1Sorotan: AI jam pintar mengesan tanda darah tinggi hampir sebaik bacaan pertama di klinik.
2freee dari Jepun kata model AI kecilnya sendiri membaca dokumen perniagaan pada 1/50 kos model besar.
3Hakim kata iklan '20x lebih penggunaan' Claude Max mungkin mengelirukan; GitHub bina semula storan untuk ejen AI.
Sorotan hari ini
Kajian kesihatan
65.8%
kes darah tinggi yang dikesan jam (bacaan pertama klinik: 55.3%)
Digabung daripada 3 sumber
★ Sorotan hari ini
AI jam pintar kesan tanda darah tinggi tanpa balutan lengan
Google Research berkata satu sistem AI boleh mengesan tanda darah tinggi daripada penderia nadi dan pergerakan jam pintar biasa, tanpa perlu ditentukur dengan balutan lengan. Kajian yang disemak rakan sejawat itu diterbitkan dalam Nature pada 5 Nov 2026. Ia menandakan siapa perlu diperiksa dengan betul; ia tidak memberi bacaan tekanan darah.
Apa yang kami pelajari
Cara ia berfungsi: penderia cahaya jam menjejak aliran darah di pergelangan, dan penderia gerakan menangkap getaran kecil setiap degupan jantung. AI mengambil purata beberapa hari dan menambah ketinggian anda untuk menganggar kebarangkalian darah tinggi.
Ujian: 196 orang dewasa tanpa penyakit jantung yang diketahui dan tanpa ubat darah tinggi memakai jam pintar Google selama tujuh hari. Keputusan dibandingkan dengan pemantauan tekanan darah 24 jam, kaedah yang dianggap piawai emas oleh doktor.
Keputusan (kertas Nature): jam mengesan 65.8% orang yang ada darah tinggi, berbanding 55.3% bagi bacaan pertama di klinik. Kedua-duanya betul mengecualikan 90% orang yang tiada. Kenyataan media Nature berkata perbezaan itu tidak signifikan secara statistik, jadi bacalah sebagai 'hampir sama baik', bukan 'lebih baik'.
Had: jam masih terlepas kira-kira satu pertiga kes. Google menyebutnya kajian awal, bukan ciri produk sedia ada atau yang dirancang, walaupun ia berkata kerja ini membantu ciri trend tekanan darah Health Guardian dalam aplikasi Google Health.
Kenapa ia penting: Lebih separuh orang dewasa yang ada darah tinggi tidak tahu. Jika jam memberi amaran, sahkan dengan alat bertali lengan dan doktor; jam yang senyap bukan tanda semuanya baik.
Detecting signs of hypertension using wearable sensors · Google ResearchRead ↗
Opportunistically Detecting Signs of Hypertension on a Consumer Smartwatch · NatureRead ↗
Technology: Smartwatches that can clock high blood pressure · Nature Portfolio press releaseRead ↗
Berguna tak berita ini?Ketik untuk mengundi. Tekan lama, klik kanan atau tekan Shift+Enter untuk tambah sebab atau nota dulu.
Lagi berita hari ini
Cara syarikat guna AI
1/50
kos yang dilaporkan freee berbanding model AI awan yang besar
Cara syarikat guna AI
freee dari Jepun kata model AI kecilnya kurangkan kos kepada 1/50
Syarikat perisian perakaunan Jepun freee membaca kira-kira sejuta resit, invois dan dokumen perniagaan lain sebulan dengan AI. Daripada menghantar semuanya ke model AI umum yang besar, ia membina model bahasa kecil sendiri untuk satu kerja: mengeluarkan butiran seperti tarikh, jumlah dan pembekal. Angka ini milik freee sendiri, daripada ceramah di AWS Summit Japan 2026 yang dilaporkan ITmedia pada 7 Nov 2026.
Pengajaran utama
Syarikat: freee, Jepun, perisian perakaunan awan dan pejabat belakang. Masalah: model AI besar membaca dokumen dengan baik, tetapi pada sejuta dokumen sebulan, bayaran setiap permintaan terlalu mahal.
Apa yang dibina: model berat terbuka 8 bilion Parameters The internal numbers a model learns during training; more parameters usually means a bigger, more capable but costlier model. diberi latihan tambahan untuk satu tugas (penalaan halus) dengan kira-kira 10,000 contoh yang disemak, serta puluhan ribu lagi untuk ujian. Ia berjalan pada pelayan freee sendiri di AWS. Langkah berasingan masih menukar imej kepada teks dahulu.
Keputusan diukur (angka syarikat sendiri): sehingga 10 mata lebih tepat bagi butiran teks seperti keterangan dan pembekal, 5 kali lebih pantas dan 1/50 kos, berbanding model setaraf Claude Sonnet 4.6 melalui perkhidmatan awan. freee berkata penjimatan terutamanya kerana membayar masa pelayan, bukan setiap permintaan.
Pengajaran untuk pasukan kecil: ia hanya berbaloi dengan jumlah tinggi yang stabil dan satu tugas sempit. Panduan freee: jika model kecil seperti Claude Haiku 4.5 sudah boleh buat kerja itu dengan konsisten, model kecil yang dijalankan sendiri mungkin boleh bersaing. Ukur kelajuan sebenar awal-awal, dan terus menguji selepas pelancaran.
