AI 人物熱點早報
今天的焦點：Mistral 發表 1 兆參數的 Large 4 預覽；Codex 負責人 Tibo 第二天把 Auto-review 改成免費；Anthropic 分三級把最強資安能力開放給更多防守方，Claude 也進駐 Google 文件、試算表與簡報；Google DeepMind 推出可在裝置上跑的多模態嵌入模型 EmbeddingGemma 2；OpenAI 則與 Ironclad 合作，用真實合約流程訓練代理人。
收聽今日早報，通勤路上也能掌握重點。
OpenAI Codex 負責人 Tibo 的「28 天每天一項改進」承諾進入第二天：用 ChatGPT 帳號登入的使用者，Auto-review（讓第二個代理人替你審核高風險操作、不必每步都手動按同意）現在免費，不再消耗方案額度；他說這功能平常會吃掉方案約 2–10% 的用量。同一天還推出：簡化給開發者的 API、會議筆記可直接載入 Codex 當上下文，以及 Decisions API 對開發者開放。
第二天比第一天實在，因為省的是看得到的額度，不是難以量測的「變快」。審核代理人原本要吃掉方案 2–10% 的用量，免費之後更多人會放手讓代理人自己跑，但高風險操作改由另一個模型把關，放錯時承擔後果的仍是使用者。若接下來出現 Auto-review 放行錯誤操作的回報，或剩下的天數多是小修補，就把這 28 天看成留客活動。
Mistral 推出 Mistral Large 4（暱稱 Le Chonk）公開預覽：1 兆參數、每次啟用 490 億、原生支援文字與圖像，今天起可在 Mistral Studio 用 API 試用，權重預計 10 月底公開。官方數字為 DeepSWE v1.1 61.7%、Terminal-Bench 4 28.3%，自稱是美歐最強的開放權重模型。執行長 Arthur Mensch 強調模型在自家算力上訓練與服務；在權重公開前，資安業者與政府單位會先拿到限制較少、資安能力更強的版本做紅隊測試。
先把它當成預告，還不是已兌現的開放權重模型：今天只有 API，權重月底才公開。1 兆參數、每次啟用 490 億，要自己架得動用上多張高階 GPU，真正受惠的是想自建模型的銀行與政府，歐洲「主權 AI」第一次有了夠大的實體。Hugging Face 的 Clem 說得對，沒開權重就不能自稱最強開放權重；若 10 月底權重準時釋出、第三方重跑分數也站得住，才算數。
Google DeepMind 開源 EmbeddingGemma 2（Apache 2.0）：7.4 億參數，能把文字、程式碼、圖片、影片與音訊轉成同一個 768 維向量空間，可在一般消費級裝置上執行；也可只載入 2.7 億參數的純文字版。官方數據顯示程式碼檢索（MTEB Code）從 68.76 提升到 78.68；前一代 EmbeddingGemma 已累積超過 2,000 萬次下載。
這則不吸睛，但比多數大模型新聞更實用，因為權重可下載、任何人都能重測。7.4 億參數就能在手機上把語音、影片和文字放進同一個搜尋空間，「用一段錄音找影片片段」可以不經雲端，重視隱私的 App 會先採用，也會順勢綁進 Google 的裝置端工具。分數目前是官方自測；若社群在公開排行榜複測差距明顯，就降級成一般更新。
Anthropic 把 Project Glasswing 與 Cyber Verification Program 合併成三個等級：防禦（事件應變、惡意程式分析）、紅隊（授權滲透測試）與特殊存取（電網、航空、銀行間轉帳等關鍵系統，與美國政府共同審查），通過驗證的資安人員可使用 Claude Mythos 5.1、Opus 5.5、Sonnet 5.5，攔截較少。官方測試中，一般模型每題第一句就被擋；紅隊等級 50 題完成 34 題，與完全不設防時相同。Anthropic 也說 Glasswing 夥伴 4–7 月共找出至少 12.9 萬個已驗證漏洞。
這是把最危險的能力分級「發執照」，方向對，成敗在審核。四個月找出至少 12.9 萬個漏洞若屬實，防守方不用就會落後；但紅隊等級的完成率等於完全不設防，一旦帳號外流或審核放錯人，攻擊者拿到的就是全部火力，責任落在 Anthropic 的審查流程。若半年內傳出計畫帳號被濫用，或「幾天內回覆申請」做不到，就要重新評估。
Anthropic 宣布 Claude for Google Workspace 進入公開測試，所有付費方案（Pro、Max、Team、Enterprise）都能用：從 Google Workspace Marketplace 安裝後，在 Docs、Sheets、Slides 側邊欄直接叫 Claude 處理正在編輯的檔案；管理員可替整個組織一次安裝。另外推出測試版連接器，讓 Claude 從聊天視窗直接建立與修改 Google 檔案。目前不支援 Firefox，單次操作上限六分鐘。
這是直接打進 Gemini 的主場搶地盤。Google 文件本來就內建 Gemini，Claude 能進來，靠的是管理員一鍵替全公司安裝；裝了之後，員工每天開文件就多一個選擇，Google 的預設優勢被削弱。六分鐘操作上限、不支援 Firefox，代表還是早期版本；若兩三個月內有大型企業公開導入，或 Google 開始收緊第三方側邊欄權限，才看得出誰佔上風。
OpenAI 宣布和合約管理軟體公司 Ironclad 合作，把設定合約、審批流程與條款範本等真實工作轉成模型的訓練與評測任務。GPT-6 Astra 是第一個用這批任務訓練的前沿模型：在 11 項研究任務中平均得分 55.0%，GPT-5.6 Sol 為 41.6%，每次嘗試的估計時間從 37 分鐘降到 19.2 分鐘；內部另一個模型達 63.7%。OpenAI 表示會再找少數軟體公司加入。
數字漂亮，但這是 OpenAI 自己出題、自己打分。只有 11 個任務，從 41.6% 進步到 55%，樣本太小，看不出能否推廣到別的軟體。更值得注意的是做法：找垂直軟體公司把真實流程變成訓練題，等於讓合作夥伴的產品在下一代模型裡最好用，其他合約軟體廠商只能跟進或被邊緣化。若 Ironclad 客戶真的看到處理時間下降，或出現第三方可重跑的評測，才算實質進展。