大數軟體LargitData

大數軟體有限公司 (LargitData Inc) 是一家提供人工智慧(AI)、輿情大數據(Big Data)在雲平台(Cloud)的AI 與大數據分析公司，主要產品包含：RAGi 企業級AI 決策平台、AIMochi - 會議智慧助理與 InfomIner即時輿情分析分析平台。

[大數軟體LargitData @LargitData1]

原始文章
https://t.co/81c9iNDnxt

Hugging Face 模型
https://t.co/gCKb9sv3HD

[大數軟體LargitData @LargitData1]

手機就能跑 Qwen3.6 27B？！

如果要跑 Qwen3.6 27B，FP16 版本需要 54GB，4-bit 量化版也還要 18GB。但 PrismML 推出的 Bonsai 27B 是把權重量化到極限。

Ternary 版只用 −1、0、+1 三種值，加上分組縮放，相當約 1.71 bit，整包 5.9GB，筆電就跑得動。1-bit 版更狠，只留 −1 跟 +1，相當 1.125 bit，整包 3.9GB，剛好塞得進 iPhone 17 Pro 中。

跟傳統量化不一樣的是，它不是只壓一部分，而是整個語言網路，從 embedding、注意力、MLP 到 LM head 全部都是低位元，沒有留任何高精度的後門。但兩個版本都還是保留多模態功能，context 一樣有 262K，還支援推測解碼。

那量化這麼極致，品質有犧牲嗎？在 15 項評測基準上，Ternary 版保留全精度的 95%，1-bit 版保留 90%。而 agent 最需要的數學、寫程式幾乎沒掉，工具呼叫也只差幾分。對照組更有說服力：同一個底模最激進的傳統低位元版本，分數更低，記憶體還多佔 2.5 倍。

速度也還行，RTX 5090 上 1-bit 版每秒 163 token，Ternary 版 134；M5 Max 上分別是 87 跟 58。

[大數軟體LargitData @LargitData1]

Codex has been ridiculously useful lately.

The code review is especially great when I throw Fable 5-generated code at it. Fable 5 writes fast, Codex shows up like the senior engineer asking, “Cool… but what happens when this breaks in production?” 😂

And with Codex’s built-in browser, recon and OSINT workflows are honestly kind of wild. Search, verify, inspect, automate—it goes full beast mode.

Fable 5 writes the code.
Codex reviews it, questions my life choices, and helps clean up the mess.

Pretty solid combo. 😎

[大數軟體LargitData @LargitData1]

今天不談別人的 AI，來談談��們自己的 AI 故事！

大數軟體 12 歲了！

如果把一家公司比作一個孩子，12 歲正好是準備進入國中的年紀。

十二年前，我們從大數據與輿情分析出發，一路經歷市場變化、技術更迭與疫情，也逐步走進 AI 時代。

過去累積的資料處理、資訊分析與市場情報能力，讓我們得以站在既有基礎上，將 AI 技術做得更深、應用做得更廣。

今年，我們再次入選英國《金融時報》亞太高成長企業 500 強，連續三年獲得 2024 至 2026 年度肯定。這份成績讓我們深感欣慰，也提醒著我們，過去十二年的努力，確實留下了一些值得珍惜的成果。

如今，我們的服務已逐步延伸至海外，累積了來自美國、新加坡、日本及歐洲等地的客戶。對一家從台灣出發的軟體公司而言，這一切得來不易，也讓我們更加珍惜每一份信任。

未來，我們會繼續深耕自己擅長的領域，結合大數據與 AI，發展更完整的 AI 情資分析與決策平台，協助使用者更快掌握第一線資訊，並在關鍵時刻，更快、更有依據地做出決策。

謝謝一路支持大數軟體的客戶、合作夥伴，以及每一位曾經與我們並肩努力的夥伴。

大數軟體，12 週年快樂！🎂

[大數軟體LargitData @LargitData1]

原始文章
https://t.co/fCwL2iJcMJ

[大數軟體LargitData @LargitData1]

底該用哪個模型 CP 值高？Databricks 直接實驗給你看！

他們發現現有的 SWE-Bench 有兩大問題：

1. 由於任務是公開的，所以答案有可能混進訓練資料

2. 分數高不代表可以用在他們混雜十多種程式語言的實際專案

於是他們改用自家已合併的 PR 來建構任務，並做了幾件事防止作弊：移除 PR 描述中的解法說明、不用 LLM 當評審，並在踩雷後把 git 歷史封起來，避免 agent 直接翻出答案。

