EasyVibeCoding Podcast

EasyVibeCoding Podcast

By EasyVibeCodingTechnology
Download on the App Store

EasyVibeCoding Podcast episodes

  • 同一個澀谷路口,Google 用 OpenStreetMap 做跑酷,Shumer 用 Fable 5.2 做出有行人的街景

    同一個澀谷路口,Google 用 OpenStreetMap 做跑酷,Shumer 用 Fable 5.2 做出有行人的街景

    在 Google 的《Neon Scramble》裡,你操控 Google 地圖的小黃人 Pegman,從澀谷十字路口出發。跑到鐵軌旁,可以按空白鍵跳上去,繼續往 Google 東京辦公室前進。Matt Shumer 的展示則從上方俯瞰同一個路口,幾條斑馬線上都是行人。Google 把地圖上的道路和鐵路做成可玩的路線,Shumer 則說,他用 Fable 5.2 生成場景裡的行人,並模擬他們的行為。 來源 1 來源 2 來源 3

    Google 讀進哪些地圖資料?

    Google 表示,《Neon Scramble》用 Gemini 4 Neon 把 OpenStreetMap 資料做成 3D 網頁跑酷,也加入自訂的網頁音訊。這批資料換成模型處理資料的單位,約有 100 萬個 token,涵蓋 654 條道路、70 條鐵路線和 280 個建物輪廓。建物輪廓標的是每棟建物在地圖上占的位置和形狀。 來源 2

    [](https://pbs.twimg.com/amplifyvideothumb/2123547066353766400/img/Ao56BN3xhJ3teMW.jpg?name=orig)

    開場地圖左上方標的是澀谷十字路口,右下方的終點標為 Shibuya Stream · Google Tokyo。

    第 6 秒附近滑過街道,第 18 秒附近沿鐵路前進,第 36 秒附近到達目的地。影片有遊戲音效與配樂。 影片來源

    打開網頁按 PLAY,就能用 A、D 換道、空白鍵跳躍、S 滑行。遊戲介面會顯示速度和分數,想慢慢看街景時,也能在拍照模式拖曳旋轉視角。https://neon-scramble.ai.studio/ 來源 1 來源 4

    Shumer 用 iPhone 操作,算圖在哪裡跑?

    Shumer 說,他全程用 iPhone 操作,透過 Higgsfield GPU Harness 使用 8 張 NVIDIA L40S。手機是他的操作介面,把 3D 場景算成畫面的工作由租用的雲端 GPU 執行。 來源 3 來源 5

    [](https://pbs.twimg.com/amplifyvideothumb/2123538161070460928/img/KTtoo589vDDfD-XT.jpg?name=orig)

    開頭俯瞰有行人的澀谷路口,下半部並列灰模和工作畫面,後半段切到街道高度。 影片來源

    按 Shumer 的說法,Fable 5.2 花了 12 小時建成澀谷場景,他另報的算圖時間是 2 小時。他也提到自己的曼哈頓作品算圖花了一週。兩筆算圖時間來自不同場景,已知的 GPU 配置只有澀谷這次,因此這組數字只能對照兩件作品各自的耗時。 來源 3

    原文:https://easyvibecoding.app/curated/3817-shibuya-neon-fable-3d

    4 min
  • Genie 4 可用 Gemini API 和 Reactor 呼叫,怎麼操作、有哪些限制、怎麼計費?

    Genie 4 可用 Gemini API 和 Reactor 呼叫,怎麼操作、有哪些限制、怎麼計費?

    用一張參考圖開場,按鍵在生成的世界裡移動,再輸入一行文字改變眼前的光線。Google 在 2026 年 11 月 19 日把 Genie 4 開放給開發者,可在 Google AI Studio 試玩,也可透過 Gemini API 的 Interactions API 接進自己的程式。Google DeepMind 的同一款模型也由 Reactor 託管,提供線上試玩及 JavaScript、Python 範例。 來源 1 來源 3

    世界開起來後,還能怎麼操作?