Kenapa ia penting: Bil AI meningkat dengan setiap permintaan. Untuk satu kerja berulang dalam jumlah besar, model kecil yang anda jalankan sendiri boleh jauh lebih murah, tetapi perlu ada orang yang menguji dan menyelenggaranya.
freeeは「AIコスト問題」をどう乗り越えた？ 月100万件規模の処理で、汎用LLM比50分の1に (How freee beat its AI cost problem; translated) · ITmedia EnterpriseRead ↗
Berguna tak berita ini?Ketik untuk mengundi. Tekan lama, klik kanan atau tekan Shift+Enter untuk tambah sebab atau nota dulu.
Langganan AI anda
6x
penggunaan mingguan Max 20x berbanding Pro, mengikut kiraan plaintif untuk satu model
Digabung daripada 3 sumber
Langganan AI anda
Hakim kata iklan '20x lebih penggunaan' Claude Max mungkin mengelirukan
Seorang hakim persekutuan AS berkata pada 6 Nov 2026 bahawa janji Anthropic "5x atau 20x lebih penggunaan daripada Pro" untuk pelan Claude Max adalah "munasabah boleh mengelirukan". Bahagian utama tindakan kelas yang dicadangkan oleh dua pelanggan boleh diteruskan. Belum ada apa-apa yang terbukti: pada peringkat awal ini, mahkamah menganggap dakwaan dalam aduan sebagai benar.
Pengajaran utama
Harga pelan ketika itu: Pro kira-kira RM69 hingga RM81 (US$17 hingga US$20) sebulan, Max 5x kira-kira RM406 (US$100) dan Max 20x kira-kira RM811 (US$200).
Pertikaian: Max memberi 5 atau 20 kali penggunaan Pro dalam setiap sesi lima jam, tetapi had mingguan tidak 5 atau 20 kali lebih tinggi. Plaintif mengira bagi satu model Claude, Max 5x dapat kira-kira 3.5 kali penggunaan mingguan Pro dan Max 20x kira-kira 6 kali.
Keputusan: Majistret Hakim Alex Tse mengekalkan tuntutan perlindungan pengguna seorang pelanggan, serta tuntutan salah nyata cuai dan pelanggaran kontrak. Tuntutan lain ditolak tetapi boleh difailkan semula. Tiada kelas diluluskan dan tiada penyelesaian.
Anthropic telah meminta seluruh kes ditolak, dengan hujah ia menjanjikan lebih penggunaan setiap sesi dan menyatakan had mingguan terpakai. Aduan pindaan perlu difailkan sebelum 2 Dis 2026, menurut penjejak kes LimitHit.
Kenapa ia penting: "Lebih penggunaan" boleh bermaksud setiap sesi, setiap minggu atau setiap bulan. Sebelum menaik taraf mana-mana pelan AI, semak had mingguan, bukan hanya angka gandaan pada tajuk.
Anthropic must face claims its Claude Max pitch misled users · Courthouse News ServiceRead ↗
Order on motion to dismiss, Case 3:26-cv-05763-AGT · US District Court, N.D. CaliforniaRead ↗
Claude usage limit lawsuits (2026): what's alleged and where they stand · LimitHitRead ↗
Berguna tak berita ini?Ketik untuk mengundi. Tekan lama, klik kanan atau tekan Shift+Enter untuk tambah sebab atau nota dulu.
AI di tempat kerja
7,200
kemas kini sesaat ke satu projek dalam ujian GitHub sendiri
AI di tempat kerja
GitHub bina semula storan supaya 5,000 ejen AI boleh kongsi satu projek
GitHub berkata ia membina semula cara menyimpan kod supaya ribuan ejen pengekodan AI boleh menyimpan kerja ke projek yang sama serentak. Dalam ujiannya sendiri, 5,000 ejen menghantar 7,200 kemas kini sesaat ke satu projek sementara bacaan kekal pantas. Ini angka ujian dalaman GitHub, daripada blog kejuruteraannya pada 5 Nov 2026.
Pengajaran utama
Sebab: ejen AI menyimpan perubahan jauh lebih kerap daripada manusia. GitHub berkata projek yang sibuk dahulu bermaksud berpuluh kemas kini sesaat, jadi ia menyasarkan sekurang-kurangnya 100 kali ganda.
Idea: kebanyakan kemas kini kod boleh disimpan tanpa menunggu apa-apa. Hanya langkah kecil yang merekod versi mana yang terkini perlukan persetujuan semua, jadi GitHub beri langkah itu perkhidmatan pantasnya sendiri.
Bagi pengguna GitHub, tiada apa yang berubah: anda simpan dan ambil kod dengan cara sama, dengan perlindungan yang sama. Di belakang tabir, hampir semua projek kini berada dalam storan awan Azure milik Microsoft.
Had: angka 5,000 ejen datang daripada ujian GitHub sendiri, bukan semakan bebas, dan catatan itu tidak memberi tarikh bila semua projek berpindah ke sistem baharu.
Kenapa ia penting: Alat besar sedang dibina semula untuk banyak ejen AI yang bekerja pada fail yang sama. Jika pasukan anda mencuba ejen pengekodan, peruntukkan masa untuk orang menyemak apa yang diubah ejen.
Kajian kesihatan