結果得到幾個有趣的發現：

1. 在成本 vs 品質的比較曲線上，可以同時看到 OpenAI、Anthropic 與開源模型，目前只有混用多種模型才能達到前段班表現。

2. 開源模型其實很能打！GLM 5.2 落在最高能力層級，品質與 Opus 4.8 相當，每項任務卻只要 $1.28（Opus 為 $1.94），Databricks 目前準備讓它成為日常主力。

3. 單看token單價會騙人。Sonnet 5 雖然每 token 比 Opus 便宜約 1.7 倍，但因為工作更久、多耗 1.9 倍 token，實際每項任務反而更貴（$2.09 vs $1.94），完成率還低六個百分點。

4. 同一個模型跑在不同 harness 上，成本差距可超過 2 倍、品質卻一樣。關鍵在於 harness 每回合餵給模型多少 context，harness 越精簡(e.g. Pi )反而更省。

5. 模型其實可以分成三個能力層級。像切 flag、改 config 這種日常小事根本用不到最貴、最聰明的模型，但 Databricks 過去卻總是預設用最貴的。認清這件事之後，他們決定把更多工作下放到便宜模型。

與其看別人說哪個模型好，不如自己動手實驗，才能有把握地選對模型、又控制成本。

[大數軟體LargitData @LargitData1]

專案位置
https://t.co/WM6R1GuQU5

[大數軟體LargitData @LargitData1]

可以直接用 Claude Code 跑 GPT 5.6 Sol ？！

OpenAI Codex 負責人 Tibo 建議大家可以直接用 CLIProxyAPI 這個專案，這專案把各家 AI 訂閱帳號包裝成標準 API 的 Proxy，可以讓你在 Claude Code 上直接接 GPT，步驟如下:

1. 安裝 CLIProxyAPI
2. 完成 Claude 與 Codex 授權，連上 Claude Code
3. 設定下面這組��名，之後打 claudex 就能用:

alias claudex='CLAUDE_CODE_SUBAGENT_MODEL=gpt-5.6-sol \
CLAUDE_CODE_ALWAYS_ENABLE_EFFORT=1 \
CLAUDE_CODE_MAX_TOOL_USE_CONCURRENCY=3 \
ENABLE_TOOL_SEARCH=false \
claude --model gpt-5.6-sol'

這作法通常用在 Claude 上面，你的帳號很快會被封號，但 Tibo 說如果你被擋了，這鍋算他的，他會幫你 Reset 的。

[Tibo @thsottiaux]

If you aren't yet bold enough to install the Codex app, you can stay in the presence of your orange crab and point it at GPT 5.6 Sol. Takes 5 minutes. Kudos to Theo for explaining one of the ways to get this done.

Step 1: Install CLIProxyAPI
Step 2: Connect
Step 3: Define following alias and enjoy claudex

```
alias claudex='CLAUDE_CODE_SUBAGENT_MODEL=gpt-5.6-sol \
CLAUDE_CODE_ALWAYS_ENABLE_EFFORT=1 \
CLAUDE_CODE_MAX_TOOL_USE_CONCURRENCY=3 \
ENABLE_TOOL_SEARCH=false \
claude --model gpt-5.6-sol'
```

If this gets blocked, I owe you a reset.

[大數軟體LargitData @LargitData1]

資料來源
https://t.co/yEPsM3rfq9

[大數軟體LargitData @LargitData1]

Luna、Terra、Sol 到底該怎麼選？！

在 Artificial Analysis 的「智慧水準 vs 單任務成本」座標上，Sol 與 Luna 在每種推理強度下都領先 Terra，整個 GPT-5.6 家族都�� GPT-5.5 更划算，唯獨 Terra 沒有甜蜜點：同成本下 Sol 更聰明，同智能下 Luna 更便宜。

想要更高智能就選 Sol，想要更好性價比就選 Luna。

實務怎麼配：
- Luna high：日常寫程式主力
- Luna xhigh：想要更高品質，又不必跳到昂貴模型時
- Sol high：真正需要判斷力的任務

高 effort 的 Luna 幾乎總是勝過 Terra，同等表現卻更便宜；Sol High 以下請直接忽略，改用高 effort 的 Luna；需要 Sol Extra High 時才考慮 Terra Ultra；Sol Ultra 相對 Max 多出的成本通常沒那麼值得。

最後特別要注意 Ultra，他會進到平行Multi-Agent模式，燒錢很兇。務必要求它固定用 1–3 個 agent。

[大數軟體LargitData @LargitData1]