    在 Google 的入口,起始素材可以是文字、參考圖,或兩者一起用。模型持續輸出 720p、每秒 24 格的畫面,同步生成環境音、音效或角色對話。進入世界後,鍵盤用來移動,文字則能當場改變天氣、物件或事件。想先試手感,可以開 Google AI Studio 的互動畫布。 來源 1

    Reactor 把按鍵與文字指令拆成兩個操作。程式用 set\keys 告訴模型目前按住哪些鍵,用 instruct 修改已經在運行的世界,結束時可呼叫 end\world。Reactor 的型號頁標示單個世界最長 60 秒,參考圖接受 PNG、JPEG 和 WebP。 來源 3

    兩個入口怎麼計費?Gemini API 如何停費?

    把影片用量換算成 60 秒來估算,Gemini API 的 Standard 方案光是影片輸出就約 6.05 美元,已含音訊。Google 每輸出一格就計 240 個影片 token,以每秒 24 格、每百萬個影片 token 17.50 美元換算,約每秒 0.10 美元。Reactor 的型號頁則直接列出每秒 0.10 美元,跑滿 60 秒是 6.00 美元。 來源 2 來源 3

    估算 Gemini API 的總費用時,文字和參考圖的輸入另計,每百萬 token 1.50 美元。若有文字輸出,費率是每百萬 token 9.00 美元。Genie 4 在 Gemini API 僅供付費層使用,也不支援 Batch API、Flex 或 Priority。操作完要呼叫 complete() 結束工作階段,才會停止計費。 Reactor 公開的 60 秒是該入口的單個世界上限。Google 的公告與費率表未列出同樣的上限,選用前可從公告連到 Interactions API 指南確認。 來源 2

    原文:https://easyvibecoding.app/curated/3816-genie-4-gemini-reactor-api

    3 min
  • ChatGPT 開始讓少數 Plus 帳號測試 Dots,手機新版把 Dot 放進底部分頁

    ChatGPT 開始讓少數 Plus 帳號測試 Dots,手機新版把 Dot 放進底部分頁

    ChatGPT 手機 App 的新版把 Dot 放進底部的獨立分頁。使用者也能把 Codex、專案(Projects)和圖片(Images)釘選到同一排,從分頁列直接開啟常用功能。 來源 1

    [](https://pbs.twimg.com/amplifyvideothumb/2123557071723565056/img/DO1s4ZVPR6Yamusk.jpg?name=orig)

    展示畫面停在首頁。

    第 0 秒由首頁切向底部 Dot 分頁,第 12 秒附近開始顯示 Dot 的介紹和連接 Gmail 的畫面。 影片來源

    誰能用 Dot?誰會看到新版?

    Dots 開始在少數 Plus 帳號測試。OpenAI 說明,在支援地區,符合資格的 Plus 帳號也要等分批開放。還沒輪到的帳號,客服無法代為開通,重開 App 也不會讓帳號提早取得使用權。 來源 2 來源 4

    手機新版介面也會推給少數符合資格的 Plus 使用者。OpenAI 在 11 月 19 日的發行紀錄寫道,新版主要先推給 Dot 已開放地區、年滿 18 歲的 Pro 使用者。這波介面更新排除歐洲經濟區、英國、瑞士和韓國。 來源 3

    在哪裡切換新舊版?

    部分符合資格的 Pro 帳號會預設看到新版。只要手機 App 的設定裡出現 New ChatGPT design,就能在那裡開啟新版或切回原版。 來源 3

    原文:https://easyvibecoding.app/curated/3815-chatgpt-dot-plus-mobile-tabs

    2 min
  • GPT-6.2 接著做同一件事時,為什麼改寫舊訊息會讓 Responses API 丟掉後續推理?

    GPT-6.2 接著做同一件事時,為什麼改寫舊訊息會讓 Responses API 丟掉後續推理?

    假設你請 GPT-6.2 核對帳本總額。模型先決定怎麼查,再呼叫工具,拿到兩筆金額 40 和 50,接著根據資料推理。到了下一輪,如果程式把先前的工具結果改寫成一句「合計 90」,即使總額相同,Responses API 也會捨棄原本在工具結果之後產生的推理項目。工具呼叫前的推理仍可沿用,因為它前面的對話內容沒有被改到。 來源 2 來源 1

    為什麼只丟掉改動之後的推理?

