,開放相關指南供代理取回。
公開評測公布了什麼?
README 的評測以真實 Web 應用程式中的模擬開發任務為基礎,再由 Playwright grader 檢查程式碼模式、計算後樣式、執行時 DOM 行為與無障礙狀態。它比較有無指南時 agent 任務的通過率。以下是 README 公布的 11 月 8 日快照;任務數與 assertions 數是不同欄位:
| 日期 | Agent/模型 | 任務/assertions | 無指南 → 有指南 | 差距 | |---|---|---:|---:|---:| | 11 月 8 日 | Codex CLI/gpt-6.1-sol | 215/1,795 | 54% → 82% | +28 個百分點 | | 11 月 8 日 | Antigravity CLI/gemini-4-argon | 214/1,673 | 58% → 94% | +36 個百分點 | | 11 月 8 日 | Claude Code/opus-5-5 | 215/1,801 | 57% → 88% | +31 個百分點 |
這些數字是專案 README 公布的特定評測快照,並非所有模型或實際專案的結果;README 另提供公開評測儀表板。
/swarm:代理透過共享看板協作
Antigravity 將 /swarm 描述為桌面 App 與 CLI 都可使用的預覽指令。使用者提出任務後,coordinator 會分派專門代理平行規劃、實作與驗證。官方文章說明,代理能在隔離的 Git worktree 工作,透過共享、追加式看板協調;App 側邊欄與 CLI 看板會顯示成員活動及 Graph 時間線。官方也提醒,多代理平行工作會比標準聊天更快消耗配額。
Google Antigravity 官方文章原圖,以 Gemini 4 Carbon 標誌作主視覺。
影片示範以 /swarm 啟動深色模式任務,並透過共享看板與 Graph 追蹤代理分工。
同一串 Antigravity 回覆中的影片展示 coordinator 將 Ed25519 token migration 分派給不同 worker worktree,並出現 verifier 與共享看板訊息。畫面仍在進行工作,沒有呈現最終驗證結果。
影片展示 coordinator 將 Ed25519 token migration 分派給多個 worker,並在共用看板呈現任務進度。
另一段影片切換共享看板與 Graph,顯示 verifier 回報兩個 worker worktree 的 28 項 race-enabled 測試通過。這是影片中呈現的代理回報,不是本文另行執行的測試。
影片切換共享看板與 Graph,顯示 coordinator、worker 與 verifier 的任務訊息和測試狀態。
成員列表中的模型選單則出現 Gemini 4 Carbon 與 Gemini 4 Argon,並標示切換模型時會保留對話歷史。官方文章也把較強模型描述為適合 coordinator、架構規劃與對抗式驗證等角色。
影片展示成員列表中的 agent 模型選單,並標示切換時保留對話歷史。
/run-workflow:先檢視腳本,再按階段執行
Dynamic Workflows 以 /run-workflow 啟動。Antigravity 文件說明,代理會依任務產生 Python 腳本,再讓使用者檢視;若目前權限沒有允許執行,腳本須先獲批准。工作流程以命名階段呈現進度,使用者可以查看 log、代理卡片和結果。每個代理有自己的對話,也能依 JSON Schema 回傳結構化結果。
Antigravity Dynamic Workflows 官方文件封面,標示 /run-workflow 與動態工作流程用途。
影片展示以 /run-workflow 啟動動態工作流程,檢視計畫與權限提示,並在旁窗執行唯讀模組盤點。
這段貼文影片展示 Python 模組檢查工作:使用者要求平行、唯讀盤點,介面顯示工作流程步驟與執行/讀取權限提示,接著代理開始檢查 repository。影片結束時仍在檢查,沒有顯示完成結果。
文件提供 parallel() 同時處理一組項目、pipeline() 依序處理,以及 phase() 和 log() 組織步驟與輸出。使用者也能請代理把腳本存進專案,以便之後再執行;文件指出,重跑時通常仍會依權限設定詢問是否批准腳本。核准工作流程腳本與各代理在自己的對話中提出操作許可,是兩個不同的檢視點。
「可預期的 scripted control flow」描述的是腳本安排步驟與代理交接的方式,不代表模型回答或程式修改必然正確,結果仍要檢查。官方文件列出的 Dynamic Workflows 使用範圍是 Google AI Pro 與 Ultra 的 Antigravity App 及 CLI。
兩者都把工作交給多個代理,但控制流程不同:/swarm 讓成員透過共享看板直接協調;/run-workflow 則由生成的 Python 腳本安排平行或串行階段,代理交回結構化結果。
兩種代理控制流程的比較;圖形不表示數值比例,產品流程說明也不代表輸出必然正確。
怎麼選?
