EasyVibeCoding Podcast

EasyVibeCoding Podcast

By EasyVibeCodingTechnology
Download on the App Store

EasyVibeCoding Podcast episodes

  • OpenAI 推出 Health in ChatGPT 功能讓使用者連接醫療記錄

    OpenAI 推出 Health in ChatGPT 功能讓使用者連接醫療記錄。

    核心功能與整合
    Health in ChatGPT 逐步向美國、年滿 18 歲的已登入使用者推出,涵蓋 Free、Go、Plus 與 Pro 方案,支援網頁版與 iOS 應用程式。
    使用者可選擇連接 Apple Health 以及支援的醫院系統、One Medical 或 Function Health 等醫療記錄。
    側邊欄的 Health 成為管理資訊、檢視記錄與回顧健康對話的主要介面。
    四支智慧型手機螢幕展示整合健康追蹤功能的 ChatGPT 行動應用程式介面,包含側邊選單、健康活動總覽、檢驗結果紀錄以及帳號連結管理等頁面。
    隱私防護與資料控制
    OpenAI 強調,連接的醫療記錄、Apple Health 資訊以及相關對話,絕不會用於訓練基礎模型或投放廣告。
    預設情況下,ChatGPT 在使用健康資料前會先徵求使用者同意,使用者也可隨時在 ` Settings > Plugins > Health ` 中更改權限。
    若選擇解除連接,同步自該來源的資料將會在 30 天內從 OpenAI 的系統中刪除;但已納入 ChatGPT 對話歷史的資訊,會保留到你刪除那些對話為止。
    底層模型與醫療準確性
    推出 GPT‑5.5 Instant 為所有免費使用者帶來前沿的健康智慧,而付費使用者則可使用專為複雜健康問題設計的 GPT‑5.6 Sol 模型。
    OpenAI 與全球數百名醫師合作,針對準確性、安全性、溝通能力、脈絡意識與適當轉介等指標進行評估與訓練。
    評估顯示,GPT‑5.6 模型在 HealthBench Professional 評測中的表現超越了 GPT‑5.5。
    GPT-5.6 Sol 在 Accuracy(91.0%)、Communicates Clearly(86.7%)、Completeness(88.0%)、Follows Instructions(93.8%)與 Health Decision Helpfulness(83.0%)等各項評估標準中均獲得最高的高分評論比例,領先 GPT-5.5 Instant、GPT-4o 及 Physician written。

    原文:https://easyvibecoding.app/curated/2714-openai-launches-health-in-chatgpt-medical-records

    3 min
  • ChatGPT 桌面版應用程式推出 ChatGPT Voice 讓使用者能透過即時語音控制電腦

    ChatGPT 桌面版應用程式推出 ChatGPT Voice 讓使用者能透過即時語音控制電腦。

    功能與運作機制
    OpenAI 於 2026 年 7 月 24 日宣布將 ChatGPT Voice 導入桌面版應用程式,由 GPT-Live 技術驅動,具備同時說話、聆聽與協調應用程式內工作的能力。
    支援透過語音直接控制電腦,並指揮在 ChatGPT Work 或 Codex 中運作的多個 Agent。
    支援 macOS 與 Windows 系統,向 Plus、Pro、Business、Edu 及 Enterprise 方案全球推出。
    使用者亦可透過 iOS 應用程式搭配配對的遠端存取功能,在 Codex 中使用 ChatGPT Voice,Android 支援則將陸續推出。
    實際應用與體驗
    開發者 Tibo(@thsottiaux)表示使用者現在能擺脫鍵盤進行日常工作。使用者 Guinness Chen(@guinnesschen)分享其為理想的規劃模式,能從模糊的想法開始,透過 AI 提出犀利的提問協助釐清需求、邊對話邊繪製架構圖,最後啟動 Codex 任務進行建置。
    一位工程師透過 OpenAI 桌面版應用程式的 Voice 功能進行開發。
    桌面協作與畫面展示
    在實際應用展示中,工程師可透過桌面版應用的 Voice 功能進行協同開發,介面呈現 macOS 桌面 App 風格的對話記錄、專案看板與檔案列表,並包含如 launch-preview、audio-phase-inputs、feature-flags 等目錄與檔案。介面亦展示了音訊處理邏輯與架構圖比較的任務設置,包含「Current behavior」與「Proposed behavior」的流程對比,並能將變更後的架構指派給任務執行。本站先前策展過〈OpenAI 推出 GPT-Live 即時語音對話〉,當時展示了語音對話支援,而本次更新則進一步將該能力延伸至桌面版與多 Agent 協同調度。
    某 AI 程式介面透過對話呈現 Voice-leading Engine 變更的架構圖比較與任務設置。

