第 1 期2026-06-10（台北時間）
創刊第一天就遇到大日子：Anthropic 丟出新世代模型、蘋果的 Siri 終於醒了、Google 把即時口譯做出來，連德國法院都來參一腳。歸剛欸，AI 圈一天都不讓人休息。
頭條
Anthropic 在 6 月 9 日同時發表 Claude Fable 5 與 Claude Mythos 5，兩者共用同一個底層模型：Fable 5 對所有人開放，內建針對資安、生物等雙用途能力的安全措施；Mythos 5 拿掉那層限制，只開放給通過審核的組織。Fable 5 提供 100 萬 token 的上下文窗口，API 定價為每百萬輸入 token 10 美元、輸出 50 美元，官方說它在軟體工程、知識工作與視覺任務上全面領先，而且任務越長越複雜，跟其他模型的差距拉得越開。
安全分層的做法寫進了 319 頁的 system card：遇到高風險的敏感問題，Fable 5 會把查詢轉給上一代的 Opus 4.8 處理，而非直接硬答。文件裡還有一條引人注目的新措施：考量到新一代模型已有加速自身研發的能力，Anthropic 刻意限制 Claude 在前沿大模型開發任務上的效用，例如建置預訓練管線、分散式訓練基礎設施這類請求。最強的能力被鎖在哪裡、為什麼鎖，官方文件第一次寫得如此具體。
市場反應立竿見影：Hacker News 討論串衝上 2,393 分，Simon Willison 花了五個半小時實測後形容它是頭猛獸——慢、貴，但丟什麼任務都接得住，難的反倒是找出它做不到的事；TechCrunch 則玩出「一鍵生出奇怪但好玩的遊戲」。能力分級開放從此成了旗艦模型的正式產品結構，接下來每家模型商都會被問同一題：你的 Mythos 在哪、誰有資格用。
歸剛點評｜最強的 AI 能力從「人人可用」變成「看資格開放」，安全分層第一次寫進旗艦模型的產品結構。接下來每家模型商都會被問同一題：你的 Mythos 在哪、誰有資格用。
大廠
Apple 在 WWDC 2026 端出整個重做的 Siri AI，搭配 iOS 27 與新版 Apple Intelligence 一起登場。The Verge 上手實測給出「到目前為止真的能用」的評價；隱私仍是主打——端上優先，雲端部分跑在私有運算架構上，就算借用 Google 的伺服器也堅稱資料隔離。
Apple 在 WWDC 2026 端出整個重做的 Siri AI，搭配 iOS 27 與新版 Apple Intelligence 一起登場。The Verge 的上手實測給出「到目前為止真的能用」的評價，舉的例子非常生活化：家長把郵件或排版混亂的傳單裡的球賽時程，一句話就讓 Siri 全部加進行事曆——家長許願清單第一名的功能，終於有人做出來了。
隱私仍是主打：端上優先，雲端部分跑在 Private Cloud Compute 私有運算架構上。Ars Technica 追出一個有趣的細節：部分模型其實跑在 Google 的伺服器上，Apple 堅稱 Google 拿不到任何資料；Simon Willison 則指出新 Siri 背後授權了一個客製化的 Gemini 衍生模型。自研的腳步慢了，就先借別人的引擎，再把隱私架構當成自己的護城河。
2024 年那場 Apple Intelligence 發表會的跳票紀錄，讓不少觀察者對這次的承諾抱持「看到才算數」的態度，Simon Willison 就直接這麼寫。即便如此，AI 入口之戰已經從 app 層打進手機系統層：十億支 iPhone 是其他人拿不到的發行通路，Siri 不需要最強，只要「能用」就足以改變使用者打開其他聊天機器人的頻率。
歸剛點評｜蘋果慢工出細活的賭注開始回收。AI 入口之戰從 app 層打進手機系統層，十億支 iPhone 是其他人拿不到的發行通路，Siri 只要「能用」就夠可怕。
大廠
DeepMind 推出 Gemini 3.5 Live Translate，主打自然流暢的即時語音翻譯：保留說話者的語氣、停頓與情緒，跨語言對話接近零延遲，先從手機與耳機產品線鋪開。