GPT-5.6 跟 Fable 5 比，誰比較強？

當然每一家都說自己強，所以要用一個沒看過的榜單來測。DeepSWE 跟一般的程式生成測試不一樣。它不是叫模型寫一個漂亮的函式，而是要求 AI 直接進到真實的開源專案裡，完���一整段軟體工程任務。由於這個評測的題目沒有外洩，公信力比傳統幾個測試基準來得可靠。

它到底怎麼考？每一題會給 agent 一個 repo 跟一個修改需求，最後用程式化的驗證器去檢查，看模型交出來的 patch 到底跑不跑得動。

這個測試涵蓋 91 個 repo、5 種程式語言，考抓 bug、改程式、用工具、跑測試，還有多步驟的反覆修復。這些全都是真實開發現場會碰到的狀況。

而在���種評測底下，所謂最強的模型，就是那個能用最低的平均成本，解掉最多任務的那一個。

榜單上，GPT-5.6 Sol 表現相當亮眼。它拿下大約 72% 到 73% 的分數，平均一個任務只要 8.4 美元。相比之下，Fable 5 大概停在 70%，但成本卻高得多，一個任務要 13 到 22 美元。

簡單說，GPT-5.6 不只分數略高，價格還便宜一大截。

[Datacurve @datacurve]

GPT-5.6 tops the DeepSWE leaderboard at 73%.

Sol, Terra, and Luna results are now available.

[Datacurve @datacurve]

GPT-5.6 tops the DeepSWE leaderboard at 73%.

Sol, Terra, and Luna results are now available.

[大數軟體LargitData @LargitData1]

原始論文
https://t.co/eDnrAFMccC

[大數軟體LargitData @LargitData1]

一家公司對AI依賴越深，它的股票會漲比較多嗎？

研究團隊用OpenRouter 2024年1月到2026年4月，涵蓋400多個大型語言模型、總共380T tokens的真實付費使用紀錄，回答了這一題。

他們把每週的用量、花的錢、活躍使用者數這三個成長速度綜整成一個AI熱度指標，再看與公司股價的相關性。結果發現跟AI熱度連動越強的公司，之後漲��越兇，大概每週多賺0.64%。而且這個效果就算把大盤、公司規模、動能這些常見因素通通扣掉還是存在，也不是單純歸咎於AI趨勢而已。

更有趣的是，他們發現用越前沿、用越兇的地方回報越高，像是用閉源模型的、是否長時間付費、prompt 寫得越長都是重要因素；但只在成熟市場比較明顯，新興市場（包含中國）幾乎沒份。對應到職業的話，跟溝通、教學、寫程式這類工作正相關，跟純分析、營運控管類相關性反而是負的。

最後，作者也觀察到一個趨勢：在所有AI用量裡，交給AI agent自動完成的比例正快速上升，從兩年前幾乎是零，成長到樣本末期的大約一半。不過他也提醒，AI才剛起飛，這篇算出來的數字反��的是現在這個階段AI值多少錢，未來會不會一直這麼值錢，還很難說。

[大數軟體LargitData @LargitData1]

Claude Code 怎麼做 Loop Engineering 的？！

Claude Code 依觸發方式與停止條件分為四種：

1. 回合式迴圈，由使用者的提示觸發，Claude 判斷任務完成或需要更多 Context 時停止，適合零星的短任務。你可以把手動驗證步驟寫成 SKILL.md，讓 Claude 自行檢查更多環節，量化的檢核條件越多，自我驗證就越可靠。

2. 目標式迴圈，透過 /goal 指令即時觸發，達成目標或超過設定回合數才停止，適合有明確驗收標準的任務。當你把成功條件講清楚，Claude 就不必自行判斷「夠��了沒」而提前收工。

3. 時間式迴圈，用 /loop 依固定間隔重跑提示，或用 /schedule 把工作搬到雲端排程，適合每天摘要訊息這類重複性工作，或需要定時查看 PR、CI 狀態的外部系統互動。

4. 主動式迴圈，由事件或排程觸發，全程無需真人介入，適合錯誤回報、議題分類、相依套件升級等源源不絕又定義明確的工作。它結合前述原語，再搭配動態工作流與自動模式，就能自主處理長時間任務。

文章提醒，如果想維持產出品質，關鍵在於 Harness。尤其是遇到不合格的結果時，別只修單一問題，而要把經驗回饋進系統，讓後續每次迭代都受益。

[大數軟體LargitData @LargitData1]

專案位置
https://t.co/0mpxgpTa28

GitHub 位置
https://t.co/lrZ0g6ph3e

原始論文
https://t.co/MhiAy6UiyO

[大數軟體LargitData @LargitData1]