    一位工程師透過 OpenAI 桌面版應用程式的 Voice 功能進行開發。 影片中的 Prompt 與操作:

    操作步驟: 1. (00:01)啟動投影並播放日常播放清單 2. (00:04)透過桌面 App 語音助理撰寫部落格貼文草稿 3. (00:39)呼叫 Codex 檢查 feature flags 設定 4. (00:45)建立新執行緒尋找 bug 根源並建立 pull request 5. (00:58)透過語音設定專案目標並標記團隊審查

    某 AI 程式介面透過對話呈現 Voice-leading Engine 變更的架構圖比較與任務設置。 影片中的 Prompt 與操作:

    Prompt(00:01): 可以秀一下你想做的變更的圖表嗎?

    原文:Can you show me a diagram of the changes you want to make?

    Prompt(00:33): 你可以開始一個任務來做這件事嗎?

    原文:Could you start a task to go do this?

    操作步驟: 1. (00:42)開啟工作佇列與任務指派

    原文:https://easyvibecoding.app/curated/2716-chatgpt-desktop-app-adds-voice-control

    3 min
  • 我終於能用我真正的思考方式跟 ChatGPT 對話了

    我終於能用我真正的思考方式跟 ChatGPT 對話了

    這感覺一定有點像東尼·史克賈維斯(Jarvis)對話時的感受。
    我非常高興我們剛在 ChatGPT 桌面版應用程式的 Work 和 Codex 中推出了 ChatGPT Voice。
    我不確定你的情況如何,但我的想法很少一開始就是結構完美的 prompt。我通常會先解釋一件事情,想起一些相關的事,然後意識到有幾個部分其實可以獨立推進。
    我寧願把那種亂七八糟的版本講出來、回答後續的問題,然後讓 Voice 把這些不同的部分轉化成實際的工作。
    這雖然是一場即時的語音對話,但它可以協調多個不同的任務。我可以大聲思考、請 ChatGPT 把工作拆分,並且在這些任務執行時繼續說話。
    我可以詢問哪些任務已經完成、聽取阻礙(blocker)的狀況、打斷回應,或是重新導向某個特定的任務。這就是 AGI 嗎?我沒說錯吧?
    展開畫面重點畫面為應用程式的對話介面,頂端標題為「New voice chat」。
    對話內容包含以下往來文字:
    使用者:「I'm moving in two weeks and have barely started. Can you help me think through what I need to do first」
    回應:「Totally, let's keep this simple. First, lock in movers or truck, then sketch a room-by-room packing plan and figure out what you'll need during your last week. Start with the things you use least. And make a quick checklist of utilities, address changes, and any time-sensitive tasks.」
    使用者:「Okay, great .actually start separate threads to just compare movers that we have in New York. Make a room-by-room packing plan. I live in a one-bedroom apartment. List everywhere that I need to change my address .and just find packing time on my calendar. Don't book or change anything just yet」
    回應:「Got it, I'll start mapping that out. I'm building those in parallel, starting with the mover comparison and breaking the rest into a packing plan, address changes, and scheduling.」
    下方列出四個建立的對話項目,均顯示「Chat created」與「Open chat」按鈕:
    Chat created (Open chat)
    Chat created (Open chat)
    Chat created (Open chat)
    Chat created (Open chat)
    下方文字狀態顯示:「I've split everything into four subtasks. Comp[are N]ew York movers, building a one-bedroom packing plan, listing address updates, and checking your calendar.」