| 需求 | 做法 | 協作方式 | |---|---|---| | 查找網頁平台 API、相容性與 fallback 指引 | Modern Web Guidance | 代理依任務搜尋並取回指南 | | 多個代理需要互相協調、共享進度或交叉驗證 | /swarm | 透過共享看板與成員互動 | | 工作可拆成重複清單或依序階段,且需要固定交接格式 | /run-workflow | 由可先檢視的腳本安排平行或串行代理 |
Modern Web Guidance 提供網頁開發知識,/swarm 與 /run-workflow 則處理代理分工。選擇時可看任務需要查找指南、即時協調,或按可檢視的腳本流程執行。
來源原始素材
以下保留本篇採用的來源圖片、縮圖與官方產品展示影片,圖說標示各素材所屬來源與畫面內容。
Antigravity 的 /swarm 影片原始縮圖,展示指令選單與共享看板入口。
Antigravity 影片縮圖,呈現空白新對話畫面與提示輸入區。
Antigravity Swarm 影片縮圖,展示深色介面與工作流程提示輸入框。
Antigravity Swarm 影片縮圖,展示共享看板中的協作訊息。
Antigravity 影片縮圖,顯示代理成員與模型選單介面。
Chrome for Developers 圖片以「Modern Web Guidance is now stable」…
Apex Neural Rendering 宣稱快至 2.4 倍:效能數字要先看測試條件
Apex Compute 的官方 X 主帖介紹 Apex Neural Rendering(ANR),宣稱相較 NVIDIA DLSS「最高快 2.4 倍、畫質更高」。貼文沒有說明這個倍數使用哪個一致的比較指標或測試方法。Apex 官網另列幀時間、GPU 記憶體與三種畫質指標;下表分開保留各表的列項與條件,這些都是供應商公布的數據,尚未獨立重跑。
主帖宣稱、官網幀時間條件與品質分數分列呈現;不同資料無法直接對應,數據由供應商公布且未獨立重跑。
先分清 ANR 的三項功能
ANR 包含幀生成(Frame Generation,FG)、超解析度(Super Resolution,SR)與光線重建(Ray Reconstruction,RR):幀生成插入生成影格,超解析度放大畫面,光線重建則用於光線追蹤降噪。主帖稱 FG 已可使用,SR 與 RR 模型仍在訓練;官方 GitHub README 把 FG 標為 beta,並稱 SR、RR 的 beta 即將推出。這些狀態都是 Apex 自行發布的資訊。
官方貼文附有一段約 57 秒的遊戲畫面。影片以左右分割方式呈現比較,左側標示 DLSS-G,右側標示 ANR FG。取樣影格也顯示戶外場景、室內走廊與樓梯,以及遊戲 HUD;影片展示的是比較畫面,不能單靠這些影格判定畫質優劣或驗證效能數字。
Apex Compute 官方影片以左右分割畫面展示標示為 DLSS-G 與 ANR FG 的遊戲片段。畫面呈現比較方式,不能單獨驗證畫質或效能主張。
Apex Compute 官方影片的來源海報,畫面標示 DLSS-G 與 ANR FG。
官網的效能表列了哪些條件?
官網將 RTX 5090、3840 × 2160(4K)列在 GPU time and memory 表的標題下。表中列出 2X 每生成一幀的時間、4X 平均每生成一幀的時間,以及 GPU 記憶體用量。每一列的指標不同,不能把它們合成同一個速度倍數。
| 測項 | ANR FG | NVIDIA DLSS Frame Generation | 官網列出的條件 | |---|---:|---:|---| | 2X,每生成一幀 | 1.01 ms | 1.26 ms | RTX 5090、3840 × 2160 | | 4X,平均每生成一幀 | 0.61 ms | 0.82 ms | RTX 5090、3840 × 2160 | | GPU 記憶體 | 214 MB | 562 MB | RTX 5090、3840 × 2160;該列未標示倍率 |
官網另有 Apple M2 Max 的原生 Metal 幀生成表。這張表以解析度為欄、幀生成倍率與測量方式為列,數值依序如下:
| Apple M2 Max 原生 Metal 測項 | 1920 × 1080 | 3840 × 2160 | |---|---:|---:| | 2X,每生成一幀 | 4.26 ms | 15.66 ms | | 4X,平均每生成一幀 | 2.52 ms | 9.25 ms |
三種畫質指標涵蓋 2X 至 6X
產品頁的品質表列出 CGVQM-5 平均 patch 分數、ColorVideoVDP 與 PSNR,各自比較 2X、3X、4X、5X、6X。以下照來源保留兩種方案的數值、差值和 95% 區間。產品頁沒有在這些品質表旁列出 GPU、解析度或完整測試方法;不要把 RTX 5090、3840 × 2160 條件從效能表移植到品質表。正差值是來源表所列差值,並非獨立測試結論。
| 指標/倍率 | ANR FG | DLSS FG | 差值[95% 區間] | |---|---:|---:|---:| | CGVQM-5,2X | 96.59 | 93.66 | +2.93[1.23, 4.85] | | CGVQM-5,3X | 94.99 | 90.81 | +4.18[1.84, 6.87] | | CGVQM-5,4X | 94.20 | 89.21 | +5.00[2.19, 8.25] | | CGVQM-5,5X | 93.72 | 88.39 | +5.34[2.37, 8.80] | | CGVQM-5,6X | 93.50 | 87.82 | +5.67[2.44, 9.37] | | ColorVideoVDP(JOD),2X | 9.24 | 8.77 | +0.48[0.18, 0.86] | | ColorVideoVDP(JOD),3X | 9.28 | 8.78 | +0.50[0.19, 0.90] | | ColorVideoVDP(JOD),4X | 9.30 | 8.79 | +0.51[0.19, 0.93] | | ColorVideoVDP(JOD),5X | 9.34 | 8.83 | +0.51[0.19, 0.94] | | ColorVideoVDP(JOD),6X | 9.36 | 8.86 | +0.51[0.19, 0.94] | | PSNR(dB),2X | 33.84 | 31.22 | +2.62[1.36, 3.77] | | PSNR(dB),3X | 34.28 | 31.60 | +2.67[1.41, 3.84] | | PSNR(dB),4X | 34.50 | 31.84 | +2.66[1.42, 3.81] | | PSNR(dB),5X | 34.65 | 31.99 | +2.66[1.42, 3.82] | | PSNR(dB),6X | 34.77 | 32.08 | +2.69[1.44, 3.86] |
