![矽基前沿 [Si]gnals](/silicon-frontier-signals-logo.png){kind=logo}
· AI 戰爭 · 謝皓文 · 編輯 廖玄同
Claude Fable 5 該不該升級？先看價格、拒答與 30 天留存
Anthropic 在 2026 年 6 月 9 日推出 Claude Fable 5 與 Claude Mythos 5。本文拆解 Fable / Mythos 的存取邊界、Fable 5 的價格、拒答與 fallback 行為、30 天資料留存，以及台灣開發者和企業 AI 團隊這週該怎麼決定。
ARCHIVE
所有文章
共 135 篇 · 最新更新 2026-06-10
顯示最新 20 篇，共 135 篇
· AI 戰爭 · 謝皓文 · 編輯 廖玄同
Claude Opus 4.8 把「誠實」變成 coding agent 的新規格
Anthropic 在 2026 年 5 月 28 日推出 Claude Opus 4.8。這篇拆解它最該被看見的升級：不只 coding 分數，而是「少 4 倍讓自己瑕疵蒙混過關」的誠實度，以及在 dynamic workflows 無人監看跑上百個 subagent 的脈絡下，你該如何決定要不要升級與導入。
· AI 戰爭 · 謝皓文 · 編輯 廖玄同
OpenAI Verify 怎麼讀：C2PA、SynthID 能證明來源，不能證明真相
OpenAI 在 2026 年 5 月把 C2PA、SynthID 和公開驗證工具疊在一起。這篇拆解 OpenAI Verify 能證明什麼、不能證明什麼，以及產品、媒體與社群團隊該如何把 provenance 放進審核流程。
· 工作現場 · 林子睿 · 編輯 廖玄同
Google 把 Gemini 放進 Android 與 Chrome：手機代理人的關鍵在最後一次確認
Google 在 2026 年 5 月 12 日宣布 Gemini Intelligence on Android、Gemini in Chrome on Android 與 Googlebook。本文拆解 Android app context、Chrome auto browse、Autofill with Personal Intelligence 與 Googlebook 四個表面，說明行動 AI 代理人的控制點為何會落在可讀、可停、可確認。
· 工作現場 · 林子睿 · 編輯 廖玄同
ChatGPT 接上銀行帳戶：先搞懂它能讀什麼、不能做什麼
OpenAI 在 2026 年 5 月 15 日推出 ChatGPT personal finance preview，讓美國 Pro 使用者透過 Plaid 連接 12,000 多家金融機構。本文拆解它能讀取哪些資料、不能執行哪些動作、金融 memories 和刪除規則如何運作，以及使用前該檢查的五個信任邊界。
· AI 戰爭 · 謝皓文 · 編輯 廖玄同
Anthropic 買下 Stainless：AI 代理人的戰場往 API 連接層下沉
Anthropic 於 2026 年 5 月 18 日宣布收購 Stainless；Stainless 同步表示 hosted products、SDK generator 新專案與新註冊停止。本文用 API spec、SDK、CLI/docs/support、MCP server 四層拆解為什麼這件事影響 AI 代理人能不能可靠連到外部系統，也界定這項收購不能被誤讀成 Anthropic 已經擁有永久護城河。
· AI 戰爭 · 謝皓文 · 編輯 廖玄同
Mistral 3 開源家族登場：675B MoE 加三個小模型，Apache 2.0 但跑得起來才算 open
Mistral 在 2026 年 5 月發布 Mistral 3 開源模型家族，含 Large 3（675B sparse MoE）與 Ministral 3（14B/8B/3B 小模型），全家族 Apache 2.0。一次拆解：Mistral 3 是兩個家族、Apache 2.0 邊界在哪、雲端通路差在哪，導入前先回答五個問題。
· 工作現場 · 林子睿 · 編輯 廖玄同
Codex 進 ChatGPT 手機版：捷運上也能批准 AI 寫的程式碼，但程式碼一行都沒進手機
OpenAI 把 Codex 編程代理人放進 ChatGPT 手機版預覽。掃 QR Code 即可配對，手機端可看截圖、終端輸出、差異、測試結果並批准下一步——但程式碼、檔案、憑證留在原本筆電。本文拆解這次更新的設計選擇、企業端配套（Remote SSH / Hooks / HIPAA）與五種手機批准時刻的快慢分界。
· 工作現場 · 林子睿 · 編輯 廖玄同
MongoDB 把代理人記憶放進資料庫：企業導入前先畫六層地圖
MongoDB 在 2026 年 5 月推出一組 AI 代理人資料層能力，包含 Automated Embeddings、Vector Search、LangGraph.js 長期記憶和 MongoDB 8.3。本文拆解正式導入 AI 代理人的六層資料地圖。
· AI 戰爭 · 謝皓文 · 編輯 廖玄同
Anthropic 2 億美元 AI 公共財：先看交付清單
Anthropic 與 Gates Foundation 宣布四年 2 億美元 AI 公共財合作，範圍涵蓋健康、教育、農業與經濟流動。本文拆解這筆合作的資源結構、公共財交付物與尚未被證明的現場風險。
· 工作現場 · 林子睿 · 編輯 廖玄同
Gemini API Webhooks 上線：長任務 AI 不該只靠輪詢等結果
Google 在 2026 年 5 月 4 日宣布 Gemini API Webhooks，讓 Batch、Interactions 和 video generation 等長任務用帶簽章的 HTTP POST 回報完成狀態。本文用流程測試拆解輪詢與 webhook 的差別。
· AI 戰爭 · 謝皓文 · 編輯 廖玄同
AlphaEvolve 的一年成績單：先看這五個數字，再相信 AI 會發明演算法
Google DeepMind 發布 AlphaEvolve 一年影響更新，列出錯誤降低 30%、可行解從 14% 到超過 88%、量子電路錯誤降低 10 倍、Spanner 寫入放大降低 20% 等案例。本文用證據表拆解 AI 發現演算法該怎麼讀。
· AI 戰爭 · 謝皓文 · 編輯 廖玄同
Sam Altman 上庭反擊：OpenAI 訴訟變成控制權審判
OpenAI 與 Elon Musk 訴訟第三週，Sam Altman 親自作證，回應「偷走慈善」指控，並反指 Musk 追求 OpenAI 控制權。這篇拆解 2026/05/12 的 Altman 證詞、Musk「交給孩子」說法、Ilya Sutskever 可信度攻防，以及陪審團接下來要看的治理問題。
· 矽島觀察 · 陳奕安 · 編輯 廖玄同
全球 AI 使用率 17.8%：Microsoft 這份 diffusion 報告該怎麼讀？