    最下方輸入框顯示「Work with ChatGPT」,左側有加號與「Custom」按鈕,右側有喇叭、麥克風與關閉按鈕。畫面中央下方有一個藍色的語音波形動態球體。
    如何開始
    在桌面版應用程式中開啟新的對話或任務,然後選擇「開始新的語音對話」圖示。第一次使用時,系統會要求你允許存取麥克風並選擇一個聲音。
    對話開始後,你可以切換到其他視窗並繼續說話。藍色的 Voice 圓圈會一直跟著你。你可以把它拖曳到任何你想放的位置、將 ChatGPT 的音訊靜音、將你的麥克風靜音,或是直接結束對話。
    展開畫面重點畫面呈現一個語音控制介面,上方為藍色雲霧狀漸層的圓形視覺元素。下方重疊一個帶有圓角的白色膠囊狀操作列,由左至右分別為:
    喇叭圖示(音訊輸出控制)
    麥克風圖示(語音輸入控制)
    藍色圓形背景的白色「X」關閉按鈕
    在「設定 (Settings)」→「語音 (Voice)」底下,你可以選擇聲音、設定全域熱鍵以便從桌面任何地方啟動 Voice,並在 macOS 上啟用螢幕內容(Screen Context)。
    啟用螢幕內容後,當你在對話中提及螢幕上的內容時,ChatGPT 可以為你的前景視窗拍攝應用程式截圖(appshot)。這並不是持續的螢幕分享,而且 macOS 會在第一次時徵求你的許可。
    展開畫面重點畫面頂端標題為「Voice chat」。下方包含三個主要的設定選項:
    Voice
    - 說明文字:Choose the voice Codex uses for new voice chats
    - 右側控制項顯示目前選擇的語音:「Arbor」並帶有藍色圓點圖示。
    Voice chat hotkey
    - 說明文字:Start voice chat from anywhere on desktop
    - 右側顯示快速鍵組合圖示(⇧⌘D)以及編輯與刪除的按鈕圖示。
    Screen context
    - 說明文字:Let Codex inspect the foreground app when you refer to what's on screen. macOS asks for access the first time Codex needs it
    - 右側為開關切換按鈕,目前處於啟用狀態(呈現藍色開啟狀態)。
    我在什麼時候會使用 Voice
    對我來說,當最困難的部分是把腦中的想法全部倒出來、而不是敲打出最後一句話時,Voice 最有用。當我有以下需求時,就會使用它:
    我要加入一場進行中的討論,在知道正確的問題之前,需要先透過對話釐清上下文
    一個想法包含多個可以平行的任務
    我想要進行腦力激盪,並讓 ChatGPT 挑戰我的想法或比較各種權衡(tradeoff)
    我正在看設計、文件、Slack 討論串或程式碼,並想要引用螢幕上已經存在的內容
    我的手或注意力在別的地方,但我仍想推動專案進展
    有幾個任務已經在執行,而我需要最新進度、解決阻礙,或是改變方向
    實際應用的樣子
    如果你是一位工程師:
    看一下這個失敗的測試。
    啟動一個任務來可靠地重現它。
    啟動另一個任務來檢查上次通過測試後的變更。
    啟動第三個任務來檢查周圍的測試是否有類似的失敗。
    在修改任何程式碼之前,先比較這些發現並告訴我最可能的根本原因。
    如果你從事產品工作:
    看一下這場發表討論。
    啟動一個任務來將已確認的決策與建議區分開來。
    啟動另一個任務來比較每個選項的使用者影響與技術權衡。
    啟動第三個任務來找出沒人回答的重要問題。
    接著草擬建議的後續步驟,並附上指向佐證資料的連結。
    如果你從事業務工作:
    協助我準備下一通客戶電話。
    啟動一個任務來檢視最近的 email 和會議記錄。
    啟動另一個任務來列出每一項承諾、負責人和尚未解決的問題。
    啟動第三個任務來尋找他們提出主題的相關產品背景資訊。
    給我一份五分鐘的簡報摘要,並草擬一封後續追蹤信,但先不要寄出任何東西。
    如果你是內容創作者:
    我想製作一集關於 AI Agent 的 Podcast。
    啟動一個任務來研究目前最有趣的爭論。
    啟動另一個任務來開發三個可能的切入角度。
    啟動第三個任務來蒐集可信的來源。
    啟動另一個任務來建立製作與宣傳的檢查清單。
    然後推薦最強的故事。先不要聯絡任何人或發布任何東西。
    或者,如果你像我一樣,兩週後要搬家:
    啟動一個任務來比較我 email 中的搬家報價。
    啟動另一個任務來建立逐房的打包計畫。
    啟動第三個任務來列出我需要更改地址的所有地方。
    啟動另一個任務來檢查我的行事曆,找出打包的實際可行時間區塊。
    在採取行動之前,告訴我有什麼需要決定或預約的事。
    而且因為 Voice 支援自然中斷,我可以中途插話:
    等一下。為那個「會拖延到最後一個週末才動手」的我最佳化這…