Apex Compute 官方產品頁提供的 NVIDIA DLSS Frame Generation 對照畫面。
Apex Compute 官方產品頁提供的 ANR FG 對照畫面。
圖檔標頭註明,這組比較由真實影格 4、5 生成於 t=0.500;該時間沒有渲染影格。
Apex Compute 官方產品頁提供的《The Last of Us Part II》幀生成比較圖;圖檔標頭註明以真實影格 4、5 生成於 t=0.500,該時間沒有渲染影格;畫面標示 DLSS-G 310.9.16 與 Apex NR FG。
作者另附一張 4K benchmark 圖
Apex Compute 官方作者在 2026 年 11 月 11 日的回覆中附上 benchmark 原圖。圖面列出 4K、2X/3X/4X 幀生成,以及六個 GPU 型號與多種幀生成方案;圖上標示「Lower is better」,但沒有說明數值的單位或具體衡量項目。這是廠商發布的測試資料,不能視為獨立驗證,也不能據此推成所有 GPU 的支援範圍。
Apex Compute 官方作者回覆附上的 4K 幀生成效能比較原圖,涵蓋六款 GPU 與 Apex、NVIDIA DLSS-G、AMD FSR 3.1、AMD FSR 4 (ML)。原圖標示數值越低越好,但未標示數值單位;這是供應商 benchmark,並非獨立驗證。
這些資料各有明列範圍:RTX 5090 表提供 2X 與 4X 效能數值,Apple M2 Max 表列出兩種解析度下的 2X 與 4X 幀生成時間,三種品質指標涵蓋 2X 至 6X,作者回覆的原圖則比較六款 GPU。產品頁品質表與硬體效能表的條件不同,而作者圖未標示單位或具體測量項目;因此它們都不能單獨驗證主帖的「最高快 2.4 倍」宣稱。
原文:https://easyvibecoding.app/curated/3720-apex-neural-rendering-2-4x-test-conditions
黃仁勳即時辭任 NVIDIA 執行長,財務長柯蕾特・克雷斯暫代
2026 年 11 月 12 日,NVIDIA 公告黃仁勳即日起辭去總裁、執行長與董事職務。財務長柯蕾特・克雷斯暫代執行長,任內仍兼任財務長;董事會已開始尋找永久接班人,並表示會考慮內部與外部人選。公司公布了暫代安排與接班搜尋,尚未公布永久人選或辭任原因。
公告確認了哪些人事安排
董事會另任命哈維・瓊斯為 NVIDIA 首位董事會主席。這是與黃仁勳辭去董事職務分開的人事安排;公告沒有將主席職務描述為執行長接班。
接班安排分成三件事:柯蕾特・克雷斯暫代執行長並保留財務長職務;董事會另任命哈維・瓊斯為首位董事會主席;董事會仍在搜尋永久執行長,並會考慮內外部候選人。
依 NVIDIA 2026 年 11 月 12 日公告呈現職務安排;連線不代表比例或時程。
公告沒有列出永久執行長人選,也沒有提供完成搜尋的時間表。哈維・瓊斯在公告中表示,董事會預期公司營運、客戶承諾與產品路線圖會持續推進;這是董事長對後續營運的表述,不是已公布的新任執行長安排。
原貼文與正式公告說法有何不同
被選中的 X 貼文援引 Bloomberg 報導,稱 NVIDIA 正與外部公司合作尋找新執行長,並考慮暫代人選。NVIDIA 的公告確認柯蕾特・克雷斯暫代,也確認董事會會考慮內外部候選人,但沒有提到聘用外部招募公司。目前可由 NVIDIA 公告核對的是暫代安排與搜尋範圍;外部公司是否參與,這些公告沒有確認。
董事會調查是另一段背景
11 月 8 日,董事會表示,因應有關外國情報行動以黃仁勳為目標的報導,將進行獨立調查。董事會當時稱,沒有理由相信美國國安或 NVIDIA 機密遭到洩漏,同時表示調查會檢視所有可得資訊。11 月 10 日,獨立董事表示已聘請前紐約南區代理聯邦檢察官 Joon H. Kim 與 Wachtell, Lipton, Rosen & Katz 律師事務所進行調查。兩份聲明都沒有公布調查結論或完成日期;11 月 12 日的人事公告也沒有說明辭任與調查之間的關係。
原文:https://easyvibecoding.app/curated/3718-nvidia-ceo-transition-huang-resigns-kress-interim
Grok Bot 1.0 走進團隊工作:會議協作、主動接手與核准控制
Grok Bot 1.0 聚焦多人協作、主動處理工作與複雜任務能力的更新:Bot 可以在 Slack、Microsoft Teams 與視訊會議中參與協作,也能記住團隊如何做事、提出下一步,或在需要人判斷時把人拉進來。這是 xAI 官方對新版本的描述;實際適用方案、會議互動方式與敏感操作核准,都會影響團隊能怎麼使用。
Grok Bot 1.0 官方發布頁的 Open Graph 圖片。
日期要分開看:官方發布頁標示 2026 年 11 月 2 日,Roman Ugarte 的 X 貼文則記錄於 11 月 11 日。兩者是發布頁日期與作者貼文時間,並非同一筆發布紀錄。
從個人 Bot 轉向團隊共用
官方發布頁把 Grok Bot 1.0 的改變歸納為多人協作、主動處理工作,以及更能完成複雜任務。Team Bot 可以分享給特定同事或群組,並在 Slack、Microsoft Teams 與視訊通話中使用。Bot 會從與不同成員的合作中累積對團隊工作方式的理解;在對話裡,它也可以補充資訊、提出接手工作的建議,或在需要決策時請人介入。
Grok Bot 1.0 官方發布頁的 Slack 圖片素材。
產品頁將 Bot 描述為能在團隊工具裡接收工作、跨步驟執行並回報進度的夥伴。發布頁舉例說,Bot 可以留意專案進度、建議下一步、追蹤未完成事項,並協調其他 Bot;官方也表示,共享空間中的 Bot 會遵守個別成員權限,並在敏感操作前詢問。這些是產品方對功能的說明,不是獨立的效能評測。
Grok Bot 1.0 官方發布頁的 Bot 啟動圖片素材。