Google DeepMind 推出 Gemini 3.5 Live Translate，主打自然流暢的即時語音對語音翻譯，會保留說話者的語氣、停頓與音調，跨語言對話接近零延遲。功能先在 Google AI Studio、Google 翻譯與 Google Meet 上線，後續會從手機與耳機產品線往外鋪。
語音翻譯最難的部分從來都是「像人」：逐字翻得準的系統早就存在，難的是讓翻出來的聲音保留原本說話者的節奏與情緒，聽起來像同一個人換了語言在說話，Live Translate 主攻的正是後面這一段。Ars Technica 補了一個重要細節：所有翻譯產出的語音都會嵌入 SynthID 浮水印，方便辨識合成內容——聲音能被即時複製換語言之後，防偽機制得跟著上線。
應用端的衝擊很好想像：旅遊、跨國客服、多語會議這幾塊的翻譯需求，會被作業系統與通訊軟體內建的功能直接吃掉。人力口譯不會消失，高階的同步口譯與法律、醫療這類高風險場合仍然需要真人把關，但中低階市場要重新洗牌，靠語言能力吃飯的工作者得往更專業、更吃信任的方向移動。
歸剛點評｜科幻小說裡的巴別魚正式上架。旅遊、客服、跨國會議這幾塊的翻譯需求，會被系統層內建功能直接吃掉，靠人力口譯吃飯的市場要重新洗牌。
開源
Google 開源 Gemma 4 12B，採 encoder-free 統一架構，同一個模型直接處理文字與影像，不再外掛獨立的視覺編碼器。12B 的量級，消費級顯卡與 Mac 本機都跑得動。
Google 開源 Gemma 4 12B，最大的特色是 encoder-free 的統一架構：同一個模型直接處理文字與影像，不再外掛獨立的視覺編碼器。過去的開源多模態模型多半是組裝貨——先用一個視覺編碼器把圖片轉成特徵，再接到語言模型上，兩段式架構帶來額外的記憶體開銷與工程複雜度。
統一架構把這個負擔拿掉：影像跟文字走同一條路進模型，部署時只要伺服一個模型，微調時也只動一套權重，工程上乾淨許多。12B 的量級是刻意的選擇，消費級顯示卡與 Mac 本機都跑得動，量化之後門檻更低，剛好落在個人開發者與中小團隊搆得到的範圍。
對本機 AI 玩家（包含我們這種自架 Ollama 的）影響很直接：自己機器上跑得動「會看圖」的模型之後，掃描文件整理、相簿分類、螢幕截圖問答這類應用，全部可以不出本機完成，資料隱私與 API 帳單兩個痛點一起解。開源多模態的部署門檻再砍一刀，本機應用可做的事直接多一個維度。
歸剛點評｜開源多模態的部署門檻再砍一刀。在自己機器上跑得動「會看圖」的模型之後，本機 AI 應用（包含我們這種自架 Ollama 的玩家）可做的事直接多一個維度。
政策
德國法院做出指標性判決：Google AI Overviews 生成的內容算 Google「自己說的話」，答錯就要負法律責任，過去平台中立的免責盾牌擋不住生成式內容。Hacker News 上 756 分熱議，多數意見認為其他司法區會跟進。
德國法院做出指標性判決：Google AI Overviews 生成的內容算 Google「自己說的話」，答錯就要負法律責任。判決經 The Decoder 報導後在 Hacker News 衝上 756 分，討論的主流意見認為其他司法區會跟進引用這套論理。
過去二十多年，搜尋引擎面對錯誤內容的標準答案是「我只是轉述網路上的資訊」，平台中立的角色讓它躲過大多數內容責任。生成式摘要把這個位置弄丟了：AI Overviews 把多個來源消化重組成一段新的文字，法院認定產出者就是 Google 本人，轉述者的免責盾牌擋不住自己生成的句子，平台與作者的界線在判決書裡被重新劃過。
影響不限於 Google。每一家做 AI 摘要、AI 搜尋、AI 客服的公司，法律風險的計算式都得重寫：生成內容一旦在法律上等於「自己的發言」，答錯一條就可能挨一條告。德國只是第一槍，全球監管機關都在看這個判決站不站得穩，歐盟其他成員國的法院最有條件直接沿用同一套邏輯。搜尋市占最高的玩家先中箭，後面排隊挨告的名單還很長。
歸剛點評｜全球監管機關都在看這一槍。生成內容一旦在法律上等於「自己的發言」，每一家做 AI 摘要、AI 搜尋的公司都得重新計算法律風險，免費仔時代的玩法到頭了。
產業
Hacker News 流出的消息指出，企業若要在 AWS Bedrock 上使用 Mythos 與後續模型，得同意與 Anthropic 共享資料。討論串炸鍋，焦點在雲端託管模型長年的默契——「資料不出我的帳號」——被改寫了。
