DeepSeek V4.1 Flash 跑分超越旗舰，但实际口碑两极分化，原因在于执行框架差异。其 CED 新架构将输入压缩为摘要，提升速度却损失精度；官方框架 DSH 专项优化，换用 OpenCode 等则表现迥异。速度翻倍也推高 token 账单。文章指出，框架与模型同样关键，跑分测不出真实体验。

Sierra开源了Hyper-τ-bench基准，用于测试AI代理能否自主构建另一个代理。结果显示，最佳模型组合得分仅23.9%，远低于人类辅助的82.2%。代理常过早停止研究、提问不足、缺乏实验，尤其在银行业务上表现差。这表明自主开发代理在信息收集和设计判断上仍有明显局限。

OECD报告指出，使用AI学习的学生成绩通常较差，但结合批判性评估训练可提升表现。适度、有目的的使用AI（如每周辅助学习）可能有益，而过度或不当使用则不利。AI使用受社会经济条件影响，且与好奇心相关，但未必转化为更好成绩。

三星Galaxy Z Flip 8评测：外屏可运行所有应用，但小屏限制反而成为优点。硬件升级不大，仅更薄更轻，电池续航可靠。价格涨至1200美元，较前代贵100美元。软件改进是重点，但可能下放至旧机型。作者认为外屏的“摩擦感”能防止沉迷，是独特优势。

Bose第二代QuietComfort耳机音质不错，降噪良好，但缺乏亮点，性价比不高。其售价359美元，与索尼、苹果等竞品相比无突出优势，通话质量仍落后，且不支持无线高解析音频。整体表现中规中矩，仅适合偏爱Bose品牌的用户。

根据nPerf数据，2026年1月至7月，加拿大在美洲移动流媒体性能排名第一，得分70%，领先智利和美国。该评分衡量视频播放质量，显示加拿大能保持高清晰度内容流畅稳定，而委内瑞拉垫底，凸显网络基础设施对用户体验的影响。

苹果正将AI系统拆分，为中国市场专门开发模型，并与阿里巴巴的Qwen及百度技术合作，以应对监管。此举导致同一应用在不同地区行为可能不同，给开发者带来一致性挑战。苹果已获中国网信办批准，成为首家提供专有AI模型的外国公司，但严格内容过滤可能误伤正常请求，开发者需针对中国进行专门测试。

荣耀推出“Robot Phone”手机，内置微型三轴云台相机，可自动展开，支持稳定视频、自拍和低光拍摄。测试显示其性能接近DJI Osmo Pocket，但机身厚重、价格高昂（约1.48万元），且仅在中国发售。虽具创新性，但耐用性和性价比存疑，适合专业创作者，普通用户或更宜分开购买手机与云台。

阿里巴巴发布新一代基座大模型Qwen3.8-Max，总参数2.4万亿，在编程、专业工作、长程任务、多模态智能体等场景表现突出，权威榜单中位列全球第一梯队。该模型价格低廉，国内每百万Tokens输入12元、输出36元，仅为Opus 5的40%和24%。实测中，它能从零开发完整项目、交叉分析复杂文档、处理长视频，能力与性价比兼备。

胡伯曼与费里斯讨论肽类等物质，强调BPC-157等缺乏人体试验，建议仅在受伤时经医生处方使用。提及GLP-1、松果体素等，提醒灰市风险。探讨注射卫生、雌激素重要性、AI在健康领域的应用，以及胡伯曼新书《Protocols》涵盖睡眠、运动、压力、光、神经可塑性等主题。

蒂姆·费里斯播客专访斯坦福神经科学家安德鲁·胡伯曼，讨论其研究背景、播客成功及新书《人体操作手册》。节目涵盖肽类、代谢药物、睡眠优化、神经可塑性、光暴露、多语言益处及增强运动等主题，并附有大量相关资源链接。

人脸识别智能锁实测表现不错。作者测试了四款产品，认为Eufy FamiLock E40最快最全面，Lockly Visage Zeno适合苹果生态。虽然UWB无感解锁更佳，但人脸识别仍是当前实现免提解锁的好选择，不过价格较高，且需注意隐私和电池续航问题。

美国国防部长宣布对30岁以上军人进行强制睾酮筛查，旨在优化士兵的表现和健康。专家对这种筛查的有效性表示怀疑，认为应关注真正的健康需求，而非追求“最佳”水平。

本文比较了三种主流开源LLM评估框架：RAGAS、DeepEval和Promptfoo，探讨了它们的用途和应用场景。文章指出了LLM作为评判者的偏见问题，包括位置偏见、自我偏好偏见和冗长偏见，并提供了检测和缓解这些偏见的方法。最后，建议团队结合使用多个工具，以确保评估的准确性和可靠性。

GPT-5.6系列模型分为Sol、Terra和Luna三种，分别适用于复杂任务、日常工作和批量处理。Sol适合复杂操作但价格较高；Terra性价比高，适合大多数开发者；Luna适合低成本、高吞吐的任务。用户应根据任务复杂度和成本选择合适的模型。

全球平台Integral Ad Science发布的第21版《媒体质量报告》分析了数字广告的媒体质量与业务成果。报告指出，视频广告的可见度高于展示广告，而移动网页展示广告存在大量媒体浪费。此外，报告显示可持续性与媒体质量正相关，绿色认证广告活动表现更佳。营销人员需在规模与控制之间取得平衡，以提升媒体质量和效果。