Grok Bot 1.0 官方發布頁的記憶功能圖片素材。
會議互動:聊天參與已描述,即時語音仍是未來式
官方發布頁說,Bot 能加入視訊通話並透過聊天參與,把先前對話中的資訊帶進討論。Roman Ugarte 也提到,使用者可在會議中提問、指派行動項目;他舉例說,自己的團隊讓 Bot 整理每日 stand-up 筆記並研究討論主題。這是作者描述的團隊用法,不代表所有團隊都已採用相同流程。
來源:@bot|Grok Bot 1.0 示範會議協作與分享簡報時的敏感內容提醒。
Grok Bot 1.0 官方發布頁的會議功能圖片素材。
這裡要分清楚兩種互動:官方發布頁描述的是 Bot 在視訊通話中透過聊天參與;作者則把即時語音來回對談寫成「即將推出」。因此,會議中可用聊天互動的說法,不能直接延伸成即時語音往返已經推出。
官方發布頁描述通話中的聊天參與;作者稱即時語音往返即將推出。
官方發布頁日期為 11 月 2 日,並稱 Team Bots 適用於 Team 與 Enterprise 方案;Meetings 適用於 Team、Enterprise 和 Ultra,Enterprise 管理員需要在設定中啟用。以下方案範圍按該頁原文整理。
依 2026 年 11 月 2 日官方發布頁整理方案範圍;Enterprise Meetings 需管理員啟用。
Bot 如何使用工具,以及敏感操作如何把關
官方產品頁說,每個 Bot 有自己的電腦環境;使用者登入工具後,Bot 可以透過那些應用與網站工作。發布頁另外提到,Bot 會尊重成員權限、在敏感操作前詢問,並檢查資訊是否適合分享到公開頻道。產品頁的隱私說明則稱,雲端電腦會加密傳輸中與靜置中的資料、提供訓練退出選項;敏感操作可交由 Auto Review,企業管理員可設定 DLP、憑證、代理伺服器與網路控制。
Grok Bot 1.0 官方發布頁的核准功能圖片素材。
產品頁也用不同工作指南展示 Bot 的使用範圍:Marketing 指南列出競品研究、定位草稿、Google Ads 草稿與網站 PR;Linear 指南聚焦產品問題調查、工作規劃與 coding agent 協調;Founder-Led Sales 指南則涵蓋理想客戶研究、設計夥伴聯繫、會議準備與 pipeline 預測。這些是官方展示的工作範例。
Grok Bot 官方產品頁的 Marketing 使用情境圖片。
Grok Bot 官方產品頁的 Linear 使用情境圖片。
Grok Bot 官方產品頁的 Founder-Led Sales 使用情境圖片。
方案與用量要一起確認
官方產品頁表示,訂閱包含每週用量,額外用量則依 token 成本計費;該頁沒有在這段說明中列出個別帳戶的用量上限。團隊評估時,除了確認所需功能在哪個方案,也應確認會議功能是否需管理員啟用,以及額外用量如何計費。
Roman Ugarte 將 Grok Bot 1.0 的目標描述為讓 Bot 成為更有用的團隊成員。從官方列出的功能和範例來看,這次版本更新著重於共享 Bot、跨工具工作、會議聊天參與及核准流程;團隊採用前仍須對照自身方案、權限設定與用量安排。
來源:@bot|Grok Bot 官方 1.0 公告貼文的影片預覽圖。
原文:https://easyvibecoding.app/curated/3717-grok-bot-1-0-team-collaboration
DeepSeek Harness 上榜後,伺服器清理成了它的評測短板
Joël Niklaus 將 DeepSeek Harness 加入 Hugging Face 的 Harness Leaderboard,並指出一個可能拉低成績的操作差異:任務結束後,DeepSeek Harness 會關閉自己啟動的背景程式。有些評測會等代理結束後,才檢查它先前啟動的伺服器;如果伺服器已停止,評測器就無法完成後續檢查。這是 Niklaus 對榜上結果的解釋,並非本篇重新執行測試所得。
這份榜單比較什麼?
Coding-agent harness 是讓代理執行程式任務的軟體層。Harness Leaderboard 固定模型與權重、檢查不同 provider 是否等效,再比較不同 harness 在相同推理強度下的結果。榜單頁表示,每項任務執行三次,並提供信賴區間;這些是榜單對自身方法的說明,本篇沒有重新稽核測試軌跡。
在 2026 年 11 月 11 日保存的榜單資料中,DeepSeek Harness 0.2.2-rc.1、DeepSeek-V4.1-Flash、high 推理強度這列共有 640 次試驗,其中 594 次列為 scored、46 次列為 infra。頁面列出的兩項評測如下;分數是各項評測的通過率與信賴區間,不是影片中的整體解決率。
資料來源:Hugging Face Harness Leaderboard;DeepSeek Harness 0.2.2-rc.1、DeepSeek-V4.1-Flash/full/high;2026-11-11 UTC 資料快照(640 trials、594 scored、46 infra)。 評測通過率信賴區間
DeepSWE69.07%59.95–76.91% Terminal-Bench 2.174.33%64.26–82.34%
榜單是會變動的互動頁面;保存的資料是頁面公開資料回應與可讀摘錄,沒有直接提供可內嵌的榜單圖片。上表據該次資料快照整理,並非重畫榜單畫面。
Niklaus 另外表示,DeepSeek Harness 在五項評測中都與領先者統計並列;按名次平均,它在 DeepSWE 排第二、落後 Hermes Agent 0.5 分,在 Terminal-Bench 排第六。統計並列與畫面上的名次是不同描述:例如,他的影片在 DeepSeek-V4.1-Flash、low 推理強度畫面標出 69.2% 並列第一;high 畫面則是 71.7%,低於 Hermes Agent 的 73.0%。影片結尾轉到需要伺服器繼續執行的任務,顯示 DeepSeek Harness 為 36 次中通過 2 次;Hermes Agent、OpenCode 與 Pi 各為 36 次。以下是貼文中的原始影片,圖表數字為作者呈現,並非本篇重新測得。
榜單動畫比較多種 coding-agent harness:依序呈現 DeepSeek-V4.1-Flash 的低、高推理強度結果、跨模型排名,以及需保留伺服器的任務測試;結尾畫面顯示 DeepSeek Harness 為 2/36 次通過。
伺服器為什麼會影響結果?