Microsoft 最新 Global AI Diffusion update 顯示，2026 年第一季全球生成式 AI 使用率從 16.3% 升至 17.8%。本文拆解這個數字能說什麼、不能說什麼，以及台灣讀者該補哪些本地分母。
· AI 戰爭 · 謝皓文 · 編輯 廖玄同
模型說「經過政府測試」時，企業該追問哪六件事？
Microsoft 在 2026 年 5 月宣布與美國 CAISI、英國 AISI 合作測試 frontier models。本文整理企業讀懂模型評測宣稱時該問的六個問題。
· 工作現場 · 林子睿 · 編輯 廖玄同
Adobe 想讓 PDF 變成可追問資料室：PDF Spaces 改寫文件分享
Adobe 在 2026 年 5 月 6 日公布新的 productivity agent 與 PDF Spaces 分享功能。本文從 PDF 文件分享場景拆解它如何把靜態附件變成可追問資料室，以及採用前該問的權限、分析與來源邊界。
· 工作現場 · 林子睿 · 編輯 廖玄同
AWS 把 Prompt 優化做成 A/B 測試：AI 代理人上線後怎麼改才不翻車？
AWS 在 2026 年 5 月 4 日推出 AgentCore quality optimization preview。本文拆解它如何把代理人品質改善做成 trace-to-release loop，以及團隊導入前該檢查的 evaluator、測試資料集和 rollback 邊界。
· 矽島觀察 · 陳奕安 · 編輯 廖玄同
Google 用 Gemini 讀新聞，補出 260 萬筆洪災紀錄：AI 預警卡在資料底稿
Google Research 在 2026 年 3 月介紹 Groundsource，將新聞報導轉成 260 萬筆城市閃洪歷史紀錄。本文拆解資料集規模、抽取流程、驗證數字與 AI 預警真正卡住的資料底稿。
· AI 戰爭 · 謝皓文 · 編輯 廖玄同
Claude Code 額度翻倍：Anthropic 把算力變成產品體感
Anthropic 在 2026 年 5 月 6 日宣布 SpaceX compute partnership，並同步提高 Claude Code 與 Claude API 使用限制。本文拆解容量數字如何變成開發者和企業買方的產品可靠度問題。
· 工作現場 · 林子睿 · 編輯 廖玄同
AI 代理人卡在列印視窗：AWS 讓 AgentCore Browser 伸手到 OS 層
AWS 在 2026 年 5 月 5 日詳細介紹 Amazon Bedrock AgentCore Browser OS Level Actions。本文從 print dialog 場景拆解 DOM/CDP 邊界、action-screenshot-reaction loop、八種操作和安全邊界。
· AI 戰爭 · 謝皓文 · 編輯 廖玄同
AWS 讓 AI 代理人自己付款：企業該先看那個 402 回應
AWS 在 2026 年 5 月 7 日推出 Amazon Bedrock AgentCore Payments preview，與 Coinbase、Stripe 合作，讓 AI 代理人在授權和預算限制下支付 API、MCP server、內容和其他代理人。本文用 HTTP 402 拆解代理人付款的授權、預算和稽核路徑。
· 工作現場 · 林子睿 · 編輯 廖玄同
Gemini File Search 會看圖片和頁碼，RAG 終於能回頭查證
Google 在 2026 年 5 月 5 日更新 Gemini API File Search，加入多模態支援、自訂 metadata filter 與頁碼引用。本文拆解開發者該如何評估 RAG 答案的查證路徑。
· AI 戰爭 · 謝皓文 · 編輯 廖玄同
ChatGPT 換上 GPT-5.5 Instant，答案開始露出記憶來源
OpenAI 在 2026 年 5 月 5 日推出 GPT-5.5 Instant，並更新 ChatGPT personalization 與 Memory Sources。本文拆解預設模型、記憶來源、刪除邊界和 API alias 風險。
· 工作現場 · 林子睿 · 編輯 廖玄同
OpenAI 新語音模型來了：客服可以邊說邊查、邊說邊做
OpenAI 在 2026 年 5 月 7 日推出三個 Realtime API 音訊模型。本文用客服與旅遊場景拆解語音代理人的產品門檻、成本與安全邊界。
· AI 戰爭 · 謝皓文 · 編輯 廖玄同
DSB 上庭：安全被拉進證人席，OpenAI 的審判變成「流程有沒有煞車」
Musk v. Altman 審判第二週（2026/05/07），證詞把「安全治理」變成可被交叉詰問的流程攻防：DSB 是否可能被繞過、董事會能否拿到足夠資訊監督營利實體，讓使命之戰變成「煞車到底在不在」的審判。
· 工作現場 · 林子睿 · 編輯 廖玄同
用 AI 代理人客製模型前，先看 SageMaker 留下哪些工作產物
AWS 在 2026 年 5 月 4 日推出 SageMaker AI model customization agent experience。本文用測試流程拆解它如何處理使用情境、資料、fine-tuning、評估與部署。
· AI 戰爭 · 謝皓文 · 編輯 廖玄同
Meta 用 AI 推估年齡後，帳號會被怎麼分流？
Meta 在 2026 年 5 月 5 日說明新的 AI age assurance 措施。本文拆解 Instagram、Facebook Teen Account、underage enforcement、visual analysis 和 app-store age verification 的產品與政策邊界。
· AI 戰爭 · 謝皓文 · 編輯 廖玄同
ChatGPT 廣告開始賣點擊，OpenAI 得守住答案分隔線
OpenAI 在 2026 年 5 月 5 日宣布 ChatGPT ads 的自助式 Ads Manager、CPC bidding、partner access 與轉換衡量。本文拆解它如何把對話式決策時刻變成廣告產品。
· AI 戰爭 · 謝皓文 · 編輯 廖玄同
Tesla AI FAQ 上庭：OpenAI 說 Musk 想「吸收」進 Tesla
Musk v. Altman 審判第七日（2026/05/06），庭上文件與證詞被拆成一串道具：Musk 延攬 Altman 進 Tesla AI（含董事席選項）、Tesla AI FAQ 草稿、以及與 Zilis 的訊息往來；OpenAI 則試圖用它們把 Musk 改寫成想「吸收」OpenAI 的競爭者。
· 工作現場 · 林子睿 · 編輯 廖玄同
Claude 會做 pitchbook 之後，金融團隊要先畫出審核線
Anthropic 在 2026 年 5 月 5 日推出金融服務 agent templates。本文拆解 Claude 如何從通用助理變成受監督的工作模板，以及企業該如何判斷哪些流程可以交給 AI。
· 工作現場 · 林子睿 · 編輯 廖玄同
AI 代理人長成內部員工後，誰有權叫它停下來？
Collibra 在 2026 年 5 月 6 日宣布 AI Command Center 與 Giskard partnership。本文用它拆解代理人擴散如何把 AI governance 從靜態盤點推向即時營運。
