AI 日報｜Google 推出 Gemini 4 Carbon 前沿模型、GitHub Universe 2026 發表全新 Copilot 矩陣、微軟開放 Copilot Harness

模型發布/更新

Google DeepMind 正式發表前沿模型 Gemini 4 Carbon GGoogle DeepMind

• 一言以蔽之：Google DeepMind 正式推出新一代前沿旗艦模型 Gemini 4 Carbon，主打頂尖網路安全防護與長週期任務處理能力。
• 評測表現：在更新後的 Artificial Analysis Intelligence Index v5.0 中以 59 分登頂榜首，超越 Claude Opus 5.5 與 GPT-6 Astra。
• 核心安全優勢：針對網路安全與長程 Agent 推理進行深度強化，在 SEC-bench Pro 達成 88.2%、ExploitGym 達 54.8%、CWE-bench 達 71.0%。
• 定價水準：API 定價維持每百萬 token 輸入 4 美元、輸出 20 美元，與 Argon 標準定價一致。
• 傳送門：Google 官方部落格
• 傳送門：DeepMind 官方公告

NVIDIA 發表 Nemotron 3.5 Transcribe 與 Granary v2 語音模型 NNVIDIA

• 一言以蔽之：NVIDIA 於 Hugging Face 發表 Nemotron 3.5 Transcribe 與 Granary v2，支援透過 Prompt 自訂與調適的多語言語音轉文字能力。
• 提示詞控制：允許開發者直接透過 Prompt 定義轉寫規則與專業術語，大幅提升多語言混合場景下的語意還原度。
• 開源與適應性：模型權重與配套工具鏈全面開源於 Hugging Face，支援本地微調並可部署於各類邊緣運算與雲端環境。
• 傳送門：Hugging Face 官方部落格

面壁智慧開源 MiniCPM-OCR 系列輕量檔案解析模型 面面壁智慧

• 一言以蔽之：面壁智慧發布並開源 MiniCPM-OCR 系列模型，包含 1.3B 端到端解析模型與 2B 評判模型。
• 評測成就：MiniCPM-OCR 1.0 (1.3B) 在 Real5-OmniDocBench 取得 93.68 分、OCRBench v2 取得 54.7 分，位列端到端輕量模型第一梯隊。
• 推論效能：經 DSpark 加速後吞吐量達到每秒 1.217 頁，端到端整體處理效率提升達 55%。
• 傳送門：官方發布公告

ElevenLabs 發表強制對齊模型 Cue EElevenLabs

• 一言以蔽之：ElevenLabs 研究團隊推出全新強制對齊模型 Cue，可將字元毫秒級精準定位於音訊時間軸上。
• 極致推論速度：在單張 GPU 上約半秒即可對齊一小時長度音訊，單一模型即可直接處理任意長度的錄音檔。
• 多語言覆蓋：覆蓋基準測試全部 29 種語言，精度高於所有受測開源對齊器，並透過 Forced Alignment API 正式對外開放。
• 傳送門：

  View post on X by @ElevenLabs

  在 X 上查看 @ElevenLabs 的貼文 ↗

產品發布/更新

微軟透過 Microsoft Foundry 開放 Copilot Harness MMicrosoft

• 一言以蔽之：微軟宣佈將 GitHub 團隊研發的 Copilot Harness 透過 Microsoft Foundry 開放，推動多模型 AI Agent 開發普及。
• 核心驅動技術：該 Harness 已在微軟內部全面驅動 Copilot Code、Copilot Studio、GitHub Copilot App 及 CLI 等重點產品。
• 多模型協同：支援開發者與企業在單一架構中靈活排程多款基礎模型，打造具備自主決策與工作流執行力的 Agent。
• 傳送門：微軟官方部落格

GitHub Universe 2026 發布 GitHub Copilot App 與 Copilot Fusion GGitHub

• 一言以蔽之：GitHub 於年度大會提出將平臺打造成完整軟體交付系統的願景，並推出全新 Agent 專用工具。
• Agentic 軟體交付：推出專門面向 AI Agent 交付的獨立 GitHub Copilot App，涵蓋從任務規劃、程式碼生成到驗證的完整鏈路。
• 跨環境整合：Copilot Fusion 提供統一的控制視窗，協助開發團隊跨儲存庫監管多個平行運作的程式碼編寫 Agent。
• 傳送門：GitHub 官方部落格

