[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-minimax-m3-engineer-workflow-agent-zh":3,"article-related-minimax-m3-engineer-workflow-agent-zh":30,"series-model-release-c92651ec-b626-49a2-bceb-230763733e3c":80},{"id":4,"slug":5,"title":6,"content":7,"summary":8,"source":9,"source_url":10,"author":11,"image_url":12,"cover_image":12,"category":13,"language":14,"translated_content":11,"related_article_id":15,"keywords":16,"key_takeaways":22,"views":26,"created_at":27,"published_at":28,"topic_cluster_id":29},"c92651ec-b626-49a2-bceb-230763733e3c","minimax-m3-engineer-workflow-agent-zh","MiniMax M3 讓工程師工作流更像代理","\u003Cp data-speakable=\"summary\">我把 MiniMax M3 拆成 6 個開發者能直接照搬的工作流技巧。\u003C\u002Fp>\u003Cp>我最近一直在盯著各種大模型的「工程師敘事」，說實話，很多都聽起來像一回事，真用起來又是另一回事。要嘛寫程式還行，碰到複雜倉庫就開始裝傻；要嘛 \u003Ca href=\"\u002Ftag\u002Fagent\">agent\u003C\u002Fa> 味道很重，結果一到多輪任務就丟上下文；要嘛一上來就吹\u003Ca href=\"\u002Ftag\u002F長上下文\">長上下文\u003C\u002Fa>，最後我只是把更多垃圾餵進去，模型照樣抓不住重點。最煩的是那種「什麼都能做」的宣傳，落到我自己的工作流裡，最後只剩下我給模型做保姆：整理需求、切片上下文、補測試、反覆糾錯。那不叫全能，那叫我在加班。\u003C\u002Fp>\u003Cp>所以我看到 MiniMax M3 的這篇發布筆記時，第一反應不是「又來一個新模型」，而是想看它到底是不是又一個把幾個關鍵字堆在一起的包裝。觸發我繼續拆下去的，是 \u003Ca href=\"https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F2044897131576694494\">知乎這篇 MiniMax M3 深度體驗筆記\u003C\u002Fa>。作者把官方主打點直接擺出來了：前沿 Coding 能力、Agentic 能力、100 萬 tokens 超長上下文、原生多模態。這組合我不陌生，但真正難的是它們能不能一起工作，而不是各自表演。\u003C\u002Fp>\u003Ch2>別先看參數，先看它是不是能接住你的意圖\u003C\u002Fh2>\u003Cblockquote>前沿 Coding 能力、Agentic 能力、100 萬 tokens 超長上下文、原生多模態。\u003C\u002Fblockquote>\u003Cp>這句話看起來像宣傳詞，但我更願意把它翻成一句工程師語言：它不是只想當「會寫程式的聊天框」，而是想當一個能讀需求、翻倉庫、追上下文、看圖表、繼續執行的工作代理。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780754606789-1jpm.png\" alt=\"MiniMax M3 讓工程師工作流更像代理\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>我一開始對這種說法是有戒心的。因為很多模型都能在 Demo 裡寫個 React 頁面、補個 Python 函數，真到真實專案裡就開始掉鏈子。你給它一個有歷史包袱的倉庫，它不知道你們為什麼這麼寫；你讓它跟著一串任務跑，它會中途忘記前文；你給它截圖、日誌、流程圖，它又只能嘴上說「我理解了」。\u003C\u002Fp>\u003Cp>翻譯一下就是：MiniMax M3 的賣點不是單點能力，而是把開發者常見的四種輸入形態連起來——程式碼、任務、長上下文、圖片\u002F多模態。對我來說，這比「模型會不會寫一個漂亮 demo」重要得多。\u003C\u002Fp>\u003Cp>我跑過不少 agent 工作流，最怕的就是模型在第一步很聰明，第二步就開始漂。尤其是做重構、排障、遷移這種活，模型如果不能持續跟住上下文，前面做對的事，後面就會被自己推翻。所謂「全能工程師」，不是它每一步都驚豔，而是它能把一件事從頭跟到尾。\u003C\u002Fp>\u003Cp>實操寫法：你評估這類模型時，別從「它能不能寫程式」開始，先問三個問題：它能不能穩定讀懂你的倉庫結構；它能不能在多輪裡記住約束；它能不能把非文字資訊一起納入判斷。只要這三項不穩，後面所有花活都只是演示。\u003C\u002Fp>\u003Ch2>100 萬 tokens 不是豪華配置，是減少切片成本\u003C\u002Fh2>\u003Cp>官方介紹裡最容易被拿來當噱頭的，就是 100 萬 tokens 超長上下文。這個數字本身很大，但我不建議你把它理解成「終於可以把整個世界塞進去」。我更願意把它看成一種工作方式的變化：你不用再為了讓模型「看見全貌」而不停裁剪、摘要、拼接。