    OpenAI 把每個推理項目前面的對話歷史稱為「前綴」。開發者可以把推理項目傳回 Responses API,讓模型接續先前的工作。從 GPT-6.2 起,如果在某個推理項目前插入或改寫內容,API 會依保護機制將該項目從下一次請求的輸入中移除,模型可能得重做部分推理,多花 Token 和時間。透過 OpenAI 的對話壓縮功能縮短歷史時,系統會保留壓縮位置之後的推理項目。 來源 2 來源 3

    下一輪怎麼補資料?

    如果只是要補一筆帳或交代下一步,OpenAI 建議把新內容接在對話末尾。自行管理對話歷史的程式,可以在下一次請求按原順序帶回原始輸入和先前回應的所有輸出項目,再附上新訊息。這樣先前的推理仍有機會沿用,提示快取也能從請求開頭比對相同的輸入,省下重複處理的成本。 來源 3 來源 2

    怎麼查是哪段推理被移除?

    先看 Responses API 回應裡的 input\transformations,找出被移除的推理項目及原因。帳本的例子裡,如果第二輪出現 prefix\mismatch,可以用項目 ID 對回第一輪的輸出,找出被移除的是哪個項目。要查有多少輸入 Token 命中提示快取,則看 usage.input\tokens\details.cached\_tokens。快取診斷的結果只能說明輸入的重用情況,無法確認模型實際沿用了哪些推理。 來源 2 來源 4

    原文:https://easyvibecoding.app/curated/3814-gpt-62-responses-reasoning-prefix

    3 min
  • AMD 完成兩筆收購,World Labs 補空間模型研究,Taalas 補專用推論晶片

    AMD 完成兩筆收購,World Labs 補空間模型研究,Taalas 補專用推論晶片

    11 月 13 日,AMD 完成對 World Labs 的全股票收購,向原股東發行 14,978,322 股普通股。這筆交易的原協議估值約為 82 億美元。AMD 又在 11 月 17 日宣布完成對 Taalas 的收購。兩筆交易補的是不同環節。AMD 希望透過 World Labs 的空間模型研究,了解新模型需要什麼樣的運算系統。Taalas 則帶來專用推論晶片設計,目標是讓模型在實際使用時跑得更有效率。 來源 3 來源 5 來源 4

    World Labs 的 3D 模型研究,怎麼影響 AMD 的硬體設計?

    給 World Labs 的空間模型一段文字、一張圖或一段影片,模型可以生成或重建可互動的 3D 環境。團隊也研究機器人如何在模擬環境裡學習。AMD 買下這支團隊後,打算讓研究人員繼續開發模型,並和自家工程師一起把新模型的運算需求帶進未來的硬體、軟體和系統設計。李飛飛出任 AMD 執行副總裁兼首席科學家,直接向執行長蘇姿丰報告。 來源 6 來源 5

    AMD 打算怎麼把 Taalas 的技術和 Instinct GPU 搭配?

    推論就是讓訓練好的模型接收輸入、產生結果。Taalas 按照模型怎麼運算、資料怎麼流動來設計晶片,目標是減少通用架構在運算和存取記憶體時遇到的瓶頸。AMD 第三季財報列出的協議金額約為 29 億美元,以現金和股票支付。這個金額已包含最高約 14 億美元的條件式付款,須達成約定條件才會支付。 來源 2 來源 1

    AMD 計畫把 Taalas 的技術納入未來的 AI 加速器設計,並搭配 Instinct GPU 開發整套運算系統。對要部署模型的團隊來說,接下來要看的是哪些推論工作會交給專用硬體、哪些會由 GPU 處理。AMD 的交割公告目前只交代搭配方向,具體分工、產品型號和供應時間仍待公布。 來源 4

    原文:https://easyvibecoding.app/curated/3813-amd-world-labs-taalas-closed

    3 min
  • 一週 Critical 漏洞補丁|11 月 13–19 日的 PHP、NGINX、Java、ORDS 與 Puppet 怎麼升級?