Niklaus 說,三項 Terminal-Bench 任務要求代理啟動伺服器,例如模型推論 API,評測器會等代理完成後再測試伺服器。他的解釋是,DeepSeek Harness 在任務結束時關閉了背景程式,所以評測器檢查時伺服器已不在。下面流程依作者的說明整理;2/36 是作者對 DeepSeek-V4.1-Flash 與 GLM-5.3-Flash 上這些任務的合計報告。
流程與數字依作者對特定伺服器任務的說明整理;不代表獨立重現或整體榜單分數。
這個差距反映的是評測任務對執行生命週期的要求:如果測試預期代理結束後服務仍可連線,提早關閉服務就會影響測試結果。Niklaus 表示,三項任務在每項評測中使 DeepSeek Harness 少 1.5 至 1.7 分;以 DeepSeek-V4.1-Flash、high 推理強度為例,這大於它與領先者的 1.3 分差距。這些因果與分數歸因仍是作者對榜單的解讀。
目前能得出的結論
這次資料對應的是開發者預覽版 0.2.2-rc.1。官方產品頁稱 DeepSeek Harness 正公開測試並同步開源;GitHub README 也提醒仍在 developer preview,可能有相容性變更。Niklaus 另稱該版本的網路搜尋因需要 DeepSeek 帳號金鑰而關閉。
因此,這份榜單可用來看特定 harness、模型、推理強度與任務組合下的結果;伺服器測試顯示,任務結束後是否保留背景服務,會影響這一組測試的通過表現。它不是對所有程式代理任務的通用排名,也沒有獨立驗證作者對清理行為的因果解釋。
原文:https://easyvibecoding.app/curated/3712-deepseek-harness-leaderboard-server-cleanup
AWS 說代理寫出了 AWS Emulator:真正的關鍵是測試與合併閘門
AWS 公開了 AWS Emulator,一套在本機模擬 AWS API、供開發與測試使用的工具。AWS 工程師 Clare Liguori 在貼文中稱它「100% built by agents」;AWS 官方文章也表示,團隊沒有撰寫或審查其中的程式碼。這個案例值得看之處,不只是代理產生了大量程式,而是 AWS 如何用可重複的測試、分工和合併檢查,讓代理在限定範圍內持續修改程式。
Amazon 文章預覽圖,標示「How we built the agents that built AWS Emulator」;這是 X 貼文連結卡的圖片,不是貼文內嵌圖。
不過,AWS 的說法描述的是它自己的開發流程,並非獨立稽核結果。官方使用指南也明確把 Emulator 定位為建置與測試工具,列出不能用來測試安全性等限制。理解這個案例,得同時看它如何運作,以及它目前適合用在哪裡。
先從本機測試理解 AWS Emulator
AWS Emulator 在開發者自己的電腦或開發伺服器上提供 AWS API endpoint。使用者把 AWS CLI 或 SDK 指向這個 endpoint,就能讓應用程式對模擬服務送出請求,而不用每次都連到 AWS;官方指南列出的用途包括本機測試、CI/CD 整合測試,以及讓 AI coding agent 在本機建置和操作應用程式。
這種模擬器的價值取決於它和真實 AWS 行為有多接近。AWS 的做法是先建立一套「保真度測試」:每項測試代表真實 AWS 使用情境,測試代理依公開的 AWS API Models 設計情境,並先在真實 AWS 上確認測試結果。文章舉例,一項 SQS 測試可以依序建立佇列、傳送與接收訊息、確認訊息,再刪除佇列。AWS 表示,這套測試已有數萬項,並持續增加;通過真實 AWS 驗證後,測試可反覆重跑,不必每次都再呼叫 AWS。
官方文章中的代理工作流程圖:測試撰寫者以真實 AWS 情境驗證測試,問題尋找者在模擬器重播測試並回報問題,修復者逐項處理並通過合併閘門。
三組代理如何接力找問題、修正程式
AWS 把工作拆成三組代理,因為團隊發現代理在範圍明確的任務上較容易成功。第一組建立並維護保真度測試;第二組把這些測試重放到 Emulator,找出與真實 AWS 結果不一致的地方,並把失敗項目整理成 issue;第三組一次處理一個 issue,追查原因並修改程式。
修正完成後,程式不會直接進入主線。AWS 描述的合併閘門會先檢查程式是否能建置,再由代理檢查程式碼標準、安全性與保真度。任何檢查未通過,修改就退回重做;全部通過後才合併。AWS 表示,數百個代理可同時工作,每天修復數千個 issue。這些數字是官方文章對其流程的描述;研究沒有獨立檢查程式庫或重現這個工作量。
這張圖是 AWS 官方文章所示的發布流程:變更通過主線合併閘門後,還會建置、重測並進入發布分支,再打包成 Emulator 二進位檔。官方表示,程式碼會在發布流程末端才同步公開到 GitHub。
官方文章中的發布流程圖:變更經主線合併閘門,依序建置、測試及最終檢查,再進入發布分支與 AWS Emulator 套件。
「100% 由代理建置」代表什麼?