\u003C\u002Fp>\u003Cp>我以前做程式碼審查或者大倉庫問答時，最耗時間的不是模型推理，而是我自己在前面做上下文工程。我要挑哪些檔案、刪哪些日誌、壓縮哪些歷史記錄，還得祈禱我沒把關鍵線索裁掉。這個過程很煩，而且很容易把問題描述歪掉。長上下文如果真的能穩定工作，最直接的收益不是「更長」，而是我少做很多前處理。\u003C\u002Fp>\u003Cp>也就是說：你可以把更多真實材料直接交給模型，而不是先把材料加工成「適合模型吃」的樣子。對開發者來說，這會改變很多任務的入口，比如：\u003C\u002Fp>\u003Cul>\u003Cli>整倉庫級別的程式碼問答，不用先手工挑檔案。\u003C\u002Fli>\u003Cli>跨多個 PR 的回溯分析，不用先做一版人工摘要。\u003C\u002Fli>\u003Cli>長對話式排障，不用每三輪就重置上下文。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>但我也得潑點冷水。長上下文不是自動理解。很多模型上下文一長就開始分心，像人在會議裡坐太久，前面聽得挺認真，後面只剩下點頭。真正有價值的是，它能不能在長材料裡抓住約束、依賴關係和衝突點，而不是只會「讀完了」。\u003C\u002Fp>\u003Cp>我在自己的工作流裡最看重的，是它能不能把「前文約束」當硬規則，而不是建議。比如你已經說了「不能改介面」「必須相容舊設定」「測試不能動外部依賴」，模型後面就不該再反覆試探這些邊界。能持續守住邊界，長上下文才算有意義。\u003C\u002Fp>\u003Cp>實操寫法：你可以拿一個真實專案做測試，不要只餵一段單檔案程式碼。把 README、核心模組、測試、最近的 issue、相關日誌一起放進去，然後連續問三類問題：架構、bug、改動建議。觀察它是否能跨材料保持一致，而不是每次都像第一次見這個專案。\u003C\u002Fp>\u003Ch2>Agentic 能力不是會呼叫工具，而是會推進任務\u003C\u002Fh2>\u003Cp>「Agentic」這個詞現在被用爛了，很多產品只是加了個工具呼叫介面，就開始自稱 agent。我不吃這一套。會發 \u003Ca href=\"\u002Ftag\u002Fapi\">API\u003C\u002Fa> 請求不叫 agent，能把任務拆開、執行、檢查、再修正，才算真的開始像個幹活的人。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780754615926-lhha.png\" alt=\"MiniMax M3 讓工程師工作流更像代理\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>MiniMax M3 把 Agentic 能力放在核心位置，我會把這理解成它想承擔的是「任務推進器」而不是「回答生成器」。這兩者差很多。回答生成器擅長一次性輸出，任務推進器擅長多步計畫。前者像會聊天的同事，後者像能把活幹完的同事。你在專案裡真正需要的，通常是後者。\u003C\u002Fp>\u003Cp>我自己最常見的場景，是讓模型做一些帶回饋閉環的事：先掃描倉庫，再定位問題，再提出改法，再對照測試結果修正。這個時候，模型如果只會給建議，就很快變成「口頭專家」；如果它能根據工具回饋繼續行動，才有機會減輕我的負擔。\u003C\u002Fp>\u003Cp>翻譯一下就是：Agentic 不等於自動化一切，而是讓模型在不確定環境裡繼續前進。它要會做的不是「想得很完整」，而是「做錯了也能回頭」。這點特別關鍵，因為真實工程任務幾乎沒有一次性完美答案。\u003C\u002Fp>\u003Cp>我遇過很多模型在第一輪規劃時邏輯很漂亮，到了第二輪執行就開始散架。\u003Ca href=\"\u002Fnews\u002F5-reasons-many-ethereum-l2s-are-losing-purpose-zh\">原因\u003C\u002Fa>通常不是它不會想，而是它不會校驗自己。一個真正有用的 agent 模型，必須能把「我剛才做了什麼」變成下一步輸入，而不是把每一輪都當成獨立作文。\u003C\u002Fp>\u003Cp>實操寫法：給模型一個明確的任務邊界，再給它一個檢查點。比如「先找出這個錯誤的根因，再給出最小改動方案，最後根據測試結果決定是否繼續修改」。你要看的是它會不會主動分階段、會不會在證據不足時暫停、會不會根據失敗結果改路線。只會一口氣說完的，不算 agent。\u003C\u002Fp>\u003Ch2>原生多模態不是錦上添花，是讓工程上下文完整起來\u003C\u002Fh2>\u003Cp>很多人看多模態，第一反應是「能不能看圖」。我以前也是這麼想的，但後來發現，對工程師來說，多模態更像是把上下文補齊。因為真實工作裡，問題經常不是一段純文字能描述完的：報錯截圖、監控面板、介面狀態、設計圖、流程圖，全都可能是關鍵證據。\u003C\u002Fp>\u003Cp>MiniMax M3 說自己有原生多模態，我會把重點放在「原生」這兩個字上。因為這意味著它不是把圖片當附屬輸入，而是試圖把不同模態一起處理。這個差別很現實。附屬輸入常常像臨時補丁，能看，但不一定真懂；原生處理才更接近把圖像、文字、程式碼放進同一個推理框架裡。\u003C\u002Fp>\u003Cp>也就是說：當你在排障、產品評審、前端調試、資料分析時，不必先把圖像內容轉寫成文字再交給模型。你可以直接把截圖、圖表、UI 狀態和程式碼上下文一起給它。\u003C\u002Fp>\u003Cp>我在做前端問題定位時就很吃這一套。很多 bug 不是「程式碼裡哪一行寫錯了」這麼簡單，而是「介面表現和資料狀態對不上」。