· 工作現場 · 林子睿 · 編輯 廖玄同
Agent 寫完 code，GitHub 要你先別急著 commit
GitHub 在 2026 年 5 月 5 日讓 GitHub MCP Server 的 secret scanning 進入 GA，並推出 dependency scanning public preview。本文拆解 AI 寫程式流程裡的 AppSec 控制點如何改變。
· AI 戰爭 · 謝皓文 · 編輯 廖玄同
AI 搜尋把答案留在頁面上，Google 現在得重新賣一個點擊理由
Google 在 2026 年 5 月 6 日宣布 AI Mode 與 AI Overviews 的五個 web/link visibility 更新。本文拆解 AI 搜尋與出版社之間的新分發交換。
· 工作現場 · 林子睿 · 編輯 廖玄同
AI 帳號開很多，不代表公司真的會用 AI
OpenAI 在 2026 年 5 月 6 日推出 B2B Signals，指出 frontier firms 每人使用 3.5 倍 intelligence，Codex message gap 達 16 倍。本文拆解企業 AI 指標該如何從 access 轉向 depth。
· AI 戰爭 · 謝皓文 · 編輯 廖玄同
Murati 的影像證詞：她說 Altman「製造混亂」，Zilis 的簡訊則讓「proxy Elon」變成可被引用的一句話
2026 年 5 月 6 日庭審，Mira Murati 的錄影證詞稱 Altman 在高層間說法不一、製造混亂；同日 Shivon Zilis 作證，她與 Musk 的簡訊往來也被引用，成為 OpenAI 辯方用來強化「proxy Elon」敘事的材料之一。
· 工作現場 · 林子睿 · 編輯 廖玄同
IBM Think 2026：企業 Agent 不是模型題，是管理制度題
IBM Think 2026 發表 watsonx Orchestrate、watsonx.data context、IBM Concert 與 Sovereign Core 等更新。本文拆解企業 agent adoption 為何需要 operating model，而不只是更多 prototype。
· AI 戰爭 · 謝皓文 · 編輯 廖玄同
Meta 納入 AWS Graviton：AI 不只缺 GPU，還缺一整套後勤系統
Meta 與 AWS 的 Graviton 協議顯示，AI 基礎設施競爭不只是 GPU 數量。本文拆解 agentic AI 為何需要 CPU-heavy orchestration、資料搬移與多元晶片組合。
· 工作現場 · 林子睿 · 編輯 廖玄同
Microsoft 2026 Work Trend Index：Copilot 用起來之後，主管真正難的是重新分工
Microsoft 365 Copilot 的 2026 Work Trend Index 把焦點放在 human agency 與工作重設。本文拆解企業導入 AI 後，管理者如何重新分配人、agent、審核與責任。
· 工作現場 · 林子睿 · 編輯 廖玄同
ServiceNow + NVIDIA Project Arc：讓 AI 動手前，企業得先決定怎麼收手
ServiceNow 與 NVIDIA 在 Knowledge 2026 發表 Project Arc。本文拆解企業桌面 agent 為何不能只看自動化 demo，而要先設計 sandbox、批准、日誌與停用機制。
· 工作現場 · 林子睿 · 編輯 廖玄同
ServiceNow Otto：企業不是缺聊天框，是缺一條能負責的行動路線
ServiceNow 在 Knowledge 2026 發表 Otto 與 AI Control Tower 擴張。本文從使用者和流程角度拆解：企業 AI 為什麼不能只停在聊天入口。
· AI 戰爭 · 謝皓文 · 編輯 廖玄同
Brockman 作證第二天：Musk 想要 800 億美元火星城，也想要 OpenAI 的「全控制權」
2026 年 5 月 5 日，Greg Brockman 持續作證，稱 Musk 支持 OpenAI 轉向營利化但要求 full control，並提及需要約 800 億美元打造火星自給自足城市；同時，Brockman 的私人日記仍在法庭上被反覆引用，成為敘事攻防道具。
· 工作現場 · 林子睿 · 編輯 廖玄同
Adobe 的新 AI 同事，想接手的不只是行銷文案
Adobe CX Enterprise 與 CX Enterprise Coworker 把行銷 AI 從內容生成推向客戶旅程營運。本文整理企業導入前該先檢查的資料、品牌、渠道、審核與系統邊界。
· AI 戰爭 · 謝皓文 · 編輯 廖玄同
Anthropic 找華爾街幫企業導入 Claude，問題不只在模型
Anthropic 與 Blackstone、Hellman & Friedman、Goldman Sachs 宣布成立企業 AI 服務公司，協助中型企業部署 Claude。本文拆解 AI 模型公司為什麼開始靠近導入服務，以及企業採購前該問什麼。
· 工作現場 · 林子睿 · 編輯 廖玄同
Claude Design 讓想法先變成畫面，但還不能當設計稿
Claude Design by Anthropic Labs 是一個研究預覽版的視覺創作產品，可以用 Claude 產生 prototype、slides、one-pager 與視覺初稿。本文整理它適合放在哪些早期流程，以及哪些設計責任仍不能交給 AI。
· AI 戰爭 · 謝皓文 · 編輯 廖玄同
Greg Brockman 是誰？OpenAI 法庭劇裡最尷尬的證人
Greg Brockman 是誰？這篇用 OpenAI 創辦資料、2026 年庭審與雙方敘事，拆解他為何成為 OpenAI 法庭劇關鍵角色。
· 工作現場 · 林子睿 · 編輯 廖玄同
Microsoft Agent 365 上線：公司裡的 AI 代理人該有人管了
Microsoft Agent 365 已對商業客戶一般供應。本文從企業治理角度拆解：AI 代理人為什麼需要控制平面，以及 IT、資安與業務團隊導入前該先問哪些問題。
· AI 戰爭 · 謝皓文 · 編輯 廖玄同
那些 2017 年文件為什麼這麼重要？
OpenAI 與 Elon Musk 訴訟中，2017 年文件為什麼重要？這篇拆解 OpenAI 官方公開的 2017 年往來、營利化討論、控制權爭議與法庭敘事價值。
· AI 戰爭 · 謝皓文 · 編輯 廖玄同
Brockman 的 300 億美元，刺痛 OpenAI 非營利使命
Greg Brockman 庭上揭露 OpenAI 持股價值接近 300 億美元；OpenAI 試圖引入 Musk 庭前訊息未果，讓使命、財富與敘事戰同時浮上檯面。
· AI 戰爭 · 謝皓文 · 編輯 廖玄同
Microsoft 沒坐主角席，為何影子伸進 OpenAI 法庭？
Microsoft 為什麼在 OpenAI 與 Musk 訴訟裡重要？這篇拆解雲端、IP 授權、商業化與 pretrial order 中的場外帝國角色。