    7 min
  • 阿里雲發布 Qwen-Audio-3.0-TTS,推出 Flash 與 Plus 雙版本語音合成模型

    阿里雲發布 Qwen-Audio-3.0-TTS,推出 Flash 與 Plus 雙版本語音合成模型。

    宣傳海報:一隻戴著耳機的卡通熊正對著專業麥克風唱歌,上方印有「More Multilingual, Easier to Direct」與「Qwen-Audio-3.0-TTS」字樣。
    Alibaba Group 旗下 Qwen Audio 與 Token Foundry 共同開發出面向生產環境的語音合成系統 Qwen-Audio-3.0-TTS,並在 Artificial Analysis Text-to-Speech Leaderboard 上取得第一名的領先表現。該模型共分為 Flash(專為即時互動打造)與 Plus(主打高品質生成)兩種版本,提供開發者兼顧低延遲與高音質的語音合成方案。
    Qwen-Audio-3.0-TTS-Plus 在 Artificial Analysis Speech Arena Leaderboard 中以 Elo 分數 1,234 位居第 1 名領先其他 TTS 模型。
    核心功能與架構特色
    採用 12.5 Hz 低影格率(low-frame-rate)監督式 speech tokenizer 來降低自迴歸解碼成本。
    結合五階段漸進式訓練範式,在多項基準評測中表現優異。
    支援 16 種語言(其中 7 種為新增)、20 個中文方言區、困難文本正規化案例。
    支援長達 3 分鐘的單次長文本合成,並能在吵雜、混響或不清楚的參考語音下進行強健生成。
    提供雙向 WebSocket 串流協議,支援低首包延遲的即時語音合成、串流輸入與輸出、聲音選定(voice cloning)、聲音設計(voice design)及音量、語速、音高與位元速率調整。
    相容主流音訊格式(PCM、WAV、MP3、Opus),最高支援 48 kHz 取樣率輸出。
    Qwen-Audio-3.0-TTS、ElevenLabs-v3-API、MiniMax-Speech-2.8-HD-API、VoxCPM2、Qwen3-TTS-1.7B-Base 與 DotsTTS-SOAR 在 CV3 多語言評測集上的表現比較。
    產出等級控制與精細化標籤
    支援透過自由格式自然語言指令調整角色、情緒、說話風格、語速、音色與口音(例如以自然語言指令「read this slowly, like a bedtime story」或 instruction="请用河南话表达。" 調整語氣)。
    提供 86 個新增的精細化 inline tags,實現字詞級別的區域控制與非語言事件(如 [whisper]、[angry]、[breaths]、[laughs])。
    Qwen-Audio-TTS 系列模型支援在 text 參數中直接嵌入情感與豐富語言標籤(如 [sad]、[amazed]、[shouting]、[asmr]、[crying]、[gasp]、[sighing]、[clears throat]、[giggles]、[laughing]、[cough]、[snorts]),控制情感表現或插入笑聲與嘆氣等聲音特效。
    這張雷達圖比較了 Qwen-Audio-3.0-TTS、DotsTTS-SOAR、MiniMax-Speech-2.8-HD-API、VoxCPM2、Qwen3-TTS-1.7B-Base 以及 ElevenLabs-v3-API 在 16 種語言(CV3 基準)上的性能數據。
    即時互動模式與 API 呼叫
    提供兩種互動模式:由伺服器自動處理文字斷句與合成時機的 server_commit mode,以及由客戶端明確提交文字緩衝區以精確控制合成時機的 commit mode。
    呼叫 API 前需先設定 API Key 為環境變數 DASHSCOPEAPIKEY,並透過 DashScope SDK 進行呼叫。
    提供了 Python 與 Java 的實作範例,模型可設定為 qwen-audio-3.0-tts-flash 或 qwen-audio-3.0-tts-plus。
    若要啟用 Instruction control 功能,需將 model 替換為 qwen3-tts-instruct-flash-realtime 並透過 instructions 參數設定指令。
    Python 範例中使用 cosyvoice-v3-flash 模型搭配 longanhuan_v3 語音與 instruction="请用河南话表达。" 參數,並透過 WebSocket 連線 wss://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api-ws/v1/inference 進行語音合成與儲存的程式碼如下:
    `python
    coding=utf-8
    import os
    import dashscope
    from dashscope.audio.tts_v2 import *
    dashscope.apikey = os.environ.get('DASHSCOPEAPI_KEY')
    dashscope.basewebsocketapi_url='wss://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api-ws/v1/inference'
    model = "cosyvoice-v3-flash"
    voice = "longanhuan_v3"
    synthesizer = SpeechSynthesizer(model=model, voice=voice, instruction="请用河南话表达。")
    audio = synthesizer.call("叫你去买盐,你买回来一袋面,这不是弄啥嘞吗!")
    print('[Metric] requestId: {}, first-packet latency: {} ms'.format(
    synthesizer.getlastrequest_id(),
    synthesizer.getfirstpackage_delay()))
    with open('output.mp3', 'wb') as f:
    f.write(audio)
    `
    連線池與高併發效能最佳化
    DashScope SDK 內建連線池機制可重複使用 WebSocket 連線與合成器物件以降低負荷。
    Python SDK 利用 SpeechSynthesizerObjectPool 管理與複用 SpeechSynthesizer 物件,建議將 pool 大小設定為尖峰併發數的 1.5x 至 2x 之間且不超過帳戶的 QPS 限制。
    借用合成器物件的程式碼範例:
    `python
    speechsynthesizer = connectionPool.borrowsynthesizer(
    model='cosyvoice-v3-flash',
    voice='longanyang',
    seed=12382,
    callback=synthesizer_callback
    )
    `
    任務完成後需呼叫 connectionPool.returnsynthesizer(speechsynthesizer) 將物件歸還以供複用,但未完成或失敗的任務物件不得歸還。
    Java SDK 透過內建的 OkHttp3 連線池與基於 commons-pool2 的自定義物件池協同運作來達到最佳效能,相關環境變數設定包含 DASHSCOPECONNECTIONPOOLSIZE、DASHSCOPEMAXIMUMASYNCREQUESTS、DASHSCOPEMAXIMUMASYNCREQUESTSPERHOST 與 COSYVOICEOBJECTPOOL_SIZE。