Liguori 在 X 上稱 AWS Emulator 是「100% built by agents and now open source」。AWS 官方文章則稱產品由自主代理寫成,團隊沒有撰寫或審查其中的程式碼。這些說法應歸屬於貼文作者與 AWS,不能當成這次研究已獨立驗證的結論。
官方文章也交代了開發過程中的調整:早期版本的代理曾為了支援 AWS Lambda 自行打造 Python interpreter;團隊後來才加入重用既有函式庫的指引。這個例子顯示,代理能持續產出程式,不等於每個解法都符合團隊偏好的設計。AWS 將測試和合併閘門描述為讓團隊信任產出的重要條件。
文章另提到,初始空殼能接收 438 個 AWS API Models 的請求,但當時「什麼都不做」。這個數字說明的是空殼可處理請求的模型數量,不表示目前已完整支援 438 個 API、服務或功能。實際支援程度仍須按服務與功能查看各版本的保真度資料。
使用前要知道的限制
AWS 使用指南把 Emulator 定位為建置與測試用途,並明確表示不要用它承載正式工作負載。尤其是安全性測試:Emulator 不會像 AWS 一樣評估 IAM 政策與資源型政策,因此不能用來驗證這些政策是否安全。
此外,單一 Emulator 不會把不同 AWS 區域或帳戶的資源彼此隔離;資源保存在執行它的機器記憶體中,停止後會清除。AWS 表示,服務與功能的保真度不一,行為主要以美西(奧勒岡)區域驗證,全球服務則以美東(維吉尼亞北部)區域驗證;指南也說明尚未測試長時間執行或負載測試。這些條件會影響它適用的測試情境,採用前應按實際服務與功能查核官方保真度資料。
因此,AWS Emulator 的案例並不是「代理已能自行交付任何雲端軟體」的證明。它呈現的是 AWS 如何把工作切成可重複測試、逐項修復並經過合併檢查的流程;產品本身仍有清楚的用途邊界,不能拿來取代真實 AWS 的安全驗證或正式環境測試。
原文:https://easyvibecoding.app/curated/3710-aws-emulator-agent-built-guardrails
Gemini Decision 1:每百萬輸入 token 0.10 美元,Google 推出多模態決策 API
Google 在 2026 年 11 月 11 日公布 Gemini Decisions API,由 Gemini Decision 1 為多個封閉選項問題評分。它面向模型路由、政策檢查、工具選擇等任務:把一份文字、圖片、音訊、影片或 PDF 輸入,交給最多 1,000 個問題共同評估;每題回傳候選選項的機率或分數與信心值。Google 公布的價格是每百萬輸入 tokens 0.10 美元,輸出 tokens 不收費。
這個 API 的重點是把一批「要從哪些選項中判斷」的問題集中處理。一般生成式模型會逐 token 產生答案;Google 說 Gemini Decision 1 以單次 forward pass 對候選選項評分,適合需要固定類別結果的流程,例如選工具、分流模型或檢查政策條件。它不只接受文字,也支援圖片、音訊、影片與 PDF;同一份輸入最多可含 256K tokens。
一份輸入,能問哪些問題?
Google 將每個問題分成三種形式:noul 判斷是/否;choice 從 2 至 255 個選項中挑選,並回傳各選項的正規化機率;score 依由低到高的評分規準打分,回傳加權分數與各級機率。每個答案都附信心值,程式可據此把模糊個案交給後備流程或人工覆核。
Google 的示例是把休息室檯面的照片和文字備註放在同一份輸入,再同時詢問是否有未清理的液體、該採取哪種清理方式,以及髒亂程度。這說明一次請求可以共享素材、混用不同問題形式;圖片與影片的解析度也可調整,以控制視覺細節和 token 用量。
Google 官方架構圖:多模態輸入與問題送入 Gemini Decision 1,輸出帶信心值的校準答案。
這種設計適合把多個獨立判斷放在同一個控制點。Google 表示 Gemini Notebook 已用它依照問題意圖選擇模型層級與思考設定,日常查詢延遲最高可降低 40%;Stitch 的 rapid canvas 實驗則用它生成可操作的線框,並接受語音或點按修改。Google 也列出 CC 以它從 200 多種表情符號中選擇反應,以及 Search 用它檢查 MCP 工具的對抗性行為。這些都是 Google 對內部使用案例的描述。
基準圖呈現了哪些比較?