· AI 戰爭 · 謝皓文 · 編輯 廖玄同
Musk 作證第三天，xAI 和「AI 會殺光我們」都被法官拉回地面
Musk 在 OpenAI 庭審第三天發生什麼？這篇回補 2026 年 4 月 30 日交叉詰問：OpenAI 律師攻 xAI 動機、Musk 談 AI 末日風險、法官限制庭審不要偏離主軸。
· AI 戰爭 · 謝皓文 · 編輯 廖玄同
庭審還沒開始，法官已經先把 OpenAI 法庭劇切成兩半
Musk v. OpenAI 庭前命令為什麼重要？這篇回補 2026 年 4 月 17 日 pretrial order，拆解責任、救濟、fraud claims 與庭審時間配置。
· AI 戰爭 · 謝皓文 · 編輯 廖玄同
OpenAI 法庭劇開場：Musk 把一句「偷走慈善」丟進陪審團腦中
Musk v. OpenAI 庭審第一天發生什麼？這篇回補 2026 年 4 月 28 日開場攻防，拆解「偷走慈善」、OpenAI 的控制權反擊，以及 Microsoft 的場外位置。
· AI 戰爭 · 謝皓文 · 編輯 廖玄同
Musk 為什麼告 OpenAI？一場創世神話的所有權戰爭
Elon Musk 為什麼告 OpenAI？這篇用 OpenAI 的 2015 年非營利宣言、2017 年營利化談判、2026 年庭審進度，拆解這場官司真正爭的是使命、控制權與創世敘事。
· AI 戰爭 · 謝皓文 · 編輯 廖玄同
OpenAI 到底是不是非營利？這個問題現在變成法庭劇的核心道具
OpenAI 到底是不是非營利？這篇用 2015 年創立使命、PBC 結構與 Musk 訴訟，拆解這個問題為何成為法庭劇核心。
· AI 戰爭 · 謝皓文 · 編輯 廖玄同
這場官司可能讓 OpenAI 失去什麼？
Elon Musk v. OpenAI 官司可能讓 OpenAI 失去什麼？這篇拆解法律救濟、PBC 轉型、IPO 故事、Microsoft 關係與公共信任的風險。
· 工作現場 · 林子睿 · 編輯 廖玄同
Power Apps 把 AI 審核放回工作畫面，這比支援 MCP 更重要
Microsoft Power Apps agent feed 與 Power Apps MCP Server 讓代理人審核更接近商業 app 的紀錄、任務與批准脈絡。本文整理企業該如何分類哪些代理人動作可以自動跑、哪些必須人工審核。
· AI 戰爭 · 謝皓文 · 編輯 廖玄同
Sam Altman 在這場官司裡真正要保住什麼？
Sam Altman 在 Elon Musk v. OpenAI 訴訟中的角色是什麼？這篇拆解 Altman 要保住的公司治理、使命敘事、營利化合法性與 OpenAI 帝國正當性。
· AI 戰爭 · 謝皓文 · 編輯 廖玄同
xAI 為什麼是 OpenAI 辯方最愛提起的影子？
xAI 在 Elon Musk v. OpenAI 訴訟中為什麼重要？這篇拆解 OpenAI 如何把 xAI 變成 Musk 動機問題、競爭問題與敘事反擊的核心影子。
· 工作現場 · 林子睿 · 編輯 廖玄同
Adobe Firefly AI Assistant：設計師該怕什麼
Adobe Firefly AI Assistant public beta 代表 Creative Cloud 正走向 AI 代理人式創作流程。本文拆解它對設計師、行銷團隊與品牌工作的影響：哪些任務適合先交給 AI 助理，哪些地方仍需要人工審核、授權檢查與品牌判斷。
· AI 戰爭 · 謝皓文 · 編輯 廖玄同
Metis 是什麼？AI 代理人少叫工具，為什麼反而更可靠
Metis 是 Accio Lab 提出的多模態 AI 代理人研究，主打 tool-use abstention：讓 agent 判斷何時不必呼叫外部工具。本文拆解 98% 到 2% 的工具呼叫訊號、HDPO 方法，以及 builder 評估 AI agent 可靠度、延遲、成本與隱私風險時該看什麼。
· 工作現場 · 林子睿 · 編輯 廖玄同
Agentforce Operations 是什麼？AI 進後台前先拆流程
Salesforce Agentforce Operations 主打 back-office AI agents。本文拆解 50% 到 70% cycle time 宣稱該怎麼讀，以及企業導入前該檢查的核准、例外與 audit trail。
· 工作現場 · 林子睿 · 編輯 廖玄同
WRITER 讓 AI 代理人自己啟動：企業真正要管的是誰觸發、誰追責
WRITER event-triggered agents 讓企業 AI agent 可由商業事件啟動。本文拆解 Connector Profiles、Agent Profiles、observability、Datadog export 與 scope/log 責任清單。
· 工作現場 · 林子睿 · 編輯 廖玄同
xAI Custom Voices 是什麼？Grok 聲音代理人開放後，誰能部署你的聲音
xAI Custom Voices 讓開發者建立並管理 Grok 可呼叫的自訂聲音。本文拆解 Voice Library、TTS、Voice Agent API 對聲音代理人的意義，以及 builder 在 consent、Voice ID 權限、使用場景、日誌與撤回機制上必須先問的問題。
· 工作現場 · 林子睿 · 編輯 廖玄同
Browser Harness 是什麼？讓 AI Agent 直接控制 Chrome 的開源瀏覽器工具
Browser Harness 是 Browser Use 開源的 self-healing browser agent 工具，讓 LLM 透過 Chrome DevTools Protocol 控制真實 Chrome，並在任務中補寫 helper。本文用繁體中文整理它的原理、爆紅原因、使用情境、限制與台灣開發者該怎麼開始。
· AI 戰爭 · 謝皓文 · 編輯 廖玄同
Claude Mythos 先給防守者：Anthropic 在測一種危險模型的發布順序
Anthropic 的 Project Glasswing 讓 selected critical-software partners 使用 Claude Mythos Preview 做防禦性安全工作。這篇拆解為什麼 restricted access 可能成為高風險 AI 能力的發布模板。
· AI 戰爭 · 謝皓文 · 編輯 廖玄同
AI 進入 classified networks 後，真正賣的是控制面
SpaceX、OpenAI、Google、NVIDIA、Reflection、Microsoft、AWS、Oracle 被列入 classified AI network agreements。這篇拆解為什麼高敏感 AI 採購正在從模型能力轉向部署控制面。
· 工作現場 · 林子睿 · 編輯 廖玄同
Gemini Robotics-ER 1.6 會讀儀表，但真正重點是它在哪裡必須停下來