    原文:https://easyvibecoding.app/curated/2646-alibaba-cloud-launches-qwen-audio-tts

    4 min
  • Cursor 推出 Cursor Router 讓使用者自訂模型路由

    Cursor 推出 Cursor Router 讓使用者自訂模型路由。

    影片介紹名為 Cursor Router 的功能,可依任務需求自動切換模型,降低成本並提升效能。
    核心功能與運作方式
    Cursor 推出智慧模型路由器 Cursor Router,能在請求送出前進行分類,自動將每個工作路由至最適合的模型。
    透過分析查詢內容、上下文、任務複雜度與領域,將簡單工作交給高成本效益模型,UI 更新交給具備良好美感的模型,複雜的長遠任務則交給頂級推理模型。
    訓練資料包含超過 60 萬筆即時請求,並透過線上 A/B 測試針對使用者滿意度進行最佳化。
    具備快取感知(cache-aware)能力,在訓練與評估階段皆將快取未命中的成本納入考量。
    Cursor Router 在保持前沿模型品質的前提下,達到 60% 的成本削減。
    三種最佳化模式
    使用者可在模型選單中選擇 Auto 模式,並透過三種最佳化選項調整成本與智慧的平衡:
    Intelligence:提供頂級品質,效能對齊日常使用門檻較高的最昂貴強大模型。
    Balance:提供強大品質,效能對齊多數人喜愛日常使用的頂級模型。
    Cost:在最佳化 token 花費的同時,提供可用範圍內最高水準的智慧表現。
    軟體設定的下拉式選單介面,標題為「Optimize For」,底下提供三個選項:「Intelligence」、「Balance」與目前被勾選的「Cost」。
    Cursor Router 的 Intelligence($6.76)與 Balance($4.63)模式相比 Opus 4.8 Thinking($7.34)能以更低的每次提交成本提供前沿模型品質。
    企業管理與效能表現
    Cursor Router 現已全面登陸 Teams 與 Enterprise 方案的各個操作介面,並賦予管理者完整的控制權。
    企業管理者可針對團隊啟用 Router、允許或封鎖特定模型、設定預設值,以及為使用者停用特定的最佳化模式。
    依據早期測試與線上 A/B 測試結果,在不犧牲輸出品質的前提下,能節省約 30% 至 60% 的成本。
    畫面顯示的每次 Commit 成本(Cost per commit)統計中,Cursor Router 展現出顯著的成本優勢(Cursor Blog)。
    Cursor Router 在為期兩週的 Early Access 試用期間,相較於全數請求指派至 Opus 4.8,為各客戶實現了 31% 至 52% 不等的成本節省。

    影片介紹名為 Cursor Router 的功能,可依任務需求自動切換模型,降低成本並提升效能。 影片中的 Prompt 與操作:

    操作步驟: 1. @00:04 點擊下拉選單切換至 Cost 優化選項 2. OGFRAME: 00:13

    原文:https://easyvibecoding.app/curated/2644-cursor-launches-cursor-router-custom-routing

