AI日報｜OpenAI 推出企業代理 Presence、微軟釋出輕量生圖 Mage-Flow、Cursor 上線智慧路由器

AI 快訊：OpenAI 推出企業代理 Presence、微軟釋出輕量生圖 Mage-Flow、Cursor 上線智慧路由器

今日重點

1. OpenAI 推出企業級代理 Presence：將模型推理能力與嚴格的內部護欄綁定，試圖解決 AI 代理進入商業生產線的信任危機。
2. 微軟釋出 4B 輕量模型 Mage-Flow：捨棄傳統裁切法，以原生解析度訓練，用極低的硬體需求挑戰頂尖開源生圖系統。
3. Upstage 開源 250B 代理特化模型 Solar Open 2：專攻複雜工具調用與長文本處理，且只需兩張企業級 GPU 即可本地部署。
4. 科技巨頭撒幣支援基礎科學：Google 與 OpenAI 雙雙投入鉅資支援美國 Genesis 任務，Anthropic 則砸下兩億美元探討 AI 的社會與經濟衝擊。
5. Cursor 上線智慧路由器：自動在背景依據任務難度切換大中小型模型，幫開發團隊省下大筆 API 費用。

為什麼你要在意

過去一兩年，大家都在盯著哪家大廠能堆出參數量更暴力的語言模型。但最近風向變了。比起在跑分榜上稱霸，業界現在更關心這些「聰明的大腦」能不能真正在辦公室裡幹活。企業要的是能穩定執行 SOP 的系統，這正是近期專注於工作流程的 AI 代理（Agent）紛紛出籠的原因。與此同時，國家級的科學研究也開始大舉導入 AI 算力。這意味著技術落地已經跨過單純的「聊天對話」，進入解決真實世界複雜挑戰的深水區。看懂這波基礎設施與代理化趨勢，你才能掌握科技圈接下來的遊戲規則。

技術名詞速覽

• MoE（混合專家架構）： 把大模型拆成多個專精不同領域的小專家。生成時只喚醒需要的那幾個，用極低運算成本換取大模型的推理品質。
• NoPE（無位置編碼）： 捨棄傳統的位置編碼，改用語境與線性注意力層的循環狀態來理解序列，這讓模型能處理超越訓練長度的超長文本。
• Native-Resolution MMDiT（原生解析度多模態擴散變換器）： 它能直接處理各種長寬比的原始圖像與文本，不用事先死板地裁切或補黑邊。

重大新聞

1. OpenAI 讓企業不再苦惱：AI 代理 Presence 正式上線

大家都知道 AI 代理潛力無窮，但真要讓它去改動公司資料庫或處理客戶帳單？沒幾家企業有這個膽量。OpenAI 新推出的 Presence 就是衝著這個「信任缺口」來的。

你可以把它想像成一個循規蹈矩的員工：它只拿必要的權限，乖乖照著企業設定的標準作業程序（SOP）走，遇到處理不來的高風險狀況，就會立刻拋轉給人類接手。每次部署都從解決單一問題開始，例如單純處理保險理賠。這個產品已經在 BBVA 等大型機構測試過。比起無所不能卻難以掌控的聊天機器人，這種受到嚴格控管的 AI 代理，才是企業真正敢放行到生產線上的武器。

• 來源：Introducing OpenAI Presence

2. 砸重金探討社會衝擊：Anthropic 成立經濟未來研究基金

科技創新往往伴隨著社會陣痛。Anthropic 這次拿出兩億美元成立「經濟未來研究基金」，直接面對 AI 可能帶來的就業衝擊。

這筆錢會用來資助高達三千萬美元的大型對照試驗與先導計畫。他們挑了幾個硬核議題：AI 對工作場所的實際影響、如何幫勞工順利轉型、現代化收入支持系統，甚至探討大膽的資本分配構想。業界終於有人願意花大錢找頂尖經濟學家，趕在失業潮或結構轉型發生前先找解方，這比單純呼籲「AI 帶來美好未來」要踏實得多。