Google 公布的比較圖列出九項評測:Gemini Decision 1 在 JevBench、Amazon ESCI、New Yorker Caption、PubMedQA、Global-MMLU-Lite、MMAU 和 Video-MME 七項分數最高;TypeSafe Jev 1.14 則在 Mind2Web Multimodal 與 When2Call 領先。圖中另列 Top-1 ECE 校準誤差,數值越低越好;Gemini Decision 1 為 0.0250。七項共同比較評測的總價,Gemini Decision 1 是 0.88 美元,TypeSafe Jev 1.14 是 0.68 美元,GPT-6 Luna 是 0.93 美元,Gemini 3.5 Flash-Lite 是 4.14 美元。
Google 官方文章中的基準比較圖,列出 Gemini Decision 1、TypeSafe Jev 1.14、GPT-6 Luna 與 Gemini 3.5 Flash-Lite 的多項評測、校準及價格結果。
@OfficialLoganK 原帖附圖:Gemini Decision 1 與 TypeSafe、GPT-6 Luna、Gemini 3.5 Flash-Lite 的基準比較。
Google 稱,在共用 benchmark suite 中,Gemini Decision 1 搭配 Decisions API 比 Gemini 3.5 Flash-Lite 搭配 Interactions API 便宜近五倍;圖上的七項共同比較總價也呈現相近差距。這是 Google 公布的測試結果,不是獨立重現。圖註說明,除另有標示外,分數是 Top-1 Accuracy;拒答、安全阻擋及模型無法接受的請求都計為答錯,每項分數以完整 benchmark 為分母。部分模型在 MMAU 與 Video-MME 欄沒有數值,因此總價只計七項共同比較評測。
單價、延遲與評測總價要分開看
API 單價是每百萬輸入 tokens 0.10 美元、輸出 tokens 免費;同一請求裡共享的輸入只計費一次,各問題仍會增加自己的指示與評分條件 tokens。Google 另稱音訊轉錄和 OCR 不會另行收費,並提供可在 Google AI Studio 試用的免費層。這些是服務定價說明;圖上的 0.88 美元則是七項基準評測的總價,兩者衡量的對象不同。
速度也有不同口徑。Google 公布模型運算的中位延遲為 50 至 100 毫秒,端到端延遲為 150 至 250 毫秒;其基準測試涵蓋最多 16K tokens 的上下文,以及每次請求 1 至 100 個問題。這組測試範圍小於 API 宣稱支援的 256K-token 上限,不能把測得的延遲直接當作所有輸入長度、問題數與實際工作負載的固定表現。
Google 已提供 Python、JavaScript 與 REST 文件,並表示 OpenRouter、LangChain、Vercel、LiteLLM、Pydantic AI、Pipecat、LiveKit 和 OpenCode 的整合正在推出;Gemini in Google Cloud 支援則仍列為即將推出。
原文:https://easyvibecoding.app/curated/3709-gemini-decision-1-multimodal-decisions-api
Cursor Projects 開放多人協作:隊友與 agents 共用工作區
Cursor 在 2026 年 11 月 10 日宣布,Projects 開始支援多人協作,讓隊友加入同一個 Project,與彼此的 agents 在共用工作區中合作。官方文章說明,產品正以 beta 形式向 Cursor 使用者推出;團隊可在同一處共享上下文、查看任務進度,並讓 agents 協調工作。這次改變把 Projects 從個人使用的 agent 工作空間,擴展成團隊可共同使用的空間。
Cursor Projects 產品展示:影片呈現專案清單、團隊邀請、任務看板與共享工作區,片尾顯示 Cursor 標誌。
影片預覽畫面:專案側欄與對話介面。
團隊共用上下文,個人對話仍保留
Cursor 官方文章將 Projects 描述為團隊與 agents 共用的工作空間。每位成員仍有自己的 coordinator 對話與 worker agents;此外,Project 另提供共享上下文,可放需求文件、圖表、技術規格與 mockup。文章表示,在一個對話中做出的決策,能讓 Project 裡的 agents 取得;新隊友加入時,也能讀取既有上下文。
Cursor 官方多人協作示意圖:工程師、設計師與 PM 分別使用 coordinator 和 agents,並共用資料夾、檔案、筆記、對話紀錄、計畫與記憶。
文章舉例,一位工程師接手同事的 on-call 輪值時,coordinator 先確認狀況,再接續掌握進行中的工作、待處理問題、交接事項與需要留意的頻道和討論串。這是 Cursor 分享的內部使用案例;文章沒有提供獨立測試結果或量化成效。
Agents 可以協調彼此的工作
Cursor 表示,共享工作區與上下文可讓不同隊友的 agents 互相溝通、安排工作並及早處理衝突。官方文章以兩個情境說明:工程師新增產品頁評論功能時,設計師也在改版頁面,雙方 coordinator 可先協調需求;若一位工程師的功能依賴資料庫,而隊友同時修改 schema,agents 可先排定工作順序,降低最後才遇到衝突的機會。
依 Cursor 官方產品說明呈現隊友 agents 共用工作上下文的概念;不代表獨立測試或量化成效。
Cursor 在一則直接回覆主帖的貼文中補充,agents 可先共享計畫、工作期間標記衝突,並協助解除隊友工作的阻礙。貼文標示 Projects 當日開始 beta 推出,並連回同一篇官方文章。保存的貼文中繼資料將它列為主帖的回覆;因此本文以回覆貼文引用,而非稱它為獨立相關貼文。
目前以 beta 推出
官方文章表示,使用者可從 Projects 建立 Project,再邀請隊友加入;多人協作功能正以 beta 形式推出。此次公告說明了共享上下文與 agent 協調的產品方向,實際使用方式與效果仍以目前 beta 功能及 Cursor 的產品說明為準。
Cursor 官方文章分享卡圖,文字為「Projects is now multiplayer」。
原文:https://easyvibecoding.app/curated/3707-cursor-projects-multiplayer-team-agents
Claude 免費全額度重置:期限、操作方式與 Fable 優惠差異
ClaudeDevs 表示,Pro、Max、Ultra 與 Team 使用者可兌換一次免費的全模型、全額度重置,公告列出的期限是 12 月 10 日太平洋時間下午 2 時前。這項重置是為了補償部分使用者遇到的用量問題;公告沒有確認每個帳戶目前是否仍有優惠,也沒有表示已替任何人完成兌換。ClaudeDevs 公告
公告提到,Claude 最近修正了幾項導致用量超出預期的小問題;先前的 Fable 重置也未能充分幫助部分所有模型週額度都已用完的人。這次全額度重置是額外補償,並非一般 Fable 上市優惠的另一種稱呼。
這次重置與 Fable 優惠有何不同?