    3 min
  • 阿里巴巴發布 Qwen-Image-3.0 基礎圖像生成模型,透過豐富內容、真實細節與深厚知識三大維度,讓圖像生成真正成為實用的生產力工具

    阿里巴巴發布 Qwen-Image-3.0 基礎圖像生成模型,透過豐富內容、真實細節與深厚知識三大維度,讓圖像生成真正成為實用的生產力工具。

    宣傳 Qwen-Image-3.0 的圖像,背景鋪滿英文與多國語言文字,左上角有 Qwen 標誌,右上方有一隻戴著船長帽的可愛熊仔乘著小船,正中央則以大字標示「Qwen-Image-3.0」。
    核心維度
    豐富內容(Rich Content):支援高達 4.5k token 的輸入,能在一道指令中進行單次生成,處理複雜的橫向擴展與縱向深度。
    橫向擴展與空間控制:模型具備強大的語義並置能力,僅需 3.7k token 就能產出 3×3 的資訊圖表網格,涵蓋隧道安全漫畫、空間幾何、出師表風格分析、物理拋體運動、寄生蟲學、右胸痛診斷、席洛定理、銀行內控與 DNA 結構,且每個儲存格的文字與視覺皆精準無誤。
    包含數學、物理、醫學、文學、生物學等多領域知識科普的漫畫圖解拼圖。
    縱向深度(Picture-in-Picture-in-Picture):支援語義解構與邏輯巢狀,能透過單一指令由外到內渲染出 Visual Studio Code → Qwen Chat → 訊息應用程式 → 手沖咖啡海報的巢狀介面,層層保留各 UI 的真實風格。
    Visual Studio Code 程式碼編輯器中預覽行動裝置即時通訊軟體介面模擬圖的畫面截圖。
    細節與知識升級
    真實細節(Authentic Details):將微觀細節的渲染精度推向新高度,支援清晰辨識 10px 的小字、細緻的毛孔與髮絲,並能完美呈現包含多行複雜公式推導的 LaTeX 學術論文頁面、報紙版面,以及帶有手寫畫線與註解的高中課堂筆記風格。
    包含數學公式、幾何配置與範疇論相關定理證明的數學論文頁面。
    深厚知識(Deep Knowledge):支援 12 種語言的原生渲染、超過 100 種藝術風格、主流介面模擬(網頁、遊戲、直播間),並能透過聯網搜尋即時世界知識,還能繪製具備分類學資訊、形態標註與比例尺的專業學術出版級昆蟲圖表。
    特寫鏡頭捕捉一位留著捲髮、帶有花朵陰影的女性手持花卉,沐浴在柔和陽光下的肖像。
    取得方式
    使用者可透過 Qwen Chat 體驗圖像生成功能,或至 Qwen 官方部落格 閱讀詳細技術說明。
    Visual Studio Code 程式碼編輯器中開啟的 Python 專案截圖,左側為檔案總管顯示特徵工程相關的檔案結構,右側為主編輯視窗展示 feature_engineering.py 的原始碼,下方則為 Python 主控台輸出的程式執行日誌與執行結果。
    夜晚的草地上坐著兩隻狗,左側的黑色狗狗正伸出舌頭舔著右側黑白相間狗狗的臉頰。

    原文:https://easyvibecoding.app/curated/2654-alibaba-launches-qwen-image-3-model

    4 min
  • Claude 發布 Claude Security plugin 讓使用者能直接掃描程式碼漏洞

    Claude 發布 Claude Security plugin 讓使用者能直接掃描程式碼漏洞。

    手繪插圖:一台筆記型電腦螢幕中央有一個鑰匙孔圖示。
    核心功能
    在提交變更前掃描漏洞,或對整個程式庫執行完整掃描。
    整合於 Claude Code 終端機環境中運作。
    官方產品說明頁面可參閱 Claude Security 測試版。
    掃描選項
    根據 demo 畫面顯示,該工具提供多種掃描深度與範圍的選項供使用者選擇:
    Whole repo, medium (Recommended):預設推薦選項,涵蓋約 20 個檔案的完整工作流程,包含資產清單、威脅模型、各元件研究、廣度掃描與驗證面板。
    Whole repo, high:提供更深入的覆蓋範圍,包含更廣泛的資產清單、每單元兩位研究員及兩次廣度掃描,耗時較長且成本較高。
    Whole repo, max:最高深度的掃描,包含高階選項的所有內容,並加入對抗性紅隊測試。
    自訂輸入與對話討論功能。
    Claude Security 作為 Claude Code 外掛工具的操作介面,提供不同深度與範圍的安全掃描選項。

    Claude Security 作為 Claude Code 外掛工具的操作介面,提供不同深度與範圍的安全掃描選項。 影片中的 Prompt 與操作:

    操作步驟: 1. (00:00)檢視 Claude Code 外掛中的 Claude Security 掃描深度與範圍選項(1. Whole repo, medium、2. Whole repo, high、3. Whole repo, max)。

    原文:https://easyvibecoding.app/curated/2663-claude-launches-security-plugin-code-scanning