當一個 Agent 開始管理其他 Agent，主管要怎麼掌握牠們的一舉一動？

史丹佛大學團隊提出的 SHEPHERD 借用 Functional Programming 的概念，把 Agent 的每個動作都變成一筆結構化事件，記在一條類似 Git 的軌跡上。這條軌跡可以還原任何過去的狀態，分叉新分支的速度是 docker commit 的五倍，還能重用超過九成的 KV cache，省下大把運算成本��

SHEPHERD 提供四個基本操作：

1. 中途改寫某個 SubAgent 的任務定義

2. 全程觀察卻不打擾，還能趕在動作發生前喊卡

3. 讓 Agent 在獨立空間試錯，成功就合併、失敗就整個丟掉

4. 隨時跳回過去任一時間點，往回找就知道哪一步開始出錯

這帶來三個好處：

1. 即時監工：主管 Agent 一邊看著兩個 SubAgent 平行寫程式，趕在它們衝突前介入，讓 CooperBench 的通過率從百分之 28.8 拉到 54.7

2. 事後補救：程式跑壞了想改一行重試，不必整條流程從頭跑，只重跑被影響到的那一小段，在 Terminal-Bench 上用少約六成的時間就贏過 MetaHarness

3. 訓練加速：靠分叉去試不同走法，找出到底是哪一步該記功或該記過，把 GRPO 的訓練效果直接翻倍

[大數軟體LargitData @LargitData1]

完整教學影片
https://t.co/DQLLZ6q9vw

[大數軟體LargitData @LargitData1]

Claude Fable 5 太貴該怎麼用最划算？

Fable 5 終於重新開放了！但成本這麼高，怎麼用才能發揮最大效益？本集帶你實測「混合模型策略」：讓強��型 Fable 5 做規劃，把實作派給便宜的DeepSeek 就好！

為了實驗不同模型的成本與效益，我們設計了三道可自動評分的量化回測任務（技術指標、回測程式、Debug），讓各模型在隔離環境下作答，由獨立程式評分，實測不同組合的效果、成本與 Token 消���。

本次教學涵蓋：

1. 透過 OpenRouter 在 Claude Code 中呼叫 DeepSeek 等第三方模型，一行環境變數就能切換模型。

2. 把規劃與實作分離：Fable 5 負責寫計畫，便宜模型照計畫執行，各司其職。

3. 全程 Fable 5 要 $4.14，換成 Fable 5 規劃 + DeepSeek Flash 實作只要 $1.61，省下六成成本照樣拿滿分。更意外的是，Sonnet 5 的實作成本竟比 Fable 5 還高，Opus 4.8 反而更快更省 Token。

4. DeepSeek Flash 成本只有 Fable 5 的四十分之一。貴的模型拿來規劃、便宜的模型拿來實作，又快又好又省錢。

如果你覺得這支影片對你有幫助，別忘了按讚、訂閱，並開啟小鈴鐺，才不會錯過大數學堂最新的 AI 實戰教學！有任何問題或想看的主題，歡迎在下方留言告訴我，我們下次見！

[大數軟體LargitData @LargitData1]

原始論文
https://t.co/ebotdBhrS6

[大數軟體LargitData @LargitData1]

能把「記憶」變成一項可以練出來的技能？！

LLM 的瓶頸在上下文視窗，也就是工作記憶就那麼大，如果長時間任務動輒上萬步，塞不進去的資訊怎麼辦？史丹佛這篇 AUTOMEM 提出與其把記憶當成外掛的架構模組，不如把它當成模型自己要練會的技能。

作法很直覺。團隊把檔案系統的讀取、寫入、搜尋、附加、建立這些操作，全升級成和遊戲動作平起平坐的第一類動作。模型在同一次推論裡，可以選擇打怪，也可以選擇把地圖座標記進檔案。每個記憶決策都是軌跡裡看得��的動作，方便事後檢視。

技能進步有兩條主軸：

1. 結構，也就是提示詞、檔案格式、動作詞彙這些 Harness。AUTOMEM 讓一個強力的 meta-LLM 讀完長達十萬步的軌跡，像程式碼審查一樣找出記憶用錯的地方，再改寫Harness

2. 熟練度，把模型自己做過的好決策挑出來當訓練資料，微調一個專門的記憶模型，負責規劃的主模型則完全不動

結果在Crafter、MiniHack、NetHack三款遊戲裡，光優化記憶就讓一個 32B 開源模型成長大約兩到四倍，逼近 Opus 4.5 和 Gemini 3.1 Pro Thinking。