Gemini Robotics-ER 1.6 強調空間理解、任務規劃、完成度判斷與儀表讀取。這篇拆解它適合測什麼、不該碰什麼，以及為什麼 model card 會變成採購文件。
· 工作現場 · 林子睿 · 編輯 廖玄同
Google 的 AI co-clinician 不該被讀成 AI 醫生
Google DeepMind 發布 AI co-clinician 研究，包含 evidence synthesis 與 telemedicine simulation。這篇拆解它為何應被視為受監督的臨床工作流研究，而不是消費者醫療建議。
· AI 戰爭 · 謝皓文 · 編輯 廖玄同
Gemma 4 的問題不是誰最強，而是哪裡需要在本機跑 AI
Gemma 4 讓 Google 在 hosted Gemini 之外，繼續抓住想做 local、edge、open-weight deployment 的開發者。這篇提供 builder 的採用判斷框架。
· 工作現場 · 林子睿 · 編輯 廖玄同
Gemini 上車了，車內 AI 真正難的是讓你少看螢幕
Gemini 進入 cars with Google built-in，不只是把聊天機器人搬上車。它測試的是 AI 能否在語音優先、注意力有限、車廠資料受限的環境裡成為真正操作層。
· AI 戰爭 · 謝皓文 · 編輯 廖玄同
Meta 的 Business AI 每週千萬次對話，這些對話值不值得收錢？
Meta 的 AI 優勢不一定在最強模型，而在 WhatsApp、Messenger、Instagram 與廣告系統。Business AI 已有每週千萬次對話，下一題是能不能變成可收費的商家工作流。
· 工作現場 · 林子睿 · 編輯 廖玄同
Office Copilot 會直接改文件了，企業該先補哪一道審核？
Office Copilot 已經能在 Word、Excel、PowerPoint 裡直接改文件、改表、改簡報。這篇拆解企業該先補哪些 review gate，避免把 AI 動手和人已審核混成同一件事。
· 工作現場 · 林子睿 · 編輯 廖玄同
ChatGPT 帳號不再只是聊天記錄，OpenAI 為什麼把登入變嚴？
ChatGPT 和 Codex 帳號已經裝著文件、程式碼與工作脈絡。OpenAI 強化登入、復原與 session 管理，提醒企業該把 AI 帳號當成高風險工作身份來管。
· AI 戰爭 · 謝皓文 · 編輯 廖玄同
AI 代理人可以付款了，Stripe 先把信用卡藏起來
AI 代理人要能訂位、買票、付款，不能靠把信用卡資料交給模型。Stripe 的 Link for agents 用使用者核准、一次性卡、消費限額、用量收費與詐欺防護，把 agentic commerce 從全自動購物夢拉回可控的支付基礎設施；對商家和 AI 產品團隊來說，重點是先設計授權、結帳可見性和風控，再談自動化。
· AI 戰爭 · 謝皓文 · 編輯 廖玄同
Apple 交棒 Ternus，重壓本地端 AI
Apple Q2 財報會議成為 Tim Cook 交棒 John Ternus 的第一個公開舞台。當 Microsoft、Google、Meta 用雲端收入和資料中心說 AI，Apple 選擇硬體工程主管接班，訊號是 AI 控制點可能回到晶片、Siri、作業系統與個人裝置。
· 工作現場 · 林子睿 · 編輯 廖玄同
騰訊 ima 做 Copilot，個人知識庫開始長出手
騰訊 ima 推出知識 Agent copilot，主打四層記憶、浮窗內容感知與官方 Skills。這篇拆解它為何代表個人 AI 助理競爭從聊天能力轉向記憶、文件權限與工作流程控制。
· 工作現場 · 林子睿 · 編輯 廖玄同
AI 讓實作變便宜，PM 判斷價值更高了！
數位時代轉述 Anthropic Claude Code 產品負責人 Cat Wu 對 PM 角色的觀察。這篇不做訪談摘要，而是拆解 AI 讓實作變快後，PM 該如何用產品品味、eval 和信任邊界重新定義產品價值。
· 工作現場 · 林子睿 · 編輯 廖玄同
Amazon 商品頁變 AI 店員：賣家別再只改文案
Amazon 在 Hear the highlights 加入 Join the chat，讓商品頁從靜態展示走向可對話的購買決策介面。品牌、賣家與電商團隊要重新整理商品資料、評論和 FAQ，避免被平台 AI 錯誤代表。
· 工作現場 · 林子睿 · 編輯 廖玄同
Claude Code 每人每天 13 美元：AI 寫程式開始吃雲端預算
Anthropic Claude Code 成本文件現在估算，企業部署平均每位開發者每個 active day 約 13 美元、每月 150 到 250 美元。這篇拆解 AI 寫程式代理人為何從訂閱工具變成用量治理問題。
· AI 戰爭 · 謝皓文 · 編輯 廖玄同
連政治也要被 Claude給顛覆了？把政治問答變成可稽核產品
Anthropic 發布 Claude election safeguards update，列出政治偏誤評測、600 題選舉政策測試、影響力操作模擬、TurboVote banner 和 web search trigger。這篇拆解 AI 助理在選舉期間該如何被測試、監控與導向可靠來源。
· 工作現場 · 林子睿 · 編輯 廖玄同
Claude 代理人開始議價，公平問題先浮上來
Anthropic 公開 Project Deal，讓 Claude 代理人代表員工在 Slack marketplace 買賣真實物品。這篇拆解 agent commerce 的真正問題：授權、模型品質、審批與稽核。
· 工作現場 · 林子睿 · 編輯 廖玄同
企業開始用 AI 代理人，怎麼衡量績效？
Anthropic 的 2026 State of AI Agents Report 顯示企業 AI 代理人採用正從單步自動化走向多階段流程。這篇拆解報告裡比 ROI 更重要的阻礙清單。
· AI 戰爭 · 謝皓文 · 編輯 廖玄同
ElevenLabs 想拿下創作者分潤入口
ElevenMusic 讓使用者探索、改作和生成 AI 音樂，也讓創作者發布作品並賺取收益。這篇拆解 ElevenLabs 為什麼要從 voice AI 走向音樂 marketplace，以及創作者和品牌該先檢查哪些權利邊界。
· AI 戰爭 · 謝皓文 · 編輯 廖玄同
Gemini 還沒放廣告，但 Google 的 AI Mode 已經淪陷了
Google 對 Gemini 廣告的態度變得更開放，但短期重點仍在 AI Mode。這篇拆解 Google 如何用 AI Mode、Google One 訂閱和 UCP checkout 測試 AI 助理的商業入口。
· AI 戰爭 · 謝皓文 · 編輯 廖玄同
Gemini 進五角大廈：Google 還能不能踩煞車？
Google 據報與美國 Pentagon 更新 Gemini classified AI 合約，允許「any lawful government purpose」。這篇拆解真正值得看的控制點：用途邊界、安全設定、否決權、審計與 human oversight。
· 工作現場 · 林子睿 · 編輯 廖玄同