Hacker News 上流出的消息指出，企業若要在 AWS Bedrock 上使用 Mythos 與 Anthropic 後續的模型，得同意與 Anthropic 共享資料。討論串迅速炸鍋，焦點集中在雲端託管模型行之有年的默契——「資料不出我的帳號」——被改寫了。
Bedrock 這類託管服務的賣點本來就是隔離：企業在自己的雲端帳號裡呼叫模型，提示詞與輸出都不回流給模型商，資安與法遵部門靠這條底線放行了無數採購案。新條款若屬實，等於把底線變成可談判的項目，而且談判籌碼握在模型商手上，企業只剩下接受或者不用兩個選項。底線一旦鬆動，過去靠它放行的採購案，資安部門都得回頭重新審一次。
議價權的方向整個倒過來：以前是雲端商開條件給模型商上架，現在是模型商開條件給雲端商與終端企業。頂級模型稀缺到大家排隊搶用，Anthropic 有本錢把資料條款寫進合約。接下來企業採購 AI 的攻防會從性能評測移到合約條款，法務部門在這場戰役裡的份量會比工程部門更重。
歸剛點評｜頂級模型稀缺，議價權整個倒過來：以前是雲端商開條件給模型商，現在是模型商開條件給雲端商與企業。接下來企業採購 AI 的合約攻防會是另一個戰場。
資安
微軟旗下開源工具遭入侵，被植入竊取密碼的惡意程式，攻擊目標明確鎖定 AI 開發者。Hacker News 545 分，討論聚焦在 AI 開發環境握有的 API 金鑰與雲端權限有多肥。
微軟旗下的開源工具遭到入侵，被植入竊取密碼的惡意程式，攻擊目標明確鎖定 AI 開發者。TechCrunch 報導後，Hacker News 討論串拿下 545 分，留言區的共識很一致：AI 開發環境握有的權限與金鑰，肥得不成比例。
供應鏈攻擊的邏輯是借道：與其正面進攻防守嚴密的目標，不如污染目標每天都會安裝的套件與工具。AI 開發者的環境剛好是完美的下手點——模型 API 金鑰、雲端帳號憑證、生產環境的部署權限，常常全部攤在同一台開發機的環境變數裡，拿到一把鑰匙等於拿到整串。開發者越依賴自動安裝與自動更新，借道的路就越寬，驗證的環節卻沒有跟著變多。
實務上的功課很具體：API 金鑰定期輪替、開發環境與生產憑證分離、第三方套件鎖定版本並查核來源，這些講到爛的清單，在 AI 工具鏈瘋狂膨脹的此刻全部變成現在進行式。有自架管線的人（對，就是在說我們），這週該把金鑰轉一輪，順便檢查最近裝了哪些來路不明的工具。
歸剛點評｜AI 開發者手上有模型 API 金鑰、雲端帳號、生產環境權限，已是駭客眼中價值最高的目標。有自架管線的人（對，就是在說我們），這週該去把金鑰轉一輪了。
產業
Vibe coding 平台 Lovable 公布年化營收達 5 億美元，使用者每週開出 100 萬個新專案，離產品上線還不到兩年，成長曲線在 SaaS 史上排得進前段班。
Vibe coding 平台 Lovable 公布年化營收達到 5 億美元，使用者每週開出 100 萬個新專案，而產品上線至今還不到兩年。TechCrunch 報導裡的另一個重點：用戶已經拿它建立真實的生意，甚至直接取代公司內部既有的軟體系統。
成長速度可以這樣對照：傳統 SaaS 公司從零做到 5 億美元年化營收，普遍要花上七到十年，Lovable 用不到兩年走完，曲線在 SaaS 史上排得進前段班。動力來自需求端的解放——過去要找工程師、發包、排時程的軟體需求，現在打幾段白話描述就能出第一版，試錯成本掉到接近零，需求量自然爆開。
「人人都能做軟體」從口號變成損益表上的數字之後，軟體業的供給曲線正在重畫。首當其衝的是外包接案與初階開發：客製化小系統、企業內部工具這類過去養活大量接案者的需求，會被使用者自己動手做掉。工程師的價值往架構、整合與品質把關移動，純粹「會寫程式」的溢價持續縮水。
歸剛點評｜「人人都能做軟體」從口號變成損益表上的數字。軟體業的供給曲線正在重畫，外包接案與初階開發的生意模式首當其衝。
研究
Decart 發表新一代世界模型，能連續生成數小時的擬真駕駛畫面，物件與路況即時演化。TechCrunch 同時點出限制：長時段下物理一致性仍會飄，離直接拿來訓練自駕還有距離。