    一週 Critical 漏洞補丁|11 月 13–19 日的 PHP、NGINX、Java、ORDS 與 Puppet 怎麼升級?

    如果手上有受影響的 Puppet Enterprise,先排它的更新。本週美國 CISA 已確認這個漏洞遭到利用。對外的 PHP、NGINX 和 Oracle ORDS 可接著對照版本,Java 則要盤點每個服務實際帶著哪套執行環境。 來源 13 來源 2 來源 7 來源 14 來源 10

    這份清單精選 2026 年 11 月 13 到 19 日有安全更新,或新列入已知遭利用目錄的漏洞,以 11 月 20 日查核結果為準。表內採用至少一方的 CVSS 基本分數達 9.0 的項目。CVSS 描述漏洞的嚴重程度,CISA 的 KEV 目錄則用來確認已知的實際利用。 來源 13 來源 8

    五類系統,先對照修補版本

    | 產品 | CVSS 基本分數 | 更新目標 | | --- | --- | --- | | Puppet Enterprise | Perforce 4.0/9.4 | 2023.8.13、2025.12.1 或 2026.0.1,依分支升級並重啟 Puppet Server | | PHP | PHP 維護團隊 4.0/9.2 | 8.2.36、8.3.37、8.4.28、8.5.13,依分支升級 | | NGINX | 荷蘭 NCSC 轉列 9.2。F5 對 CVE-2026-123007 評為 4.0/9.2 | 開源穩定版 1.30.7、主線版 1.31.9。Plus 的 HTTP/2 這一項依 F5 公告選 37.0.8.1 或 37.3.0.1 | | Oracle Java SE | 研究團隊 4.0/9.2。Oracle 3.1/8.1 | 17.0.21.1、21.0.13.1、25.0.5.1、27.0.1.1,依分支升級 | | Oracle ORDS | Oracle 3.1/9.8 | 24.2.0 至 26.3.0 受影響。Oracle 下載頁列 26.3.1,部署前依 11 月更新公告核對套件 |

    來源 12 來源 2 來源 7 來源 8 來源 9 來源 10 來源 11 來源 14 來源 15

    Puppet Enterprise 已遭利用,升完還要重啟

    CVE-2026-115731 在 11 月 3 日公開,11 月 17 日列入 CISA 的 KEV 目錄。Perforce 要求更新後重啟 Puppet Server,讓服務載入修正後的程式碼。因已有利用紀錄,維運團隊可同時檢視更新前的伺服器紀錄和異常變更。 來源 12 來源 13

    PHP 這批更新修了哪些 Critical 漏洞?

    PHP 在 11 月 19 日更新四個分支。維護團隊將 PHP-FPM 請求處理(CVE-2026-129289)、時區快取(CVE-2026-129496)、檔案型 Session(CVE-2026-126714)、Session 序列化(CVE-2026-115560)和 Session 關閉流程(CVE-2026-129481)評為 CVSS 4.0/9.2。 來源 2 來源 1 來源 3 來源 4 來源 5 來源 6

    官方指出,Critical 案例需要非預設設定或較少見的部署條件。PHP 8.2 沒有 CVE-2026-129481 涉及的欄位,這個分支仍須升到 8.2.36 修補其他問題。用容器跑 PHP-FPM 時,應換上已修補的映像並重新部署,再核對執行中的服務確實用了新版。 來源 2 來源 6 來源 1

    NGINX 開源版、Plus 與入口控制器各查自己的版本

    荷蘭 NCSC 列出五筆 9.2,包括 HTTP/2 的 CVE-2026-123007、CVE-2026-123633,HTTP/3 的 CVE-2026-121810,DNS 解析器的 CVE-2026-123634,以及郵件代理的 CVE-2026-113425。開源版公告對這五筆都列出穩定版 1.30.7 與主線版 1.31.9 作為修補起點。 來源 9 來源 7

    以 HTTP/2 的 CVE-2026-123007 為例,F5 同時列出 CVSS 3.1/8.1 和 CVSS 4.0/9.2。用 Plus 或 Kubernetes 入口控制器時,應按產品名稱與分支查各筆 F5 公告,維運時也要核對套件庫是否已把修補回移到原分支。 來源 8

