Gemini 3.5 Transcribe：Google 新一代智慧語音轉文字模型
Google 在 2026-08-26 推出專用語音轉文字模型 Gemini 3.5 Transcribe，主打「智慧聽寫」——不是逐字稿，而是直接把口語（含自我修正、填充詞）轉成乾淨格式化文字。串流/批次兩個 API、85+ 語言、AA-WER 2.6% 排行第 5、token 計費約 $0.005/分鐘。
分類 LLM
Gemini 3.5 Transcribe：Google 智慧語音轉文字模型評析
Google 2026 年 8 月推出專用語音轉文字模型 Gemini 3.5 Transcribe。本篇評析核心功能、辨識準確度、定價與 Speaker Diarization 的技術路線與限制。
Qwen3.8-Flash-Next：Qwen4 的架構預覽，把訓練成本打到 1/9
阿里 Qwen 無預警開源 Qwen3.8-Flash-Next，config 裡直接寫著 qwen4_exp。GDN 加 QSA 稀疏注意力、四分支 residual stream、51B N-gram 查表記憶體、Muon optimizer，訓練成本宣稱只要前代的九分之一。定價 $0.16/M tokens，但授權不是 Apache 2.0。
GLM-5.3-Flash：57 分打平 Opus 4.8、價格十分之一的前沿開源模型
智譜發布 GLM 系列首個原生多模態模型 GLM-5.3-Flash：320B 總參數僅激活 18B，稀疏＋線性注意力混合架構把長上下文成本砍到旗艦的零頭。Artificial Analysis 智能指數 57 分與 Claude Opus 4.8 持平，每任務成本 $0.045，MIT 開源。
70%問題：關於AI協助編程的現實真相
全文翻譯自 The 70% problem: Hard truths…
facebookresearch/llama-recipes: Examples and recipes for Llama 2 model
「Llama 2」模型的範例與配方庫（llama-recipes）提供了關於如何快速開始對特定領域進行細調（fine-tuning）及執行細調模型推論的範例。此庫使用 Hugging Face 轉換版本的模型，以便使用。除了提供示範應用程式外，還展示了在本地、雲端和企業內部運行 Llama 2 的方法。它還包括了關於如何安全地使用 Llama 2 模型的指南，並提醒使用此技術可能帶來的風險。更多資訊可在 GitHub 的 llama-recipes 頁面查看。