AI日報｜OpenAI 升級 GPT-5.6、DeepMind 氣象預測大突破與 Cloudflare 無狀態 MCP 發表

AI日報｜OpenAI 升級 GPT-5.6、DeepMind 氣象預測大突破與 Cloudflare 無狀態 MCP 發表

快訊

模型發布/更新

GPT-5.6 Sol & GPT-5.6 Luna — OpenAI

• 一言以蔽之：OpenAI 升級 ChatGPT，Plus/Pro 使用者迎來事實準確性更高的 GPT-5.6 Sol 並新增思考深度滑桿，免費使用者則可無限使用 GPT-5.6 Luna。
• 核心亮點：
  • GPT-5.6 Sol 統一體驗：統一了即時回答與深度推理體驗，在涵蓋金融、醫學與法律的高難度事實評測中，其事實錯誤率比 GPT-5.5 Instant 降低了 68%。
  • 思考深度滑桿：推出全新的「思考深度滑桿」，讓付費使用者能自主調節模型在每次回答時投入的推理運算量。
  • 免費無限 Luna：免費與 Go 級別使用者獲得 GPT-5.6 Luna 的無限文字對話許可權，並新增「Think」按鈕以呼叫進階推理來處理複雜問題。
• 技術規格：閉源 API & 網頁端 / 包含 Luna (輕量推理) 與 Sol (旗艦推理) / 支援思考深度控制
• 傳送門：OpenAI 官方部落格

Wan 3.0 — 阿里千問 (Alibaba Qwen)

• 一言以蔽之：阿里千問推出全新 Wan 3.0 影片生成模型公測，主打原生 30 秒一鏡到底、超高 CP 值與全能參考能力。
• 核心亮點：
  • 超長直出：支援單次直出最長 30 秒、1080P 解析度的現實級渲染影片，具備導演級鏡頭設計與極佳的角色/場景一致性。
  • 全能參考（Omni-Reference）：除圖文影音外，更支援直接輸入 PDF、PPT、Excel、網頁或 Markdown 進行混合參考生成，對 AI Agent 應答極具幫助。
  • 極致價效比：價格極具競爭力，1080P 每秒僅約 1.4 元人民幣（0.2 美元），720P 每秒僅約 0.7 元人民幣（0.1 美元）。
• 技術規格：閉源 API 與網頁公測 / 支援原生 30 秒 1080P / 支援多模態與檔案混合參考
• 傳送門：阿里雲 Model Studio 體驗

Alpamayo 2 Super — NVIDIA

• 一言以蔽之：黃仁勳宣佈開源 NVIDIA 首款面向自動駕駛與移動機器人的前沿開放推理模型 Alpamayo 2 Super。
• 核心亮點：
  • 自駕推理大腦：專為自動駕駛與具身智慧設計，不只具備視覺感知，還能針對複雜路況和長路徑規劃進行「先思考、後行動」的推理。
  • 廣泛適用性：可作為 Robotaxi、無人卡車、配送車及各類移動機器人的推理骨幹，應對物理世界的長尾挑戰。
  • 友善商用協定：採 OpenMDW-1.1 協議開源，允許企業進行安全審查、微調與商業化部署。
• 技術規格：開源權重 / OpenMDW-1.1 商用授權 / 自動駕駛推理基礎模型
• 傳送門：NVIDIA 官方部落格

WeatherNext 2 — Google DeepMind

• 一言以蔽之：Google DeepMind 於《Nature》發表新一代 AI 氣象模型 WeatherNext 2，並開源程式碼與模型權重，大幅提升氣旋預測精度。
• 核心亮點：
  • 搶救生命黃金期：實現氣旋路徑與強度預測的重大技術突破，平均能為防災搶險多爭取關鍵的 24 小時預警時間。
  • ** Melissa 颶風實測**：在 Melissa 颶風實測中，提前 5 天以 80% 的信賴度準確預測其以 5 級颶風姿態登陸。
  • 完全開源：團隊已完全開源模型權重與程式碼，方便學術界與地方氣象局進行二次開發。
• 技術規格：完全開源 (GitHub) / 氣象預測基礎模型 / Nature 論文發表
• 傳送門：Google DeepMind 官方部落格