如果模型能同時看見截圖和相關程式碼，它更容易發現狀態流轉、樣式覆蓋、版面約束這些肉眼不容易串起來的線索。純文字模型當然也能靠我解釋，但那又回到老問題：我在替模型整理世界。\u003C\u002Fp>\u003Cp>實操寫法：你可以把多模態任務分成三類來試：介面問題、圖表分析、流程理解。每類都給它文字和圖片混合輸入，看看它能不能把圖裡的資訊和程式碼、資料、說明對應起來。別只看它會不會「描述圖片」，要看它能不能據此做決策。\u003C\u002Fp>\u003Ch2>真正值錢的是少折騰，而不是多一個大詞\u003C\u002Fh2>\u003Cp>我對這類模型最現實的期待，從來不是「它能不能像人一樣聰明」，而是「它能不能少讓我補洞」。因為開發者最貴的不是打字，是上下文整理、錯誤糾偏、重複解釋和來回切換注意力。一個模型如果能把這些成本壓下去，它就已經很有用了。\u003C\u002Fp>\u003Cp>MiniMax M3 的組合拳之所以讓我多看兩眼，是因為它指向的是一個很具體的目標：讓模型更像一個能接手複雜工程任務的協作者，而不是只在單輪問答裡表現得體面。Coding、Agentic、長上下文、多模態，這四個點單獨看都不新鮮，但放在一起，確實更接近工程師日常面對的問題形態。\u003C\u002Fp>\u003Cp>我不想把它說得太滿。畢竟發布筆記和真實落地之間，差的往往不是一個標語，而是一堆髒活：穩定性、成本、回應速度、工具鏈適配、權限控制、失敗恢復。只要這些沒過關，再漂亮的能力標籤也會變成展示廳裡的背景板。\u003C\u002Fp>\u003Cp>但如果你問我，什麼樣的模型最值得開發者花時間試，我會選這種「能讀大上下文、能處理多模態、還能推進任務」的組合。因為它至少在方向上沒有把自己限制成單一工具，而是在嘗試覆蓋工程現場的真實複雜度。\u003C\u002Fp>\u003Cp>實操寫法：你別急著問「它是不是最強」，先問「它能不能替我承擔一段完整工作流」。如果答案是能，那它就值得進入你的工具箱；如果答案只是「某個 \u003Ca href=\"\u002Ftag\u002Fbenchmark\">benchmark\u003C\u002Fa> 很高」，那就先放著，別被分數牽著走。\u003C\u002Fp>\u003Ch2>我會怎麼拿它做第一輪實戰\u003C\u002Fh2>\u003Cp>如果是我上手 MiniMax M3，我不會先拿一個玩具題。我會直接上三個任務：一個倉庫級程式碼問答、一個帶截圖的排障任務、一個多輪 agent 任務。每個任務都故意加一點髒東西，比如舊介面、歷史註解、模糊需求、相互衝突的約束。因為真實專案從來不乾淨。\u003C\u002Fp>\u003Cp>我還會特意測試它在長上下文裡的「記憶品質」。不是看它能不能複述前文，而是看它能不能在第 20 輪還記得第 2 輪的限制條件。很多模型前幾輪很聰明，後面就開始自作主張，像終於沒人盯著它了。\u003C\u002Fp>\u003Cp>翻譯一下就是：你要把評估重點從「輸出品質」改成「持續工作能力」。輸出漂亮不難，持續不跑偏才難。\u003C\u002Fp>\u003Cul>\u003Cli>先給完整材料，再給任務，不要替它摘要。\u003C\u002Fli>\u003Cli>讓它先計畫，再執行，再復盤。\u003C\u002Fli>\u003Cli>在第 2 輪、第 5 輪、第 10 輪都插入約束檢查。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>我會特別關注它有沒有「過度自信」的毛病。很多模型一旦接到模糊問題，就開始編一個看起來很完整的答案。工程上最怕的不是不會，而是裝會。能承認不確定、能請求更多上下文、能根據證據修正方向，這些行為比空泛的聰明更值錢。\u003C\u002Fp>\u003Cp>實操寫法：你可以直接照著這套順序測自己的模型候選：完整輸入、分階段任務、約束複查、失敗回滾。測完你就知道它是「會說話」，還是「真能幹活」。\u003C\u002Fp>\u003Ch2>你可以直接拿去用的評測模板\u003C\u002Fh2>\u003Cp>下面這個\u003Ca href=\"\u002Fnews\u002Fguangdong-humidity-2024-template-zh\">模板\u003C\u002Fa>是我會拿來做首輪體驗的版本。它不是官方內容，純粹是我把這類「全能工程師」模型應該接受的測試，整理成一個可複製的工作流。你可以直接改成自己的倉庫、自己的任務、自己的約束。\u003C\u002Fp>\u003Cpre>\u003Ccode># MiniMax M3 first-pass evaluation template for developers\n\n## Goal\nEvaluate whether the model can act like an engineering assistant across code, long context, agentic tasks, and multimodal inputs.\n\n## Inputs\n1. A real repository with README, source files, tests, and recent issues.\n2. One screenshot or diagram related to the task.\n3. One long task description with constraints.\n4. Optional logs or error traces.