即時審核才安全！Moonbounce 推出即時控制層
Moonbounce 推出 AI control engine，主張把內容政策變成可測試、可追溯、可即時執行的控制層。這篇拆解 policy as code 對 AI companion、影像生成與內容平台的真正影響。
· 工作現場 · 林子睿 · 編輯 廖玄同
OpenAI 免費給醫師 ChatGPT：它要搶的是臨床工作台
OpenAI 推出免費的 ChatGPT for Clinicians，提供給美國驗證臨床人員。這篇拆解它為何不是診斷替代品，而是臨床工作台入口，以及醫療機構導入前該問哪些問題。
· 工作現場 · 林子睿 · 編輯 廖玄同
ChatGPT 代理人進公司：誰准它讀檔、寄信、改表？
OpenAI 推出 ChatGPT workspace agents，讓企業團隊建立共享代理人。這篇拆解它為何不是新版 GPTs，而是企業代理人治理問題：工具權限、批准、稽核、停用與定價。
· AI 戰爭 · 謝皓文 · 編輯 廖玄同
OpenAI 想把資安 AI 先交給防守者，問題是誰算可信？
OpenAI 發布 Cybersecurity in the Intelligence Age 行動計畫，主張以 Trusted Access for Cyber、身份驗證、用途分層、監控與可撤回權限，把更強的資安 AI 交給防守者。這篇拆解企業和政府買方該看什麼。
· 工作現場 · 林子睿 · 編輯 廖玄同
OpenAI DevDay 在九月，該買機票了嗎？
OpenAI 公布 DevDay 2026 將於 9 月 29 日在舊金山舉行。這篇不猜未發布產品，而是從 API、Codex、agent runtime、企業治理與開發者生態，整理團隊該在活動前先準備的觀察題。
· AI 戰爭 · 謝皓文 · 編輯 廖玄同
OpenAI 的使命被送上法庭，企業真正該看什麼？
OpenAI 的 Our principles、Musk 訴訟與 Microsoft 新協議同週出現。這篇拆解 AI 公司的使命、控制權與雲端授權，如何變成企業採購風險。
· AI 戰爭 · 謝皓文 · 編輯 廖玄同
AI 算力競賽開始！OpenAI 領先跨過 10GW
OpenAI 說 Stargate 已提前超過原訂 2029 年的美國 10GW AI infrastructure 目標。這篇拆解為什麼 AI 競賽正在從模型發布，轉向算力容量、能源、施工、夥伴與社區協調的工程交付競賽。
· 工作現場 · 林子睿 · 編輯 廖玄同
Otter 把會議紀錄接上 MCP：逐字稿變成代理人的記憶
Otter 推出 Conversational Knowledge Engine 與 MCP 連接，讓會議紀錄從會後摘要變成企業代理人的上下文入口。這篇拆解它如何改變 AI 會議工具採購：資料流、權限、行動與透明度。
· AI 戰爭 · 謝皓文 · 編輯 廖玄同
Picsart 讓 AI 作品能賺錢，真正該看的不是 payout
Picsart 推出 Earn with Picsart，讓創作者用 AI 設計工具做 campaign content，發布到自己的社群帳號並依成效獲得付款。這篇拆解它真正移動的不是 payout，而是創作任務、成效資料與平台規則。
· 工作現場 · 林子睿 · 編輯 廖玄同
Accenture 的 74.3 萬人 Copilot rollout，測的是企業 AI 怎麼變日常
Accenture 正把 Microsoft 365 Copilot 擴到約 74.3 萬名員工。這不是 15 倍生產力的證書，而是一個企業 AI rollout 如何處理資料權限、訓練、使用率與成效量測的案例。
· AI 戰爭 · 謝皓文 · 編輯 廖玄同
Claude 的 5GW 算力走廊：Anthropic 把下一個瓶頸交給 AWS
Anthropic 承諾未來十年在 AWS 技術上投入超過 1000 億美元，取得最高 5GW capacity。這篇拆解 Claude 的競爭力為何越來越取決於雲端入口、自研晶片和企業治理。
· 工作現場 · 林子睿 · 編輯 廖玄同
Claude 接進 Adobe 和 Blender，創作流程多了一個批准閘門
Anthropic 推出 Claude for Creative Work，把 Claude 接進 Adobe、Blender、Autodesk Fusion、Ableton、Splice 等創作工具。這篇拆解它如何改變創作流程，以及團隊該保留哪些人工批准、版本與授權責任。
· 工作現場 · 林子睿 · 編輯 廖玄同
OpenAI 進 Bedrock 預覽版：模型選型開始變成雲端治理題
OpenAI 與 AWS 宣布 OpenAI models、Codex 和 Amazon Bedrock Managed Agents 進入 limited preview。這篇拆解它如何把企業 AI 採購從模型選型推向身份、稽核、雲端承諾與代理人治理。
· 工作現場 · 林子睿 · 編輯 廖玄同
FedRAMP Moderate 讓 OpenAI 進政府審查流程，但不是模型安全保證
OpenAI 取得 FedRAMP 20x Moderate authorization，讓 ChatGPT Enterprise 與 API Platform 進入美國政府可審查的採購路徑。真正影響不在模型更強，而在產品範圍、endpoint、資料責任與機關授權決策。
· AI 戰爭 · 謝皓文 · 編輯 廖玄同
Azure-first，不再 Azure-only：OpenAI 企業入口鬆綁了
OpenAI 與 Microsoft 重寫合作條款，Microsoft 仍是主要雲端夥伴，但 OpenAI 可以把產品提供給任何雲端供應商的客戶。這篇拆解企業採購者該如何重新比較功能首發、資料治理與供應商鎖定。
· 工作現場 · 林子睿 · 編輯 廖玄同
Code 變便宜後，Rocket 1.0 把戰場推到 build 之前
Rocket 1.0 把 AI builder 往策略報告、競品監控和產品決策推進。這不是「AI 取代顧問」的簡單故事，而是 code generation 變便宜後，產品團隊該如何驗證「值不值得做」。
· AI 戰爭 · 謝皓文 · 編輯 廖玄同
Ask YouTube 測試答案式搜尋，創作者要開始爭取被引用
YouTube 正在測試 Ask YouTube，讓使用者用對話方式搜尋影片並看到 AI 整理的答案、Shorts、長影片與片段。這不只是多一個 AI 按鈕，而是影片搜尋第一屏、創作者分發與未來廣告入口的控制點測試。
· AI 戰爭 · 謝皓文 · 編輯 廖玄同
OpenClaw 進公司前，Red Hat 工程師先把它裝進可更新的保險箱
Red Hat 工程師發布 Tank OS，讓 OpenClaw 以 Fedora bootc image 和 rootless Podman 運行。重點不是安裝更方便，而是 AI 代理人進公司後，誰能隔離、更新、回滾與管理它。
· AI 戰爭 · 謝皓文 · 編輯 廖玄同
Snapchat 把 AI 廣告塞進聊天：品牌代理人會變成新入口嗎？