產品發布/更新

Agent Plugins 1.0.0 — Google, Amazon, Microsoft, Vercel & OpenAI

• 更新內容：科技巨頭聯手發布 Agent Plugins 1.0.0 統一規範。這是一項開放且中立的標準，將 AI Agent 的技能（Agent Skills）與 MCP（Model Context Protocol）伺服器打包成單一、可移植的標準化單元。開發者只需編寫一次外掛（包含 plugin.json 說明清單），即可在 ChatGPT, Codex, Cursor, GitHub Copilot, Kiro 與 VS Code 等相容客戶端中無縫執行，免去為不同平臺重複封裝的痛苦。
• 適用人群：AI Agent 開發者 / 開源工具作者 / IDE 工具開發商
• 體驗通道：Agent Plugins 官方網站

ElevenLabs Dubbing v2 — ElevenLabs

• 更新內容：語音 AI 龍頭 ElevenLabs 推出 Dubbing v2 API 升級。新版本能將輸入的影音內容翻譯並配音至全球 90 多種語言，其最大突破在於能完美保留原始說話者的「聲音特徵、情緒起伏與戲劇表現力」，讓譯後配音聽起來極其自然，如同原班人馬親自配音。
• 適用人群：影片創作者 / 跨境電商 / 影音在地化團隊
• 體驗通道：ElevenLabs Dubbing API

Stateless MCP & WebMCP — Cloudflare

• 更新內容：Cloudflare 推出全新一代 MCP 伺服器支援。由於原 MCP 協定要求客戶端與伺服器保持長連線（Stateful），在遠端部署時會增加路由與複雜度。最新的 MCP 2026-07-28 規範全面轉為「無狀態協定 (Stateless)」，並更新了 TS, Python, Go, C# 等 SDK。同時 Cloudflare 推出 WebMCP 開發者預覽版，能直接在網頁插入 document.modelContext，讓 AI 瀏覽器 Agent 直接呼叫網頁工具。
• 適用人群：AI Agent 系統架構師 / 雲端開發者 / Web 應用開發者
• 體驗通道：Cloudflare 官方部落格

Weaviate v1/mcp Native Support — Weaviate

• 更新內容：向量資料庫 Weaviate 宣佈原生支援 MCP 協定。AI 客戶端（如 Claude Code, Cursor, VS Code）現在可以直接連線至 Weaviate 資料庫 REST API 相同的連線埠 /v1/mcp，不需額外執行 MCP 轉接服務。資料庫直接暴露四項核心工具：獲取集合配置、列出租戶、執行混合搜尋（BM25 + 向量），以及新增/更新物件，並完美繼承原有安全認證與 RBAC 許可權控制。
• 適用人群：RAG 開發者 / 資料庫管理員 / AI 工程師
• 體驗通道：Weaviate 官方檔案

USDC Agentic Payment Integration — Browser Use & Coinbase

• 更新內容：AI 網頁自動化工具 Browser Use 與 Coinbase 達成合作，支援 x402 協定。現在 AI Agent 在執行網頁自動化任務（如代購、訂票、付費 API 註冊）時，可以直接透過使用者的加密貨幣錢包，使用 USDC 穩定幣完成支付。這免去了為 Agent 註冊傳統信用卡或帳號的繁瑣流程，真正釋放了 Agentic Commerce（代理電商）的商業潛力。
• 適用人群：自動化商務開發者 / Web Agent 研發團隊
• 體驗通道：

  Agents can now pay with @USDC to complete tasks on the web.
  
  Browser Use is partnering with @coinbase to support x402, allowing your agent to purchase credits directly with your crypto wallet. No account or API key is needed.https://t.co/VBvihHssFk

  — Browser Use (@browser_use) August 6, 2026

產業動態

DeepSeek 預告 API 大幅漲價；傳重啟第二輪融資估值達 5,000 億人民幣

• 事件概述：國內 AI 價格戰風向標 DeepSeek 釋出公告，表示由於流量過載與資源調配，近期將大幅上調 API 服務定價。與此同時，市場傳出 DeepSeek 已重啟第二輪融資，投前估值高達 5,000 億元人民幣。社群分析指出，此次漲價並非因為虧本，而是希望透過價格槓桿進行流量整形（Traffic Shaping），緩解伺服器被瘋狂擠爆的現狀。
• 影響分析：DeepSeek API 作為業界公認的 CP 值天花板，其漲價可能導致大量依賴低成本推理的初創 Agent 專案重新評估成本結構，也可能促使流量流向新降價的 GPT-5.6 Luna 等模型。
• 新聞連結：DeepSeek 官方公告