\n\n## Test 1: Repository understanding\nPrompt:\n- Summarize the architecture of this repo.\n- Identify the top 3 risky areas for change.\n- Point out any assumptions you are making.\n\nPass criteria:\n- Mentions actual modules\u002Ffiles.\n- Distinguishes facts from guesses.\n- Does not invent structure not present in the repo.\n\n## Test 2: Long-context consistency\nPrompt:\n- Read all provided materials.\n- Keep these constraints active throughout:\n  1. Do not change public APIs.\n  2. Preserve backward compatibility.\n  3. Minimize code changes.\n- Propose a fix and explain why it fits the constraints.\n\nPass criteria:\n- Repeats constraints correctly in later turns.\n- Does not drift into forbidden changes.\n- Keeps the solution minimal.\n\n## Test 3: Agentic execution\nPrompt:\n- Step 1: Diagnose root cause.\n- Step 2: Propose a plan.\n- Step 3: If tests fail, revise the plan.\n- Step 4: Stop and report what changed.\n\nPass criteria:\n- Breaks work into steps.\n- Uses feedback to adjust.\n- Avoids pretending certainty when evidence is weak.\n\n## Test 4: Multimodal reasoning\nPrompt:\n- Inspect the screenshot\u002Fdiagram.\n- Relate visible symptoms to the code or logs.\n- Explain the likely cause and next verification step.\n\nPass criteria:\n- Connects image content to text\u002Fcode evidence.\n- Does not merely describe the image.\n- Suggests a concrete next action.\n\n## Scoring\nScore each area from 1 to 5:\n- Code understanding\n- Context retention\n- Task progression\n- Multimodal grounding\n- Honesty about uncertainty\n\n## Decision rule\n- 20-25: Strong candidate for real workflow use\n- 15-19: Useful, but needs guardrails\n- Below 15: Demo-quality only\n\u003C\u002Fcode>\u003C\u002Fpre>\u003Cp>這個模板的價值不在於分數本身，而在於它逼你用工程視角看模型。別被「能聊」騙了。你要的是一個能持續理解、持續推進、持續校正的系統，而不是一個語氣很像同事的聊天機器人。\u003C\u002Fp>\u003Cp>如果 MiniMax M3 真能在這幾個維度上都站得住，它對開發者的意義就不只是「又多了一個國產大模型」，而是我們終於多了一個更貼近真實工程場景的選擇。至少這一次，我願意先把它放進我的測試清單，而不是直接劃走。\u003C\u002Fp>\u003Cp>來源是 \u003Ca href=\"https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F2044897131576694494\">知乎專欄這篇 MiniMax M3 深度體驗筆記\u003C\u002Fa>，我這裡做的是開發者視角的拆解和工作流改寫，不是原文復述。原文的發布資訊和能力點來自作者整理，我補的是\u003Ca href=\"\u002Fnews\u002Fbackrooms-ending-explained-what-happens-to-mary-zh\">怎麼\u003C\u002Fa>把這些點變成可執行的評測和使用方法。另可參考 \u003Ca href=\"https:\u002F\u002Fwww.minimax.io\u002F\">MiniMax 官方網站\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fgithub.com\u002F\">GitHub\u003C\u002Fa> 與 \u003Ca href=\"https:\u002F\u002Fdocs.anthropic.com\u002Fen\u002Fdocs\u002Fbuild-with-claude\u002Fprompt-engineering\">Anthropic 的 prompt engineering 文件\u003C\u002Fa> 來對照自己的工作流。