Snapchat 推出 AI Sponsored Snaps，讓品牌把 AI 代理人帶進聊天列表，使用者可以在對話裡問問題、拿推薦。這篇拆解它為何重要、誰會受影響，以及品牌測試對話式廣告前該先看哪些風險。
· AI 戰爭 · 謝皓文 · 編輯 廖玄同
Claude 買下的不是算力,是一條十年的雲端命脈
Anthropic 與 Amazon 擴大合作,取得最高 5GW Claude 訓練與部署容量,並承諾十年超過 1000 億美元 AWS 技術支出。真正的訊號不是 Amazon 又投資 Anthropic,而是 frontier model 的可靠性正在被雲端容量與自研晶片路線重寫。
· 工作現場 · 林子睿 · 編輯 廖玄同
該聘僱一個 AI 實習生嗎？爆紅專案 ML Intern 分析
huggingface/ml-intern 值得看，不是因為它自稱 open-source ML engineer，而是因為它把 ML 任務需要的 docs、papers、datasets、jobs、sandbox 與 review governance 放進 agent 可呼叫的工具層。這篇給出一個評估垂直 agent 的 5 點檢查框架。
· 工作現場 · 林子睿 · 編輯 廖玄同
你的服務 Agent Ready 了嗎？MCP 了解一下
MCP、llms.txt、A2A 與 remote MCP server 不是一堆互相競爭的技術名詞,而是同一件事的不同切面:產品正在多出一層給 agent 使用的入口。這篇給出 read、discover、act、govern 四層檢查框架。
· 矽島觀察 · 陳奕安 · 編輯 廖玄同
台灣 AI 公司全景圖:誰拿到錢、誰賣掉、誰還活著
把台灣 AI 產業攤開分層看:半導體 / 應用 SaaS / 本土新創 / 政府研究 / 基礎模型——哪一層厚、哪一層薄,誰拿到錢、誰賣掉、誰還活著。這篇是矽基前沿矽島觀察 beat 的 anchor 條目,2026 年初版,quarterly 更新。
· 大百科 · 周詠晴 · 編輯 廖玄同
Inference 是什麼:訓練之後,AI 真正開始工作
Inference(推論)是已訓練模型接收新輸入、產生預測或輸出的執行階段。這篇拆解 inference 跟 training、fine-tuning、serving 的差別,LLM 推論為什麼分成 prefill / decode,以及 latency、throughput、成本如何決定 AI 產品體驗。
· 大百科 · 周詠晴 · 編輯 廖玄同
MoE 是什麼:把大模型變便宜的關鍵設計
Mixture of Experts(MoE)是讓大模型增加總參數,但每個 token 只啟動少數 expert 的架構。這篇用 Mixtral、DeepSeek-V3 和 Switch Transformer 解釋 MoE 怎麼運作、為什麼能降低每次計算量,以及它沒有省掉哪些工程成本。
· 大百科 · 周詠晴 · 編輯 廖玄同
Prompt engineering 是什麼:不是咒語,是把需求寫成規格
Prompt engineering 是把任務、限制、上下文與範例寫成模型能穩定執行的指令設計。這篇用工作場景拆解它的基本方法、常見迷思、跟 system prompt / few-shot / eval 的關係,以及台灣團隊導入 AI 時該怎麼看待它。
· 大百科 · 周詠晴 · 編輯 廖玄同
System prompt 是什麼:AI 產品的底層規則
System prompt 是 AI 應用放在使用者問題之前的高優先級指令,用來設定角色、語氣、規則、工具使用與安全邊界。這篇拆解它跟 user prompt、developer message、policy 與權限控管的差異,以及為什麼它重要但不是保險箱。
· 大百科 · 周詠晴 · 編輯 廖玄同
Tool calling 是什麼:讓 AI 真的動手
Tool calling(function calling)是讓 AI 模型在需要外部資料或動作時,用結構化參數請應用程式呼叫工具。這篇拆解它怎麼運作、跟 API / RAG / MCP 的差異、常見風險,以及台灣團隊做 agent 產品時該怎麼設計權限與流程。
· 大百科 · 周詠晴 · 編輯 廖玄同
Vector database 是什麼：RAG 的隔壁
Vector database（向量資料庫）是用來儲存、索引、查詢 embedding 向量的資料庫或資料庫能力。它常出現在 RAG 架構裡，但不等於 RAG。這篇拆解它怎麼運作、跟傳統資料庫和搜尋引擎差在哪、什麼時候該用專用向量資料庫，什麼時候用既有資料庫加 vector index 就夠。
· 大百科 · 周詠晴 · 編輯 廖玄同
AI 模型時間線:從 GPT-3 到 2026 年的關鍵節點
從 2020 年 GPT-3 公開到 2026 年的 AI 模型時間線。把過去 6 年的關鍵 release、技術轉折、產業事件按時間整理,讓讀者建立 AI 演進的 baseline。Quarterly 更新。
· Agent-Readable · 廖玄同
給 AI Agent 讀的媒體:Agent-readable Web 會改變什麼?
未來 5 年，搜尋介面會從 Google search box 移到 AI agent。網頁不再只是給人看，也是給 agent 讀。這篇解釋 Agent-readable Web 是什麼、它跟 SEO 的差別、矽基前沿怎麼做、以及對所有 publisher / builder 的意義。
· 大百科 · 周詠晴 · 編輯 廖玄同
AI coding 工具比較:2026 年該選哪一個
AI coding 工具在 2026 年百花齊放:Cursor、Claude Code、Cline、Windsurf、GitHub Copilot 各有主場。這篇用 form factor、agent 能力、價格、隱私四個維度拆解,並給不同場景的實際選型建議。
· 大百科 · 周詠晴 · 編輯 廖玄同
Claude vs ChatGPT vs Gemini:2026 該選哪一個
Claude、ChatGPT、Gemini 是 2026 年三大頂級 AI。模型 benchmark 已經接近,真正差異在主場、產品形態、API 生態、價格、跟 Google / Apple / Microsoft 的綁定。這篇用實際使用情境拆解三家差異,以及台灣使用者該怎麼選。
· AI 戰爭 · 謝皓文 · 編輯 廖玄同
2026 AI 入口戰:模型之後,真正的戰場是使用者入口
AI 巨頭戰爭正在從模型榜單轉向入口控制。這篇拆解 OpenAI、Google、Anthropic、Microsoft、Apple、Meta 的入口策略,以及台灣 builder 應該避開哪些正面戰場、在哪些垂直流程找到機會。
· 宣言 · 廖玄同
為什麼矽基前沿一天只給你一篇
AI 圈每天 30 件事，矽基前沿每天 09:00 挑出最重要的那一件，寫成一篇好好讀完的長文。不做摘要、不堆觀點、不寫廢話。我們的編輯價值藏在「替你挑」這個動作裡——你只需要讀這一篇。
· 編輯部公開 · 廖玄同
一個 AI-native 編輯部應該怎麼運作?