    Java4Shell 要核對實際執行的 Java

    CVE-2026-114938 涉及 OpenJDK 的 Base64 解碼,和支援 AVX-512 VBMI 的部分 x86-64 環境有關。通報研究團隊給 CVSS 4.0/9.2,Oracle 給 3.1/8.1。上表的分支版本來自 Oracle Java SE 11 月 17 日公告。用 Temurin、Corretto 或隨應用程式附帶的 Java 時,應查該發行商的版本,更新後重新啟動相關服務。 來源 11 來源 10

    Oracle ORDS 先核對 11 月安全更新矩陣

    CVE-2026-114849 在 Oracle REST Data Services 的受影響範圍是 24.2.0 至 26.3.0,評分為 CVSS 3.1/9.8。Oracle 的發行紀錄目前列 26.3.1。正式環境上線前,對照同一份 Oracle 11 月公告的產品及補丁說明,確認手上的套件和部署方式。 來源 14 來源 15

    原文:https://easyvibecoding.app/curated/3812-critical-cve-patch-roundup-2026-11-19

    7 min
  • Flutter 接上 LiteRT-LM,文字聊天和照片問答都能在手機上跑

    Flutter 接上 LiteRT-LM,文字聊天和照片問答都能在手機上跑

    在 Flutter Edge AI 的手機示範裡,你可以把一張照片交給 Gemma 4,再接著問照片裡的內容。模型在手機上讀圖、產生回答,這兩步都省下把照片傳到伺服器的往返。Flutter 官方貼文介紹的就是這種做法:用 LiteRT-LM 在裝置上執行 Gemma,讓 Flutter App 直接取得模型的回答。 來源 4 來源 2

    哪些功能可以在手機上跑?

    做文字聊天時,模型可以直接在手機上產生回答。要做看圖問答或讓模型接收音訊,就得選內含對應處理元件的模型,例如專案列出的 Gemma 4。如果功能是把錄音轉成逐字稿,或把文字念出來,Flutter Edge AI 另有裝置端語音套件可選。 來源 4

    支援函式呼叫的模型也能把使用者的話轉成參數,交給你寫好的 Dart 函式。假設你做的是離線待辦清單,模型可以把「新增一筆買牛奶的待辦」轉成待辦內容,再由函式寫入手機上的清單。若同一個函式還要把資料同步到雲端,同步這一步仍需要網路。 來源 4

    試作前要選哪個套件和模型?

    Google 的 Flutter API 文件列的是社群維護的 flutter\gemma。這個套件家族在 2.0 改名為 Flutter Edge AI,舊套件仍以原名發布。從 2.0 版的入門範例開始,要裝核心套件 flutter\edge\ai 和 LiteRT-LM 引擎套件 flutter\edge\ai\litertlm。接著註冊引擎、下載並安裝模型,再開啟聊天工作階段。範例在安裝模型時會連網,裝好後就能在本機產生回答。 來源 1 來源 3 來源 4 來源 2

    只想試離線文字聊天,可從專案目錄裡的 Gemma 3 1B(0.6 GB)開始。想試照片問答,同一份目錄列出的 Gemma 4 E2B(2.6 GB)可接收文字、圖片和音訊。這兩個數字是模型檔大小,可用來估算下載量和儲存空間。 來源 4

    專案把 Android 和 iOS 都列為支援圖片與音訊輸入。選好模型後,可在目標手機上用實際要處理的文字或照片測試,確認執行時的記憶體用量和等到回答所需的時間。 來源 4 來源 3

    原文:https://easyvibecoding.app/curated/3811-flutter-litert-lm-on-device-ai

    3 min
  • Runway Praxis-1 每輪算出約 1.6 秒的手臂動作,再用實拍畫面算下一段

    Runway Praxis-1 每輪算出約 1.6 秒的手臂動作,再用實拍畫面算下一段

    機械手臂第一下沒抓好 T 恤,布料就會皺成另一個形狀。Runway 的機器人研究員 Rik Heijdens 用這個情境介紹 Praxis-1。模型每一輪會預測接下來的畫面與動作,機械手臂做完一小段後,下一輪再看攝影機實際拍到了什麼。Runway 已以 Apache 2.0 授權開放模型權重。 來源 1 來源 3 來源 4

    畫面怎麼變成手臂指令?