NVIDIA 假戲真做？AMD 閃電收購 AI 晶片新創 Taalas 以矽片蝕刻加速推理

• 事件概述：AMD 宣佈收購 AI 晶片設計新創公司 Taalas。Taalas 的核心技術是直接將 AI 模型「蝕刻（Etch）到矽片中」，從而免去通用 GPU 的指令集開銷，實現超高效能推理。在 Taalas 的首個晶片演示中，其硬體能以 Llama-8B 模型跑出驚人的每秒 15,000 個 Token。
• 影響分析：隨著 Llama-8B 等開源模型在特定任務中趨於穩定與收斂，將常用模型直接硬體化（蝕刻至專用晶片）正成為降低邊緣推理與資料中心能耗的全新路徑，此舉將大幅強化 AMD 對抗 NVIDIA 的專用推理晶片版圖。
• 新聞連結：The Register 報導

OpenAI 首款無螢幕「甜甜圈」AI 實體硬體曝光，計劃 2027 年發布

• 事件概述：彭博社名記 Mark Gurman 爆料，OpenAI 與前蘋果設計大師 Jony Ive 的設計工作室 LoveFrom 合作開發的首款 AI 硬體曝光。該裝置為冰球大小、無螢幕的「甜甜圈形」智慧音箱，由高品質金屬製成，並配備可自主移動的活動部件、燈光、相機與感測器。裝置售價預計在 300 至 400 美元之間，定位為家庭場景的「物理化身 ChatGPT」，預計於 2027 年正式推出。
• 影響分析：這是 OpenAI 在硬體領域的首次野心嘗試。相較於市面上主流的便宜智慧音箱，該裝置強調高階多模態互動與原生 Advanced Voice 語音能力，試圖開創「AI 優先」的全新實體運算類別。
• 新聞連結：TechCrunch 報導

論文研究

SkillOpt: Agent Skill Transfer and Portability across Model Scales and Toolchains — Shanghai Jiao Tong & Microsoft

• 研究動機：當前的 AI Agent 技能（Skills）通常是針對特定模型或工具鏈進行硬編碼。當模型升級（如從小模型換到大模型，或在 Codex 與 Claude Code 之間轉換）時，舊的技能往往失效或效能大打折扣。
• 核心創新：提出 SkillOpt 框架，透過在「文字空間」中最佳化訓練單一技能檔案，並凍結目標模型。這使最佳化後的技能工件（Skill Artifacts）具備極高的跨模型規模與跨工具鏈遷移能力。
• 研究成果：實驗顯示，在 Codex 上最佳化得到的 SpreadsheetBench 技能直接部署到 Claude Code 後，得分達 81.8，甚至超過了 Claude Code 自行訓練該技能所得到的 80.4，證明瞭技能具備標準化與可遷移性。
• 論文地址：Marktechpost 報導與研究

其他分享

anydoc — Firecrawl 開源大一統檔案轉換器

• 內容簡介：Firecrawl 開源了基於 Rust 寫成的 anydoc 轉換器。它支援將 Word, PowerPoint, Excel, PDF, RTF, EPUB, CSV 等各種雜亂的檔案格式，完美轉換為結構清晰的 GitHub-Flavored Markdown。提供 Node, Python, 瀏覽器及 CLI 的繫結，並支援 Agent Skills，是處理 RAG 與 LLM 資料清洗的絕佳神器。
• 傳送門：anydoc GitHub 專案庫

OpenAI 升級 GPT-5.6，加入思考時間滑桿

OpenAI 針對 GPT-5.6 Sol 模型釋出更新。官方表示，新版本過濾了不必要的贅詞與格式，並能在簡單附和無助於解決問題時，主動提供糾正。Plus 與 Pro 帳號新增了滑桿（Slider）介面，讓用戶手動調整 ChatGPT 的「思考」時間——處理日常提問可維持快速回應，遇到寫程式或複雜商業決策時，拉長思考時間能換取更完整的推論。