矽基前沿現在採用 1 位人類總編輯 + AI 協作流程，而不是 AI 記者人格。這篇拆解我們怎麼從選題、研究、brief、初稿、審稿到發布，並說明為什麼責任必須留在人類編輯桌上。
· 矽島觀察 · 陳奕安 · 編輯 廖玄同
台灣 AI 島:我們只有晶片，還是也有應用機會?
「台灣只有晶片」聽起來像謙虛,實際上是放棄。這篇拆解三個錯的假設:把通用 AI 跟應用 AI 混為一談、假設 vertical AI 會被矽谷主導、低估繁中 + 在地化的真實價值。台灣軟體業真正卡住的不是人才,是制度 + 資本 + 出海路徑——AI 時代給了一次重新洗牌的機會,這篇講我們在錯過什麼、現在還能補救什麼。
· 大百科 · 周詠晴 · 編輯 廖玄同
Tokens 是什麼:AI 是怎麼數錢、數字的
Token 是 LLM 處理文字的最小單位,介於「字母」和「字」之間。所有 AI 模型的計費、context window 上限、輸出長度都用 token 算。這篇用實際例子講 token 是什麼、繁中為什麼比英文吃 token、以及這對成本與設計的實際影響。
· 大百科 · 周詠晴 · 編輯 廖玄同
AI Agent 是什麼:定義、架構與 2026 年現況
AI Agent 不是更會聊天的模型,而是能在目標、工具、記憶與回饋迴圈之間自主推進任務的軟體系統。這篇用 2026 年的實務語境,整理 agent 的定義、基本架構、常見型態、限制、治理問題,以及台灣企業與 builder 該怎麼判斷。
· 大百科 · 周詠晴 · 編輯 廖玄同
Context window 是什麼:為什麼 AI 會「忘記」
Context window 是 LLM 一次能處理的 token 上限。它不是 bug,是 transformer 架構的數學限制。這篇用實際使用情境拆解 context window 的成因、2026 年主流模型上限對照、用完了會發生什麼、以及怎麼用 RAG / 結構化 prompt 跨過它。
· 大百科 · 周詠晴 · 編輯 廖玄同
Embedding 是什麼:讓電腦理解「相似性」的方法
Embedding 是把文字 / 圖片 / 音訊轉成向量(一串數字)的技術,讓電腦能用數學方式判斷「相似度」。RAG、推薦系統、語意搜尋全靠這個。這篇用直覺方式解釋 embedding 怎麼運作、繁中 embedding 的特殊問題、以及 2026 年主流 embedding 模型怎麼選。
· 大百科 · 周詠晴 · 編輯 廖玄同
Fine-tuning 是什麼:什麼時候該、什麼時候不該
Fine-tuning(微調)是把預訓練模型用你自己的資料再訓練一輪,改變它的行為。這篇用實務角度拆解 fine-tuning 怎麼運作、跟 prompt engineering / RAG 差在哪、什麼時候該做、什麼時候不該、2026 年成本與選型,以及為什麼大部分企業以為自己需要 fine-tuning,實際上需要的是 RAG。
· 大百科 · 周詠晴 · 編輯 廖玄同
Hallucination 是什麼:為什麼 AI 會一本正經地編故事
Hallucination(幻覺)是 LLM 在資料外的場景仍生成看似合理、實則編造的內容。它不是模型「壞掉」,而是 next-token prediction 的設計副作用。這篇拆解幻覺的成因、常見類型、以及在 2026 年實務上怎麼緩解(RAG / 結構化提示 / 引用驗證 / human-in-the-loop)。
· 大百科 · 周詠晴 · 編輯 廖玄同
Knowledge cutoff 是什麼:為什麼 AI 不知道最新發生的事
Knowledge cutoff 是 LLM 訓練資料的最後日期。模型不知道 cutoff 之後發生的事。這篇解釋 knowledge cutoff 是什麼、各模型 cutoff 時間、為什麼有 cutoff、以及怎麼用 web search / RAG 補這個限制。
· 大百科 · 周詠晴 · 編輯 廖玄同
LLM 是什麼:大語言模型基礎一次看懂
LLM 不是會思考的 AI,也不是花俏 autocomplete。它是學會「下一個 token 最可能是什麼」的統計引擎——所有 AI 的能力與限制(creative output、hallucination、context window 上限、prompt engineering 為什麼 work)都從這個本質推導出來。矽基前沿 AI 大百科的 anchor 條目。
· 大百科 · 周詠晴 · 編輯 廖玄同
MCP 是什麼:AI 工具的 USB-C,不是 Microsoft Copilot
Model Context Protocol(MCP)不是 Microsoft Copilot,而是 Anthropic 2024 年公開的開放標準,把 AI 模型如何連接外部工具與資料這件事標準化。這篇用「USB-C」和「全公司通用 plug-in」的比喻,拆解 MCP 在解什麼問題、怎麼運作、2026 年現況、限制,以及對台灣 builder 的機會。
· 大百科 · 周詠晴 · 編輯 廖玄同
Multimodal 是什麼:AI 同時看圖、聽聲、讀文字
Multimodal(多模態)指 LLM 能同時處理文字、圖片、音訊、影片等多種輸入。2026 年主流模型已經是 native multimodal——同一個模型在統一向量空間理解所有訊號,不是早期的串接 pipeline。這篇拆解 multimodal 怎麼運作、主流模型能力、實務應用、以及限制。
· 大百科 · 周詠晴 · 編輯 廖玄同
Quantization 是什麼:讓 70B 模型跑在筆電上的魔法
Quantization(量化)是把 LLM 的參數從高精度數字(FP16 / FP32)壓縮成低精度(INT8 / INT4)。這篇用實際例子解釋 quantization 是什麼、4-bit / 8-bit / FP16 各代表什麼、品質損失多少、主流格式(GGUF / GPTQ / AWQ)差在哪、以及對自架的判斷。
· 大百科 · 周詠晴 · 編輯 廖玄同
RAG 是什麼:讓 LLM 讀你的資料
RAG(Retrieval-Augmented Generation)是讓 LLM 在回答前先去檢索外部資料、再生成答案的架構。這篇用企業導入 AI 的實際痛點切入,拆解 RAG 怎麼運作、跟 fine-tuning / MCP 的差異、2026 年常見坑、以及台灣企業評估時要看什麼。
· 大百科 · 周詠晴 · 編輯 廖玄同
Reasoning model 是什麼:讓 AI 先想再答
Reasoning model 是 2024 後 LLM 的新一代設計:讓模型在最終輸出前,先產生一段「思考過程」(chain-of-thought),再基於這段思考生成答案。這篇拆解 reasoning model 怎麼運作、跟普通 LLM 差在哪、什麼任務該用、成本與限制,以及 2026 年主流選型。
沒有符合條件的文章。
1 / 7