\u003C\u002Fp>","我把 MiniMax M3 拆成 6 個開發者能直接照搬的工作流技巧，重點是怎麼把長上下文、多模態和 agent 能力變成實際評測法。","zhuanlan.zhihu.com","https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F2044897131576694494",null,"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780754606789-1jpm.png","model-release","zh","263ce582-b031-4347-bec8-d1fea0b1e010",[17,18,19,20,21],"MiniMax M3","agentic","long context","multimodal","workflow",[23,24,25],"長上下文的價值是少做切片與摘要，不是把更多垃圾直接塞給模型。","Agentic 能力要看任務推進與自我校驗，不是看會不會呼叫工具。","最實用的評估方式，是拿真實倉庫、截圖和多輪約束去測持續工作能力。",2,"2026-06-06T14:02:54.658299+00:00","2026-06-06T14:02:54.628+00:00","0ccb5d2e-69f1-4354-a3e0-cb370221cd95",{"tags":31,"relatedLang":39,"relatedPosts":43},[32,34,35,37,38],{"name":17,"slug":33},"minimax-m3",{"name":20,"slug":20},{"name":19,"slug":36},"long-context",{"name":21,"slug":21},{"name":18,"slug":18},{"id":15,"slug":40,"title":41,"language":42},"minimax-m3-engineer-workflow-agent-en","MiniMax M3 让工程师工作流更像代理","en",[44,50,56,62,68,74],{"id":45,"slug":46,"title":47,"cover_image":48,"image_url":48,"created_at":49,"category":13},"fd2ad557-5c09-4758-964d-cda1c3c87a4c","kimi-k2-6-open-source-coding-agent-swarm-zh","Kimi K2.6 開源加上 Agent Swarm","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780761795960-0zg9.png","2026-06-06T16:02:21.702099+00:00",{"id":51,"slug":52,"title":53,"cover_image":54,"image_url":54,"created_at":55,"category":13},"8102ddec-e015-4294-9940-bf65553ae70d","minimax-m3-triple-capability-open-model-zh","MiniMax M3：開源三合一模型","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780756383081-hr0b.png","2026-06-06T14:32:35.396612+00:00",{"id":57,"slug":58,"title":59,"cover_image":60,"image_url":60,"created_at":61,"category":13},"409fc126-8ed2-42e3-bec3-9d114c4aca23","why-minimax-m3-matters-long-context-model-zh","為什麼 MiniMax M3 比又一個長上下文模型更重要","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780755468369-c0ia.png","2026-06-06T14:17:20.522361+00:00",{"id":63,"slug":64,"title":65,"cover_image":66,"image_url":66,"created_at":67,"category":13},"29e59d4e-6ccc-422b-afdb-18290e6fe168","best-open-source-llms-2026-zh","2026 最強開源 LLM 清單","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780731186899-0vr7.png","2026-06-06T07:32:37.635885+00:00",{"id":69,"slug":70,"title":71,"cover_image":72,"image_url":72,"created_at":73,"category":13},"8e754dee-26eb-443d-8766-1cc31a4522bd","tether-bitnet-fine-tuning-edge-devices-zh","Tether 