• 來源：A research agenda for the Economic Futures Research Fund

3. 國家級的強強聯手：Google 與 OpenAI 支援 Genesis 任務

基礎科學的競爭已經蔓延到運算基礎設施上了。為了解決國家實驗室科學家面臨的複雜難題，Google 承諾提供價值四千萬美元的運算資源，包含 AlphaEvolve 與 AlphaFold 3 等專屬模型；OpenAI 則端出四百萬美元的 Codex 存取權與三百萬美元的 API 額度。

這些資源將用於處理高溫超導體等艱澀難題。把頂尖模型交給最聰明的科學家，這種結合能將數十年的研究縮短至幾年。這也暗示未來的科學突破，將極度依賴民間科技巨頭的運算力支援。

• 來源：
  • Accelerating the frontiers of scientific discovery
  • Advancing the next era of national science

模型與架構更新

4. 為工作而生：Upstage 開源 Solar Open 2 代理模型

企業想自己架設大型語言模型，最常卡在硬體預算。Upstage 新釋出的 Solar Open 2 剛好切中這個痛點。這是一個 250B 參數的巨無霸，但因為採用了混合專家（MoE）架構，每次生成只會用到 15B 參數。

這代表你只要兩張量化後的企業級 H200 GPU 就能跑得動它。它打從一開始就吃了一堆真實辦公場景的資料——搜尋、寫程式、讀取試算表。不僅具備 100 萬個 token 的超大胃口，在真實辦公任務的表現甚至能逼近體積比它大六倍的競爭對手。對不想把機密資料往雲端送的開發團隊來說，這是一大福音。

• 來源：Solar Open 2: Korea’s Sovereign Foundation Model

** 圖片來源: https://www.upstage.ai/blog/en/solar-open-2 **

5. 微軟 Mage-Flow：用 4B 參數挑戰頂級生圖品質

過去的圖像生成領域，大家都在比拼誰的參數多。微軟這次反其道而行，端出只有 4B 參數的輕量級生圖與編輯模型 Mage-Flow，證明好架構一樣能打。

它的秘訣在於「原生解析度」。Mage-Flow 放棄了傳統把圖片強制裁切或補黑邊的做法，直接讓模型學習不同比例的原始圖像。這個改變加上極度輕量的潛在標記器（Mage-VAE），讓訓練速度直接飆升 2.5 倍，還超級省記憶體。它不僅生成速度極快，甚至能輕鬆應付中英文本渲染和精細的修圖指令。

• 來源：Mage-Flow on Hugging Face

** 圖片來源: https://huggingface.co/microsoft/Mage-Flow **

工具與生產力

6. 聰明省錢術：Cursor 路由器為開發者精打細算

寫程式時，如果每一句簡單的指令都去敲最頂尖、最貴的 AI 模型，月底的 API 帳單絕對會讓人吐血。知名編輯器 Cursor 最近上線了「路由器（Router）」功能，就是在解決這個問題。

它會在背景默默分析你丟出來的任務難度。簡單的拼寫檢查？交給便宜快速的模型去處理；遇到高難度的架構問題，再請出最強大的模型。開發者可以在 Intelligence、Balance 與 Cost 三種模式中做選擇。根據幾百萬次請求的實測，這套自動分發系統能在不犧牲程式碼品質的前提下，幫團隊省下高達 60% 的費用。

• 來源：推出 Cursor 路由器

7. 走入日常：三星 Galaxy 發表會三大 Google 更新

AI 終於要從雲端走進現實生活了。在三星 Galaxy Unpacked 發表會上，Google 示範了 Gemini 整合進新一代摺疊機、智慧手錶與眼鏡的玩法。