免費用戶方面，GPT-5.6 Luna 本週起成為預設模型。自下週開始，免費用戶將陸續獲得無限制的文字對話次數，並新增「思考 (Think)」按鈕，用來處理較困難的提問（以上仍受防濫用機制限制）。

DeepMind 開源氣象模型 WeatherNext

Google DeepMind 在《自然》期刊發表了 WeatherNext 模型。過去的氣象預報通常要在全球大氣流動（粗解析度）與局部熱力學（高解析度）之間取捨。WeatherNext 透過將近 20 TB 的全球大氣動態數據，與包含近 5,000 個歷史風暴的 IBTrACS 觀測資料庫進行共同訓練（Co-trained），橋接了這個落差。

根據團隊測試，該模型在預測熱帶氣旋路徑與強度時，平均能比過去多出 24 小時的預警時間。這套曾成功預測 2025 年 Melissa 颶風動態的模型，對硬體的要求大幅降低——它僅需 28x28km 解析度的數據即可運作，其精簡版 WeatherNext 2-mini 甚至能在免費的 Colab 筆記本中以單個 TPU 跑動。目前該模型已開源。

Cloudflare 推出無狀態版 MCP 架構

模型上下文協議 (MCP) 過去要求客戶端與伺服器之間保持狀態連接（Stateful），這意味著在自動擴展（Autoscaling）時需要進行複雜的連接轉移，且單一伺服器故障就會導致會話中斷。

Cloudflare 最新發布的 2026-07-28 規範，將協議完全改寫為無狀態（Stateless）架構，移除了原本的初始化握手與 Mcp-Session-Id 標頭。現在，MCP 伺服器可以直接跑在 Cloudflare Workers 等無伺服器平台上。此外，新版引入了多輪往返請求 (MRTR)，當伺服器需要用戶二次確認時，不需再維持開啟的串流連線；並且要求在 HTTP 請求中加入 Mcp-Method 等標頭，讓防火牆或網關不需解析 JSON 就能直接進行路由控制。

Vercel 牽頭制定 Agent Plugins 標準

為了解決市場上 AI 套件格式不一的問題，Vercel 推出了 Agent Plugins 1.0.0 規範。這項標準為 Agent Skills 與 MCP 伺服器提供統一的封裝格式。開發者只需在目錄建立一個 plugin.json 檔案，相容的客戶端就能自動識別功能。這項標準目前已獲得 AWS、GitHub、Microsoft 與 OpenAI 的共同支持。

傳 OpenAI 將與 Jony Ive 推出實體智慧音箱

根據 TechCrunch 報導，OpenAI 正與前蘋果設計師 Jony Ive 創辦的 LoveFrom 工作室合作，研發一款實體的 AI 智慧音箱。傳聞指出，這款設備採用金屬打造的「甜甜圈」造型，並包含活動部件。售價預估落在 300 到 400 美元之間，預計於 2027 年亮相。

Google Ask Maps 整合 Gemini，推出語音點餐功能

Google 地圖的 Ask Maps 功能近期導入了 Gemini 模型。根據 Google 官方部落格，使用者現在可以透過語音搜尋沿路營業的餐廳，並由系統將餐點加入購物車。

除了點餐，新版本也提供大眾運輸延遲資訊。在獲得授權的前提下，Ask Maps 能結合 Gmail 中的航班或訂位紀錄提供個人化行程建議。餐飲訂購與飯店探索等新功能目前率先於美國上線，未來將陸續開放其他地區。

Firecrawl 開源 anydoc 檔案轉換工具

Firecrawl 開源了一款名為 anydoc 的函式庫，專門協助開發者將文件資料庫串接給 LLM 使用。anydoc 採用 Rust 編寫，能在毫秒級別內將 Word、Excel 和 PDF 等常見格式轉換為乾淨的 Markdown，並保持格式一致性。該工具支援 Node.js、Python 與 WebAssembly 綁定，開發者可以在瀏覽器本地端直接執行轉換，確保資料不需上傳至外部伺服器。