AI 模型與研究 第 12 頁

用同一份繁中分類與圖片題，公平比較 Clef、Clef-flash、Jev；記下錯題、棄權、截斷、p95 與完成成本，做出自己的模型選型。

DeepSeek 把矩陣運算與專家並行通訊帶到華為昇騰。拆解公開程式碼、Ascend 950DT 跑分條件，以及尚待外部重現的 PoC HDK 限制。

OneStreamer 把直播影片的觀察寫成時間對齊的文字記憶，並學習何時回答。拆解 4B 模型、116 萬筆訓練紀錄、八項作者評測與印表機誤判案例。

Cloudflare Clef 與 Clef-flash 開放權重，但更快、更準的證據有多強？讀官方原文、模型卡與跑分反例，釐清決策模型的機制、適用情境和微調服務現況。

Microsoft 發表 MAI-Transcribe-2-Streaming 與 MAI-Voice-2.1。Artificial Analysis 榜單確認轉錄優勢，但「部分逐字稿」的測試時點與語音 Agent 的即時行動不同。

RIDE 作者報告四組數學推理平均分略高於老師，但三組差距小於訓練種子波動。拆解表徵外推、對照實驗與公開重現的邊界。

False Frontiers 指出自我進化搜尋代理可能互相強化錯誤。看懂 CrossFit 的隔離機制、兩種 Qwen 模型的七組測試，以及作者數據真正能支持的結論。

同樣寫著 100 tok/s，長文件卻可能等很久。用短中長 Context 各跑三次，分開記錄 TTFT、Prefill、Decode、記憶體與答案品質，做出可重跑的本機 LLM 成績單。

Gemini 4 Argon 得 53 分，卻尚未全面開放。Google 的長任務與資安宣言有哪些外部證據？從基準測試、內部案例與價格條款拆解這次發布。