    每輪開始時,Praxis-1 讀進文字指令、最新的攝影機畫面,以及手臂目前的姿態。以報告中的 Franka 為例,畫面來自外部和手腕上的攝影機。視訊模型根據這些資訊預測接下來的場景,專門算動作的模組則讀取視訊模型在預測過程中產生的內部資訊,算出手臂末端要怎麼移動與轉向,以及夾爪要怎麼開合。 來源 3

    手臂動了之後,模型怎麼知道現場變了?

    預設模式下,手臂會先做完模型給的這一段動作。通常一段有 24 筆指令,以每秒 15 筆執行,共 1.6 秒。每次開啟新的預測視窗時,第一輪會短一些,只有 21 筆。每段做完後,攝影機實際拍到的畫面會送回模型,當作下一輪的輸入。 來源 3

    Runway 機器人團隊的 Rik Heijdens 在《Inside View》第三集用折 T 恤說明重新看一眼的用處。假設第一下抓偏了,布料皺成另一個形狀,照原先排好的路線走就可能折不好。模型在下一輪可以根據實拍畫面裡的布料狀態重新算動作。 來源 1 來源 3

    Runway《Inside View》第三集同貼文的 3 分 07 秒剪輯。約 1:13 起解釋手臂如何處理衣服變形,1:43 起說明攝影機回饋,1:58 起是研究者對未來用途的推估。 影片來源

    帶時碼逐字稿00:00:00.000 需要人來引導 AI,所以人類的判斷很重要。00:00:06.200 人要劃定它的運作範圍,也要驗證結果。00:00:10.520 我叫 Rik Heijdens,在 Runway 做機器人研究。00:00:17.980 這是實體 AI。你寫下程式,真實世界就有事情發生。00:00:22.440 你也可以訓練模型,讓它真的和現實世界互動。00:00:26.000 我喜歡的嗜好也是這樣。我自己打造賽車,然後開去比賽。00:00:31.260 我花時間想,怎麼把車設計得更好。00:00:35.960 腦中有一個想法後,你會花很多時間琢磨,再動用各種工具。00:00:40.400 最後你真的把它做出來,就能在現實中和它互動。00:00:45.520 我很享受這個過程。最近我在做00:00:49.560 Praxis-1。Praxis-1 是世界行動模型。構想是用視訊模型00:00:55.280 讓機器人做以前很難做的任務。00:00:59.600 傳統做法很難的一點是,你先替機器人寫好程式,00:01:04.820 它就一直走同一條軌跡。我們的模型可以00:01:09.280 回應環境變化,也能判斷發生了什麼。00:01:13.640 比如摺 T 恤,機器人可以依衣服摺起來的形狀調整。00:01:19.600 布料會變形,視訊模型會推估00:01:24.920 布料會怎麼變。控制機器人時,我們就想利用這種能力。00:01:28.600 如果你預先寫好固定的路徑,00:01:33.560 也就是先指定每個途經點,那麼一旦沒抓好 T 恤,00:01:38.520 它皺成別的形狀,機器人就可能摺不好。00:01:43.280 我們用機器人上的攝影機取得畫面,00:01:48.320 把這些觀察交給模型,00:01:53.440 模型就能回應環境和手上物件的變化。00:01:58.680 我想像,也許五年後我們會有一位居家助理,00:02:03.760 它可能是一台機器人,能把碗盤放進洗碗機、再拿出來,00:02:09.160 摺洗好的衣服、整理花園或取信。00:02:14.680 在倉儲和物流,也可能有這類機器人,00:02:19.440 由世界行動模型控制。想像一下處理服飾退貨,00:02:24.160 機器人可以打開包裹、把內容分類。00:02:29.640 農業也有很多可能的應用,00:02:34.800 例如除草,或在溫室裡工作。00:02:40.080 我認為,接下來幾年許多由人做的重複工作00:02:45.600 可能會交給機器人。00:02:50.360 開發過程其實很像。00:02:54.600 無論你在為 Runway 做新功能,還是在造車,00:02:58.400 心裡都有個設計,要想清楚想要什麼特性,以及要怎麼把設計做成真的。

    模型看得到現場,為什麼還會抓錯?