Claude Help Center 將重置分成不同類型:全額度公告涵蓋所有模型與額度;Fable 專用重置則恢復已花在 Fable 模型上的週額度,其他模型的週用量維持原狀。若帳戶有五小時用量上限,Fable 重置會把該時段額度補滿,其中也包括其他模型的用量。重置說明
全模型重置與 Fable 專屬重置的恢復範圍不同;Fable 優惠期間另行計算。
另一項 Fable 5.2 上市優惠從 2026 年 11 月 9 日持續至 11 月 16 日太平洋時間晚上 11 時 59 分:Pro 與 Team 標準席位可在方案週用量內使用 Fable 模型,最多占週額度 50%,並另有一次 Fable 重置。其他符合資格的方案與席位,則依訂閱時間取得一至三次 Fable 重置。這些是 Fable 專屬優惠,和 12 月 10 日到期的全模型重置分開計算。Fable 5.2 上市優惠
如何查看並兌換
在 Claude 網頁版、桌面版或手機 App 開啟「Settings > Usage」,查看 Limit resets 區塊是否顯示「Reset for free」,再依畫面確認。也可以使用公告提供的 clau.de/reset 入口。官方說明指出,不必等到用量耗盡才兌換;重置一經使用便不能復原,未使用優惠的到期時間會顯示在 Usage 頁面。
公告所列期限換算為台灣時間是 2026 年 12 月 11 日上午 6 時前,按 12 月太平洋標準時間 UTC−8、台灣時間 UTC+8 換算。實際可兌換資格與帳戶顯示狀態,仍以使用者自己的 Usage 頁面為準。官方說明也提醒,降級或取消方案後,尚未使用的重置可能失效;重置不會退還已計費的額外用量,也不會改變用量點數餘額。
原文:https://easyvibecoding.app/curated/3703-claude-free-full-limit-reset
Anthropic IPO 擬定每股 70 至 78 美元;兩篇報導的估值口徑不同
Anthropic 在 2026 年 11 月 10 日為擬議中的首次公開發行(IPO)啟動路演,提出每股 70 至 78 美元的預期價格區間。這仍是擬議條件:公司當時說註冊聲明已提交、尚未生效,公告也表示證券不得在生效前出售或接受購買要約。
公司公告列出基本發行 8.25 億股 A 類普通股:Anthropic 提供 801,351,354 股,現有股東提供 23,648,646 股。公司表示,股東出售股份所得不會歸 Anthropic;承銷商另有 30 天內選擇加購最多 123,750,000 股的安排,與基本發行分開計算。
Anthropic IPO roadshow 頁面的主視覺:米白底色中央有黑色「ANTHROPIC」字樣;畫面沒有價格或財務數據。
每股價格區間與發行金額各代表什麼?
以區間上限 78 美元乘以 8.25 億股,基本發行的名目總額約為 643.5 億美元,其中包含公司新發行股份和現有股東出售股份。只計 Anthropic 提供的股份,按同一價格估算,發行前毛額約為 625.1 億美元。這些是未扣承銷費及其他費用的估算;整體發行金額不等於公司所得,也不包含承銷商可能加購的股份。
依 Anthropic 路演公告拆分公司新股與股東售股;金額按每股 $78 估算,未扣費用,且圖形不按比例。
路演公告說,Anthropic 已申請在 Nasdaq Global Select Market 掛牌,股票代號為 ANT。CNBC 引述匿名知情人士報導,公司計畫 11 月 18 日定價、11 月 19 日開始交易,訂單簿則已在每股 70 至 78 美元區間內獲得足額認購。這些是媒體轉述的計畫與需求狀況,不是已完成的定價或股份交易。
為什麼報導中的估值數字不同?
CNBC 報導,按每股 78 美元估算,Anthropic 的完全稀釋估值可能達 1.405 兆美元。Reuters 刊於 NBC News 的另一篇報導則稱,公司 IPO 目標估值最高約 1.02 兆美元。該報導沒有交代這個數字所用的股份數分母或估值口徑,因此兩個上限不能視為同一基礎的直接比較,也不能據此推算每股價值差距。
Reuters 報導還提到,部分潛在投資人質疑先前討論的 1.5 兆美元估值,並將市場觀望與公司的基礎設施承諾、AI 相關股票波動及融資環境連在一起。這是報導對投資人疑慮與市場背景的整理,不是對 IPO 表現的預測。
Anthropic 於 2026 年 5 月公布的 Series H 融資為 650 億美元,當時公司公布的 post-money 私募估值為 9,650 億美元。這是私募融資估值;CNBC 所述的 1.405 兆美元則是可能的完全稀釋 IPO 估值,Reuters/NBC 所述的 1.02 兆美元口徑未明,三者應保留各自的來源與計算背景。
CNBC 另報導一筆獨立的 260 億美元私募配售:Anthropic 將以與 IPO 價格相同的每股價格出售 Class N 股。該報導指出,這些股份不會納入公開發行的註冊股份數。Reuters/NBC 則報導,連同基石投資人的投資,募資總額可能達 904 億美元;這個總額包含公開發行與其他安排,不能當成 IPO 本身的發行金額。
以上資訊反映路演啟動時公布的擬議條件及媒體報導。價格區間、預定日期、訂單簿情況與估值數字各有來源及限制,並不表示定價或上市已完成。
原文:https://easyvibecoding.app/curated/3702-anthropic-ipo-proposed-price-range