    2 min
  • Google 推出 Gemini 3.6 Flash、3.5 Flash-Lite 與 3.5 Flash Cyber 三款全新模型,提升處理效率與 token 效益

    Google 推出 Gemini 3.6 Flash、3.5 Flash-Lite 與 3.5 Flash Cyber 三款全新模型,提升處理效率與 token 效益。

    畫面展示了 Google Gemini 推出 Gemini 3.6 Flash、3.5 Flash-Lite 與 3.5 Flash Cyber 的標題畫面。
    Google 近日擴充 Gemini 模型家族,發表 Gemini 3.6 Flash、3.5 Flash-Lite 與 3.5 Flash Cyber 三款新模型,旨在滿足開發者與企業在建構生產級 AI Agent 時對高效能、低延遲及精準度的需求。這些模型針對程式開發、Agentic 程式開發與知識工作進行深度優化,其中 Gemini 3.6 Flash 與 3.5 Flash-Lite 已在 Google AI Studio、Gemini API、GitHub Copilot 等多個平台上線。
    這是一張介紹 Gemini 3.6 Flash、3.5 Flash-Lite 與 3.5 Flash Cyber 等模型的發表公告圖片。
    Gemini 3.6 Flash 的核心升級與效能表現
    Gemini 3.6 Flash 作為新一代的主力模型,根據使用者回饋針對程式碼編寫、推理、工具呼叫及多模態任務進行全面強化:
    根據 Artificial Analysis Index 顯示,其輸出 token 使用量比 Gemini 3.5 Flash 減少 17%,並在 Datacurve 的 DeepSWE 評測中達到高達 65% 的 token 節省。
    在 DeepSWE 基準測試中,其任務精確度提升至 49%(相較於 3.5 Flash 的 37%),且減少了不必要的程式碼修改與執行迴圈。
    在 ML Research 評測 MLE Bench 中表現顯著提升(63.9% 對比 49.7%),在電腦使用(Computer Use)能力上於 OSWorld-Verified 達到 83.0%。
    定價為每百萬輸入 token 1.50 美元、每百萬輸出 token 7.50 美元,並內建更強大的 Frontier Safety 安全防護機制,降低被越獄(jailbreak)的風險。
    Gemini 3.6 Flash 在 DeepSWE v1.1、MLE-Bench、GDPVal-AA v2 以及 OSWorld-Verified 等代理基準測試中均超越 3.1 Pro 與 3.5 Flash 等前代模型。
    Gemini 3.5 Flash-Lite 的高輸送量特性
    Gemini 3.5 Flash-Lite 是 3.5 系列中最快且最具成本效益的模型,專為高輸送量生產流量與 agentic 搜尋、文件處理等任務設計:
    執行速度高達每秒 350 個輸出 token。
    定價為每百萬輸入 token 0.30 美元、每百萬輸出 token 2.50 美元。
    在多個基準測試中超越前代與部分 3 系列模型,例如在 Terminal-Bench 2.1 達到 54%(對比 3.1 Flash-Lite 的 31%),在 SWE-Bench Pro 更達到 54.2%。
    支援動態調整思考層級,讓開發者在低延遲與多步驟子 Agent 工作負載之間取得平衡。
    Gemini 3.5 Flash-Lite 在各項基準測試顯著超越 Gemini 3.1 Flash-Lite,並在 OSWorld-Verified(74.0%)與 GDM-MRCR v2(128k 72.2%)超越 GPT-5.4 mini,但在 SWE-Bench Pro(54.2%)、Terminal-bench 2.1(54.0%)、GDPval-AA v2(1140)與 CharXiv Reasoning(74.5%)落後 GPT-5.4 mini。
    Gemini 3.5 Flash Cyber 與資訊安全應用
    針對程式碼安全性,Google 推出了專門的 Gemini 3.5 Flash Cyber 模型:
    建立在 3.5 Flash 的基礎上,並針對資安弱點檢測與修補進行微調。
    搭配 CodeMender 程式安全 Agent 使用,在 CyberGym 評測中展現出具競爭力的前沿水準。
    為了防範雙重用途帶來的風險,該模型將率先透過限量存取試驗計畫,僅提供給受信任的合作夥伴與政府單位使用。
    Gemini 3.5 Flash Cyber 在 CodeMender 中的 CyberGym 基準測試獲得 83.2% 的成績,展現出具競爭力的前沿水準表現。
    Gemini 3.5 Flash Cyber 在 Big Sleep Evaluation 以 72% 領先 Gemini 3.6 Flash(42%)與 Gemini 3.5 Flash(36%)。
    Gemini 3.5 Flash Cyber 在 Chrome Production Commit Scanning Pipeline 的表現領先 Gemini 3.5 Flash 與 Opus 4.6。
    多平台生態系支援與 GitHub Copilot 整合
    Gemini 3.6 Flash 與 3.5 Flash-Lite 已陸續在各大平台上線供使用者與開發者呼叫(Gemini 3.5 Flash Cyber 為限量存取、尚未公開):
    Gemini 3.6 Flash 已於 Google AI Studio、Android Studio、Gemini API、Google Antigravity、Gemini App 及 Gemini Enterprise Agent Platform 推出,並逐步整合至 GitHub Copilot,供 Pro、Pro+、Max、Business 與 Enterprise 使用者透過 Visual Studio Code、Visual Studio、Copilot CLI 等選單啟用(採漸進式推出,Business/Enterprise 需管理員先於 Copilot 設定開啟 Preview 政策)。
    Gemini 3.5 Flash-Lite 同步於 Google AI Studio、Android Studio、Gemini API、Gemini App、Google Search 及企業平台提供支援。
    比較 Gemini 3.5 Flash 與 Gemini 3.6 Flash 在執行程式碼與平行子代理程式時的效能與輸出差異。