    Runway 在實機測試中遇到最常見的失誤,是手臂伸向長得像目標的物品。這種錯誤通常在模型預測的畫面裡就看得出來。場上有相似物件時,報告指出,指令說清楚顏色或大小,模型的表現會比指令含糊時好。開頭那句「把黃色積木放進藍色杯子」,就把要抓的東西和要放的位置都說清楚了。 來源 3

    同一台機器拔筆蓋,影片比較了什麼?

    Runway 的並排影片用同一台機器拔筆蓋,兩邊畫面都用 8 倍速播放。片尾標示的任務完成時間,Praxis-1 是 13 秒,GPT-6 Astra 是 7 分 54 秒。Runway 另外報告,同一工作站用同一組任務比較時,Praxis-1 完成速度為 15.6 倍,每項已完成任務的成本約為對方的 1/51。這組數字取決於當時的手臂、任務與控制設計。 來源 2

    無口語。同一台機器拔筆蓋的兩個片段都以 8 倍速播放。完工時各欄標示 13 秒與 7 分 54 秒。 影片來源

    原文:https://easyvibecoding.app/curated/3810-runway-praxis-1-robot-camera-action

    8 min
  • RTX Spark 小桌機開賣,最高 128 GB 統一記憶體對本機 AI 有什麼用?

    RTX Spark 小桌機開賣,最高 128 GB 統一記憶體對本機 AI 有什麼用?

    同一款華碩 ProArt GR1X 小桌機,有 64 GB 和 128 GB 兩種版本。CPU 和 GPU 共用同一池記憶體。選 128 GB 版本,共用容量就加倍,本機 AI 有更多空間載入較大的模型,也能替同時開著的創作工具留出空間。 來源 5 來源 1

    [](https://press.asus.com/assets/w1266%2Ch730/4090578d-bf7b-40bd-9cd3-9715f7298f76/ProArtGR1XPR-image.png)

    NVIDIA 宣布華碩、Dell 和 MSI 的 RTX Spark Windows 小桌機已開賣,接在先前推出的筆電之後。128 GB 是小桌機的最高記憶體規格。華碩指出,ProArt GR1X 的售價和供貨會因地區而異。 來源 1 來源 3 來源 2 來源 5

    128 GB 可以跑多大的模型?

    拿 NVIDIA 列出的 1,200 億參數語言模型來算,假設每個參數用 4 位元儲存,光是模型權重就約占 60 GB。64 GB 幾乎用滿,還得留空間給系統、推論工具,以及模型處理提示詞和文件時要暫存的資料。128 GB 的好處就在這裡,同一個模型載入後,還有更大的空間處理這些資料。 來源 1 來源 5

    華碩宣稱 ProArt GR1X 支援 1,200 億參數的語言模型搭配最多 100 萬個 token 的上下文,也就是模型一次能參考的內容長度。公告未列出對應的 64 GB 或 128 GB 配置、採用的模型、權重壓縮方式或每秒能生成多少 token。若要拿它處理長文件,還得看目標模型在該配置下能處理多長的內容,以及回應要等多久。 來源 5

    筆電帶出門後,小桌機能接著做什麼?

    筆電帶出門後,小桌機可以繼續跑排程或耗時的算圖。NVIDIA 在 Adobe MAX 讓參加者用文字指令把草圖做成渲染圖,也生成影片。NVIDIA 舉的另一個操作例子是讓 Hermes Agent 串接 Photoshop 和 ComfyUI,選出圖片中的主體、指定它怎麼動,再直接在電腦上生成動畫。 來源 1

    用支援的模型在本機完成任務,這些任務處理的程式碼和檔案可以留在電腦上,也省下按 token 計算的雲端 API 費用。Hermes 裡的 NVIDIA Switchyard 則可自動在本機和雲端模型之間分派任務,讓日常工作在電腦上跑,把較複雜的推理交給雲端。 來源 1

    原文:https://easyvibecoding.app/curated/3809-nvidia-rtx-spark-desktop-unified-memory

    4 min
  • Google 量子魔方陣勝率 98.3%,105 個量子位元又驗到什麼?