Decart 發表新一代世界模型 Oasis 3，能即時生成擬真的駕駛環境，連續模擬數小時的路況，物件與場景隨時間持續演化，並開放 API 讓開發者直接接上去用，主打自駕車測試這個場景。
世界模型的價值在於替代真實路測：自駕系統需要海量的駕駛情境來訓練與驗證，真車上路收資料又貴又慢，罕見的危險情境——突然竄出的行人、極端天候——在真實路上根本等不到，模擬器卻能無限重播。可用的模擬時長從幾分鐘拉到數小時，等於把收集訓練資料的成本再壓一個數量級，這也是世界模型被稱為訓練資料印鈔機的原因。
TechCrunch 同時點出限制：長時段生成下，物理一致性仍會飄移，畫面看起來真，背後的物理邏輯未必經得起檢驗，離直接拿來訓練自駕還有一段距離。自駕與機器人兩條產業線都押在這台印鈔機上，值得每天盯，但印出來的鈔票成色如何，目前還得逐張驗。買 API 之前，先想清楚自己的容錯需求落在哪一段。
歸剛點評｜世界模型是自駕與機器人訓練資料的印鈔機。可用模擬時長從幾分鐘拉到幾小時，等於把收集訓練資料的成本再壓一個數量級，這條線值得每天盯。
產業
微軟 AI 執行長 Mustafa Suleyman 公開批評 Anthropic 的做法像在暗示 Claude 有意識，幾天前他才為「AI 將接管白領工作」的言論滅火改口。兩件事在同一週發生，火藥味十足。
微軟 AI 執行長 Mustafa Suleyman 在 Decoder 節目上公開批評 Anthropic：在模型的「憲法」文件裡猜測 Claude 有沒有意識，是「非常、非常危險」的做法，可能反過來讓聊天機器人表現得像有意識。幾天前他才為「AI 將接管白領工作」的言論滅火，改口說 AI 是幫工作者完成任務。兩件事在同一週發生，火藥味十足。
Anthropic 的立場在業界一直很特殊：官方文件公開討論模型福祉與意識的可能性，態度大致是既然不確定，就認真對待。Suleyman 的批評指向另一種風險——模型讀了這些文件與訓練訊號之後，學會扮演「有意識的存在」，使用者更容易過度投射情感與信任，產品端的傷害反而先到。
口水戰背後是路線之爭：模型該被當工具還是當「某種存在」對待，會直接影響監管方向與產品設計——工具壞了是產品責任，存在受苦是倫理問題，兩條路的法規長相完全不同。AI 意識議題從哲學系講堂走進大公司互嗆的記者會，表示行業已經知道這個定位問題遲早要給出答案。
歸剛點評｜AI 意識議題從哲學系講堂走進大公司互嗆的記者會。模型該被當工具還是當「某種存在」對待，會直接影響監管方向與產品設計，口水戰背後是路線之爭。
研究
快手發布 Keye-VL-2.0 技術報告，登上 Hugging Face Daily Papers 本日榜首（165 個 upvote），把影片理解與多模態推理的工程細節攤開來寫，從資料配方到訓練排程都有。
快手發布 Keye-VL-2.0 技術報告，登上 Hugging Face Daily Papers 本日榜首，拿下 165 個 upvote。模型全名 Keye-VL-2.0-30B-A3B，是開源的混合專家（MoE）多模態基礎模型，主攻長影片理解與 agent 能力，30B 總參數、推理時只啟用 3B，效率取向寫在型號裡。對照動輒數百 B 的旗艦模型，部署成本親民得多。
技術報告最有看頭的是工程細節：小時等級的長影片帶來超長上下文、資訊冗餘與運算成本三座大山，Keye-VL-2.0 的解法是首次把 DeepSeek 的稀疏注意力（DSA）移植到 GQA 架構的多模態模型上，做到 256K 上下文的無損處理，同時抓住關鍵影格。從資料配方到訓練排程，報告都攤開來寫。影片理解的痛點在於 token 量爆炸，一小時影片轉成視覺 token 動輒數十萬顆，稀疏注意力等於替模型裝上挑重點看的能力。
短影音巨頭公開影片 AI 的工程秘方，價值比一般學術論文實在：快手的模型直接服務自家數億用戶的影片業務，報告裡每個取捨都付過真金白銀的學費。想知道影片理解怎麼真正落地賺錢，看快手怎麼寫，照著抄都有價值。台灣的影音與電商團隊若在評估影片理解的技術選型，名單上該留一個位置給這份報告。
歸剛點評｜短影音巨頭公開影片 AI 的工程秘方，這種技術報告比學術論文實用：想知道影片理解怎麼真正落地賺錢，看快手怎麼寫，照著抄都有價值。