AI 人物熱點早報

早報存檔 · 2026-10-22

Asia/Taipei · 星期四

回到今日

今天主線是「agent 開始自己找事做」：Anthropic 推出會主動提醒、背景執行但大事先問你的 Claude Duet，Claude Security 也改成持續掃描。OpenAI 一邊把 GPT-6 與 Codex 搬上 Google Cloud，一邊公布 AI 先於攻擊者找到 PHP 重大漏洞的協同揭露流程。Richard Socher 的 Recursive 放出號稱大半由 AI 研發的筆電級 coding 模型 Flint；黃仁勳在 GTC Berlin 把 AI 工廠部署壓到 14 天。另外還有 Flapping Airplanes 估值 60 億美元、Perplexity 的 JOLT 訓練法，以及上千個 agent 幫科學家從百萬腦細胞找線索。

語音早報

7 分 16 秒

收聽今日早報，通勤路上也能掌握重點。

下載 MP3

X

Anthropic：推出主動型 agent App「Claude Duet」，會自己找事、先問再動手

全文摘要

Anthropic 開放 Claude Duet 研究預覽：獨立 App（iOS、Android、claude.ai），每天早上送一份跨 App 重點摘要，白天每隔幾小時檢查你連接的帳號，只在需要你時才發訊息；任務在它自己的虛擬機與瀏覽器上背景執行。寄信、付款、簽約、刪除前都會先給你看並等你核准，買賣證券和轉帳則直接禁止。以 Claude Opus 5.5 為核心，先開放美國 Pro／Max 用戶排隊。參與開發的 Felix Rieseberg 說，它的重點是「為工作而生、判斷力好、不做你沒要求的事」。

來源連結 原文 X
專家解讀
值得追蹤實質進展

這是 agent 從「你叫它才動」走向「它先來找你」的實質一步，但真正的考驗是打擾的分寸，不是功能清單。每隔幾小時巡一次帳號、背景任務都吃同一份方案額度，等於把成本從你的時間轉成你的用量；判斷失準一次，使用者就會關掉通知。檢查點：兩三個月後若有公開數據顯示多數測試者仍每天打開它，而不是像 Claire Vo 說的「試了就忘」，才算站穩。

Anthropic @claudeai @felixrieseberg Agent
X

Greg Brockman：OpenAI 模型與 Codex 上架 Google Cloud，三大雲全數到齊

全文摘要

OpenAI 與 Google Cloud 宣布，GPT-6 Astra、GPT-6.1 Sol、GPT-6 Luna 與 Codex agent 工作流進入 Google Cloud Model Garden，先以私人預覽開放給部分企業客戶，數週內正式上線。企業可以透過 Google Cloud Marketplace 購買、直接抵用既有的雲端承諾消費，之後也會進 Google Antigravity 與 Gemini Agent。Google 說自己成了唯一同時提供三家頂尖閉源模型的超大雲；OpenAI 則強調 Microsoft 仍是主要雲端夥伴。

來源連結 原文 X
專家解讀
值得追蹤

這是通路生意，不是技術新聞，但對企業採購影響很直接。能抵用既有 Google Cloud 承諾消費，等於讓採購部門不用另開合約就能換模型，Microsoft 的獨家優勢再被削一層，模型商之間比的會變成價格與穩定度。反方會說私人預覽只給少數客戶，實際可用量還沒看到；若數週內正式上線且 Codex 真能接進 Antigravity，這筆合作才算落地。

OpenAI Google Cloud @OpenAI

Richard Socher：Recursive 推出筆電就能跑的開源 coding 模型 Flint，號稱大半由 AI 自己研發

全文摘要

Salesforce 前首席科學家 Richard Socher 創辦的 Recursive 發表首個模型 Flint：40B 參數的 MoE，每次只啟用 2.5B，512K 上下文，Apache 2.0 免費下載。在 M4 Pro MacBook Pro 上約每秒 131 tokens，SWE-Bench Verified 在 50B 以下模型中第一。公司說內部的自動研究系統「Eureka Machine」參與了從預訓練到推論的幾乎每一步，小團隊不到四個月從零做出來。Hugging Face 的 Thomas Wolf 特別點名：AI 研究員決定把一般都保留高精度的 lm_head 壓到 4-bit，結果只掉 0.7 分。

來源連結
專家解讀
實質進展需反證

模型本身是實打實的開源交付，「大半由 AI 研發」則要打個折看。40B 只啟用 2.5B、筆電每秒百來個 token，這些都能下載驗證；但「AI 參與幾乎每一步」是公司自述，人在哪些決策上把關並沒有講清楚。若第三方能用同一套測試重現 SWE-Bench 成績，而且 Recursive 公開 Eureka Machine 做過哪些實驗紀錄，這個自我改進的故事才站得住。

Recursive 開源模型 Coding Agent

OpenAI：AI 先於攻擊者找到 PHP 重大漏洞，提出「Patch the Planet」協同揭露框架

全文摘要

OpenAI 說過去兩個月帶頭協調維護者、研究員與資安廠商處理 PHP 的重大漏洞：Calif 用 GPT-5.6 Sol 找到關鍵缺陷，Wiz 也獨立回報，PHP 維護者主導修補，Cloudflare 等夥伴事先準備防護。OpenAI 稱這是近年影響最大的資安事件之一，並釋出檢查 PHP 版本的 Codex skill，承諾以 10 億美元補貼資源有限的防禦單位使用 Daybreak，同時公開五階段的揭露流程，請資安社群回饋。