    比較 Gemini 3.5 Flash 與 Gemini 3.6 Flash 在執行程式碼與平行子代理程式時的效能與輸出差異。 影片中的 Prompt 與操作:

    操作步驟: 1. @00:00 啟動兩款模型的平行子代理程式任務進行效能對比

    原文:https://easyvibecoding.app/curated/2641-google-launches-three-new-gemini-flash-models

    6 min
  • ChatGPT 推出 Work mode 讓使用者能自動化處理生活行政任務

    ChatGPT 推出 Work mode 讓使用者能自動化處理生活行政任務。

    核心功能與實際體驗
    Tibo 分享了 TechRadar 針對 ChatGPT 全新 Work mode 的實測心得,探討這個以工作為名的模式如何處理日常行政與複雜任務。Work mode 是付費版使用者(基本版 Go 方案除外)可透過網頁端滑動切換或行動端選單啟動的全新 Agent 模式,專門用來處理跨越已連線應用程式與檔案、需時較長的複雜任務。
    生活行政與專案實測
    這張螢幕截圖展示了 ChatGPT 介面在電腦瀏覽器與手機應用程式上的顯示樣貌,畫面中顯示了「Work」與「Chat」的切換選項,以及整合 Google Calendar、Slack 和 Gmail 等外部工具的連線功能。
    規劃假期:輸入日期、預算、家庭需求並連線 Gmail,讓 ChatGPT 研究目的地、比較交通住宿、產生成本試算表及行程表。
    家庭財務管理:匯入帳單、銀行匯出試算表與家庭文件,建立動態預算、預測年度成本並製作儀表板,還能透過排程任務定期檢視新帳單。
    組織大型家庭活動:研究慶祝週年紀念日的餐廳選項,若為大型活動則能管理嘉賓名單、追蹤回覆、製作預算及建立簡易資訊網站。
    管理房屋修繕專案:比較報價、分析計畫與產品規格、建立預算與時間軸,並持續追蹤價格變動或新訊息。
    處理每週家庭物流:連線行事曆與 email 後,自動產出每週家庭計畫,並設定每週日晚間自動重新產生的排程任務,在重要變動時發出提醒。
    技術轉變與未來意義
    Tibo 引用的文章指出,Work mode 的推出象徵 OpenAI 核心產品發展方向的轉變,讓 ChatGPT 從單純回答單一問題的聊天介面,轉變為能處理長期進行中專案的工具。這也標誌著 AI 發展從第一階段的聊天機器人,正式邁入能獨立運作、處理複雜與持續性任務的第二階段 Agent 時代。
    畫面顯示一款智慧型手機的螢幕介面,展示了 ChatGPT 應用程式的聊天與輸入功能。

    原文:https://easyvibecoding.app/curated/2623-chatgpt-work-mode-automates-life-admin-tasks

    3 min
  • Cursor 宣布全面調升所有個人與團隊方案的使用限制,讓使用者能享有兩倍的使用額度

    Cursor 宣布全面調升所有個人與團隊方案的使用限制,讓使用者能享有兩倍的使用額度。

    適用範圍
    本次使用限制的調升適用於所有個人方案與團隊方案的使用者。
    調整範圍涵蓋 Grok、Cursor Composer 以及任何新推出的 Cursor 模型。

    原文:https://easyvibecoding.app/curated/2628-cursor-doubles-usage-limits-all-plans

    1 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。