現在你可以直接丟一張購物清單的照片給系統，讓它幫忙處理後續流程，任務自動化的支援範圍已經擴張到四十多款 App。廣受好評的 NotebookLM 也化身為 Gemini Notebook 內建到手機裡。只要抬起手腕就能喚醒手錶上的助理，或是透過手勢操控智慧眼鏡——那些以前只存在概念影片裡的操作，現在準備進入消費市場了。

• 來源：3 Google updates from Galaxy Unpacked 2026

8. 數據透明化：Claude 推出人類經濟指數 Connector

與其聽信外界對「AI 取代人類」的恐慌言論，不如直接看真實數據。Anthropic 在 Claude 中悄悄加上了經濟指數 Connector。

這份原本只有專業研究員在用的資料集，現在對所有人開放。你只要用大白話問 Claude：「老師們最常拿你來做什麼？」或是「哪些職業受到 AI 的影響最大？」，系統就會直接潛入底層資料庫撈出客觀答案。打破資訊壁壘，讓一般人也能輕鬆挖掘複雜的經濟趨勢，這招相當聰明。

• 來源：Ask Claude about the Anthropic Economic Index

研究與前沿探索

9. 基礎設施大戰略：OpenAI 於喬治亞州建設全新資料中心

訓練越來越聰明的模型，背後吃的是驚人的硬體與電力。OpenAI 計畫在喬治亞州建設「Project Camellia」資料中心，預計幾年內要吞吐高達 3.2 吉瓦的龐大電力。

有趣的是他們與當地社區打交道的方式。除了承諾採用閉環水冷系統來節水、不讓當地電費因為資料中心上漲，OpenAI 更直接砸下八千萬美元的社區福利，外加發放七千多萬美元的 AI 工具點數給當地學生。在基礎設施擴張的同時，如何用最直接的資源換取地方支持，OpenAI 示範了一套標準的公關戰略。

• 來源：Building AI infrastructure with the Effingham County community

問與答 (Q&A)

Q：OpenAI 的 Presence 到底解決了企業的什麼痛點？ A：主要是「信任」問題。企業雖然眼饞 AI 代理的效率，但根本不敢放手讓系統亂動內部資料庫。Presence 就像給 AI 帶上了銬鐐，把模型推理能力和嚴格的 SOP 綁在一起。代理程式只能拿到完成單一任務（例如查帳單）的最低權限，一但遇到預期外的狀況就會強制轉給人工處理。這讓企業終於敢把 AI 放到真實的生產線上。

Q：微軟 Mage-Flow 才 4B 參數，憑什麼能有高畫質生圖能力？ A：關鍵在於放棄了傳統的「裁切與補黑邊」做法。Mage-Flow 採用原生解析度設計，直接讓模型學習各種不同比例的原始圖像。搭配極度輕量的潛在標記器，這套架構不但讓訓練速度飆升兩倍半，還能維持極低的記憶體消耗，證明了在圖像生成領域，巧妙的架構設計有時比盲目堆疊參數更有效。

Q：Cursor 路由器（Router）是怎麼幫開發團隊省錢的？ A：很簡單，就是殺雞不用牛刀。開發者如果連修個拼字錯誤都去呼叫最頂級的模型，API 費用會非常驚人。Cursor 路由器會在背景自動判斷任務難度，簡單的交給便宜快速的模型，複雜的架構問題才出動大模型。根據實測，這招能在不犧牲程式碼品質的情況下，幫團隊砍掉將近六成的 API 支出。

Q：Upstage 為什麼要強調 Solar Open 2 是「為代理而生」？ A：因為代理任務需要翻找長篇文件、連續執行多個步驟，這跟單純的聊天完全是兩碼子事。Solar Open 2 訓練時吃進了大量真實辦公數據，而且支援 100 萬個 token 的超大上下文。對企業來說最迷人的是，它雖然總參數有 250B，但透過混合專家（MoE）架構，每次運算只會用到 15B 參數。這代表企業只要準備兩張 H200 顯卡就能在自家伺服器上把它跑起來，既保密又省錢。