來源連結
專家解讀
值得追蹤實質進展

這值得資安團隊認真讀，因為它把「AI 找漏洞」的下一個難題講白了：找得到之後，修補與通知跟不跟得上。OpenAI 自己預告這類發現會在幾個月內暴增，可是開源維護者人手沒有跟著變多，壓力最後會落在少數志工與雲端廠商身上；拿 10 億美元補貼防禦方，也順便把 Daybreak 推成業界標準工具。反方會問誰決定哪些組織能提前拿到細節；若下一次揭露出現洩漏或偏袒大客戶，這套框架就要重寫。

OpenAI 資安 開源

Jensen Huang：NVIDIA 在 GTC Berlin 推 DSX POD，AI 工廠在工廠先組好，到場 14 天上線

全文摘要

NVIDIA 發表 DSX POD 參考設計：把整套 Vera Rubin AI 工廠裝進模組化貨櫃，在出廠前完成佈線、液冷與測試，到已備好電力的場地後，部署時間從約六個月縮到最快 14 天。Dell、HPE、Lenovo、Schneider、Vertiv、鴻海等夥伴預計 2027 年初交貨。黃仁勳的說法是：「AI 工廠開始產出 token 才創造價值，不是蓋完那天。」同場也宣布 DSX MaxLPS 軟體，宣稱同樣產出可省最多 30% 電力。

來源連結
專家解讀
值得追蹤

這是實在的工程改進，賣的是「早點開始收錢」，不是更快的晶片。把佈線、液冷、測試搬回工廠，確實能避開現場施工最容易延誤的環節；但 14 天的前提是場地已備好電力與冷卻，而缺電、拉電網才是現在最慢的那段。檢查點：2027 年初第一批交貨時，看客戶公布的從簽約到上線時間，而不是場地就緒後的 14 天。

NVIDIA 算力 GTC Berlin
X

Anthropic：Claude Security 改成持續掃描，修好自動結案、復發自動重開

全文摘要

Claude Security 從「手動啟動一次掃描」改為持續監控：連好 repo 後先做一次深度基準掃描，之後依變更的風險與複雜度定期重掃；修補一上線就自動標記為已修，問題再出現會自動重開。每個專案可寫入部署方式與資安政策，系統也會產生可編輯的威脅模型，另有 API、webhook 與 MCP 連接器。Anthropic 說自 4 月公測以來已有數千個組織用它找到超過一百萬個漏洞；Enterprise 客戶公測中，前兩個月每月送 2.5 萬美元額度。

來源連結 原文 X
專家解讀
實質進展值得追蹤

這是實質進展，把一次性的掃描工具變成會跟著程式碼走的服務。自動結案與復發重開，解決的是資安團隊最煩的追蹤工作；但「一百萬個漏洞」沒有區分嚴重度與誤報率，數字聽起來大，實際有多少值得修並不清楚。反方會說它跟 GitHub、Snyk 既有產品功能重疊；若公測期間有客戶公開誤報比例與修補時間的變化，才知道它是不是真的省了人力。

Anthropic 資安 @claudeai

Ben Spector：Flapping Airplanes：成立一年的 AI 實驗室募得 10 億美元，估值 60 億美元

全文摘要

由 Ben、Asher Spector 兄弟與 Aidan Smith 創辦的舊金山研究實驗室 Flapping Airplanes，主攻「用少得多的資料與算力訓練 AI」，完成 Index Ventures 領投的 10 億美元 A 輪，估值 60 億美元，約是今年 1 月的四倍。

來源連結
專家解讀
需反證值得追蹤

這是一筆押「效率路線」的大賭注，目前證據還停在團隊與敘事。一年估值翻四倍、拿到 10 億美元，但公開的研究成果有限；如果「少資料少算力」真的成立，受衝擊的是靠堆算力建立護城河的大廠。檢查點：一年內有沒有公開模型或論文，在同一套測試上用明顯更少的訓練量打平主流模型。

Flapping Airplanes 募資
X

Aravind Srinivas：Perplexity 與 NVIDIA 發表 JOLT，同一模型自己當老師也當學生

全文摘要

Perplexity 公布後訓練新方法 JOLT，與 NVIDIA 合作：同一個模型同時扮演老師與學生，老師拿到學生看不到的額外資訊，並被訓練成給出「學生用得上」的回饋，結合自我蒸餾與強化學習。在 MATH 上，用少 6.5 倍的訓練 token 就追平 GRPO 的準確率。

來源連結
專家解讀
實質進展需反證

這是值得研究者看的訓練方法，但目前只有一個基準。用少 6.5 倍 token 打平 GRPO，若能推廣，後訓練成本會明顯下降，小團隊也做得起強化學習；但 MATH 是相對單純、答案可驗證的題型。若之後在程式碼或開放式任務上也看到同樣的節省，再把它當成通用方法。

Perplexity NVIDIA 研究

快訊

其他值得知道的動態，一行看完，點來源讀原文。