    Google 量子魔方陣勝率 98.3%,105 個量子位元又驗到什麼?

    畫一個 3×3 方格,每格填 +1 或 −1。每橫列的乘積要是 +1,每直欄的乘積要是 −1。把三列的乘積再乘一次,九格合起來是 +1。改從三欄算,同樣九格卻得出 −1。Google Quantum AI 把這個矛盾變成雙人遊戲,在 11 月 19 日發表於《Science》的研究中,用 Willow 處理器上的四個量子位元拿下 98.3% 勝率。同一篇研究也用了最多 105 個量子位元,測試量子電路能不能只靠固定幾層運算,就找出更大矩陣裡的線性規律。 來源 2 來源 1

    98.3% 勝率怎麼來?兩人各自作答,交會格要填一樣

    每局,Alice 只知道自己要填哪一橫列,Bob 只知道自己要填哪一直欄。兩人可以事先商量,作答時不能通訊。各自填出的三個數要符合乘積規則,交會那格還要答一樣才算贏。事先排好的答案至少會在一個交會格撞上矛盾,所以九種題目等機率出現時,經典策略最多贏 8/9,也就是 88.89%。Google 把九種組合各跑 10 萬次,整體勝率達 98.30%,高出約 9.41 個百分點。 來源 2

    [](https://storage.googleapis.com/gweb-research2023-media/originalimages/QuantumContextuality1-MagicSquareGame.png)

    右側每個點對應一種列欄組合,誤差棒以 100 倍的 σ 畫出。

    兩人事先共享兩對糾纏量子位元,各拿兩個。收到題目後,Alice 依指定的橫列選一組測量,Bob 依指定的直欄選一組測量。同一格有時跟整列一起測,有時跟整欄一起測。量子脈絡性指的是,你能用來解釋這些結果的方式,得考慮哪些測量是一起做的。要把所有結果都當成早已填好的一張答案表,就會碰到開頭的矛盾。共享的糾纏讓兩人各自測量時,交會格的答案仍能一致。理想的量子策略可以每局都贏,實機約每 60 局輸一局,研究團隊將落差歸因於硬體雜訊。 來源 2

    105 個量子位元驗到什麼?題目變大,電路層數固定

    另一項實驗要找出藏在輸入矩陣裡的線性規律,研究團隊稱它為「隱藏線性函數」。比較的條件是電路深度固定,也就是題目再大,仍只能用固定層數來算。這限制了資訊在經典電路中每個輸出能取得的範圍。Google 把量子電路擴到 105 個量子位元,成功率隨規模增加降到約 60%,仍高於圖中同一規模下經典策略的推測上限。 來源 2

    [](https://storage.googleapis.com/gweb-research2023-media/images/QuantumContextuality3-HiddenLinearFunction.width-1250.png)

    下圖採用 P\_gate = 0.5,也就是上圖箭頭涵蓋的量子閘各以一半機率施加。

    量子測試怎麼抓到硬體誤差?

    這類測試要求多個量子位元的測量結果同時符合指定規則。研究團隊在實驗中發現細微的相干誤差,也就是量子態的旋轉稍微偏離預定角度。這類偏差在隨機電路測試裡容易被平均掉。以魔方陣為例,88.89% 是經典策略的上限,而實機勝率離理想量子策略的 100% 還有多遠,也能用來衡量硬體表現。 來源 2

    原文:https://easyvibecoding.app/curated/3808-google-quantum-contextuality-magic-square

    5 min

About EasyVibeCoding Podcast

From the publisher's feed

輕鬆Vibe Coding — 每日策展的 X 技術社群精選、AI 趨勢分析與 Claude 實作心得的中文音訊版。