推 Bitnet 邊緣微調","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780729377117-xoyl.png","2026-06-06T07:02:26.208165+00:00",{"id":75,"slug":76,"title":77,"cover_image":78,"image_url":78,"created_at":79,"category":13},"0392d382-6364-45bc-8532-8e6759930499","mips-risc-v-ai-ip-ces-edge-models-zh","MIPS 推出 RISC-V 邊緣 AI IP","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780668189122-x05o.png","2026-06-05T14:02:32.582526+00:00",[81,86,91,96,101,106,111,116,121,126],{"id":82,"slug":83,"title":84,"created_at":85},"58b64033-7eb6-49b9-9aab-01cf8ae1b2f2","nvidia-rubin-six-chips-one-ai-supercomputer-zh","NVIDIA Rubin 把六顆晶片塞進 AI 機櫃","2026-03-26T07:18:45.861277+00:00",{"id":87,"slug":88,"title":89,"created_at":90},"0dcc2c61-c2a6-480d-adb8-dd225fc68914","march-2026-ai-model-news-what-mattered-zh","2026 年 3 月 AI 模型新聞重點","2026-03-26T07:32:08.386348+00:00",{"id":92,"slug":93,"title":94,"created_at":95},"214ab08b-5ce5-4b5c-8b72-47619d8675dd","why-small-models-are-winning-on-device-ai-zh","小模型為何吃下裝置端 AI","2026-03-26T07:36:30.488966+00:00",{"id":97,"slug":98,"title":99,"created_at":100},"785624b2-0355-4b82-adc3-de5e45eecd88","midjourney-v8-faster-images-higher-costs-zh","Midjourney V8 變快了，也變貴了","2026-03-26T07:52:03.562971+00:00",{"id":102,"slug":103,"title":104,"created_at":105},"cda76b92-d209-4134-86c1-a60f5bc7b128","xiaomi-mimo-trio-agents-robots-voice-zh","小米 MiMo 三模型瞄準代理、機器人與語音","2026-03-28T03:05:08.779489+00:00",{"id":107,"slug":108,"title":109,"created_at":110},"9e1044b4-946d-47fe-9e2a-c2ee032e1164","xiaomi-mimo-v2-pro-1t-moe-agents-zh","小米 MiMo-V2-Pro 登場：1T MoE 模型","2026-03-28T03:06:19.002353+00:00",{"id":112,"slug":113,"title":114,"created_at":115},"c4b6186f-bd84-4598-997e-c6e31d543c0d","cursor-composer-2-agentic-coding-model-zh","Cursor Composer 2 走向代理式寫碼","2026-03-28T03:13:06.422716+00:00",{"id":117,"slug":118,"title":119,"created_at":120},"e112e76f-ec3b-408f-810e-e93ae21a888a","apple-siri-gemini-distilled-models-zh","Apple Siri 牽手 Gemini 的真相","2026-03-29T04:52:57.886544+00:00",{"id":122,"slug":123,"title":124,"created_at":125},"c679b51f-194a-463b-87fc-7695256ff752","mimo-v2-pro-vs-omni-vs-flash-2026-zh","MiMo V2 Pro、Omni、Flash 怎麼選","2026-04-02T01:18:43.576128+00:00",{"id":127,"slug":128,"title":129,"created_at":130},"3b988fd7-6749-4f01-ba25-c0ad7486dc31","z-ai-glm-5v-turbo-design2code-claude-zh","GLM-5V-Turbo 在 Design2Code 贏了…","2026-04-02T04:03:36.31741+00:00"]