Vercel CI 正式推出 Beta 版：為 AI 寫程式提速 2 至 6 倍 VVercel

• 一言以蔽之：Vercel 推出專為 AI 程式碼助理設計的 Vercel CI，使從 Git Push 到測試透過的時間大幅縮短 2 到 6 倍。
• 增量運算架構：深度整合 Turborepo 依賴關係圖，僅執行受程式碼改動影響的任務，大幅減少重複建置開銷。
• 應對 Agent 高頻推送：專為解決 AI Coding Agent 高頻度建立 Pull Request 所造成的 CI 佇列阻塞與等待時間問題。
• 傳送門：Vercel 官方公告

OpenAI 為 ChatGPT Pro 與 Business 訂閱者提供每月最高 500 美元 API 額度 OOpenAI

• 一言以蔽之：OpenAI 宣佈符合條件的 ChatGPT Pro 與 Business 訂閱使用者，每月可免費領取最高 500 美元的 API 額度。
• 方案配置細節：Pro 方案依層級每月可獲得 100 至 500 美元；Business 方案按席位池化計算，每個工作區上限為 500 美元。
• 生態推廣用意：鼓勵進階訂閱使用者與企業將對話應用無縫遷移至 API，加速自研 AI Agent 與外部整合生態的建構。
• 傳送門：

  View post on X by @OpenAIDevs

  在 X 上查看 @OpenAIDevs 的貼文 ↗
• 傳送門：官方說明檔案

Anthropic 推出企業量化分析工具與群組共享預算功能 AAnthropic

• 一言以蔽之：Anthropic 針對 Claude 企業版推出內部分析與調查工具，協助管理層量化團隊的 AI 投資報酬率。
• 效益洞察：提供內部分析與調查儀錶板，精準呈現團隊使用 Claude 完成任務的工時縮減比例與工作流斷點。
• 彈性控管：新增團隊群組共享 Token 預算管理機制，並嚴格承諾企業所有工作資料預設不參與模型訓練。
• 傳送門：Anthropic 官方說明

產業動態

GitHub Octoverse 2026：超過 40% 的 PR 已由 AI Agent 自動起草 GGitHub

• 一言以蔽之：GitHub 2026 年度報告揭示開發活動創歷史新高，過去 12 個月推送程式碼 179 億次，超過 40% 的 Pull Request 由 Agent 起草。
• 開發資料激增：2026 年單月合併 PR 數量達 2.2 億次，單月 Commit 數量超過 73.8 億次，多項資料較前一年翻倍。
• 新儲存庫爆炸性增長：全球新儲存庫建立速度達到每月 3,030 萬個，展現由 AI 驅動的全新軟體工程正規化已成為常態。
• 傳送門：Octoverse 2026 完整報告

OpenAI 與 ServiceNow 擴大企業級深度戰略合作 OOpenAI / ServiceNow

• 一言以蔽之：OpenAI 與 ServiceNow 擴大合作範疇，將前沿模型引進 ServiceNow，並將企業業務工作流打通至 ChatGPT 與 Codex。
• 雙向流程互通：讓員工能在 ChatGPT 與 Codex 介面中直接呼叫與操作 ServiceNow 內部的各項 IT 與人資工作流。
• 企業級 Agent 落地：結合兩者優勢共同構建企業級自主 Agent，簡化繁複的跨系統業務協同與資料流轉。
• 傳送門：OpenAI 官方公告

Alphabet Q3 2026 財報：Google Cloud 營收年增 103%，模型 API 吞吐達新高 AAlphabet

• 一言以蔽之：Alphabet 公佈第三季財報，Google Cloud 營收年增高達 103% 達到 307 億美元，第一方模型 API 每分鐘處理近 320 億 token。
• 雲端與算力指標：模型 API 每分鐘 Token 處理量為一年前的 4 倍以上，Gemini 應用活躍使用者數突破 10 億名。
• 資本開支影響：雖然整體營收年化達到 5,000 億美元規模，但持續擴大的 AI 基建支出也對自由現金流造成顯著壓力。
• 傳送門：Alphabet CEO 談話記錄

微軟首度披露 Azure 單季營收 332 億美元，單季自 OpenAI 獲 100 億美元 MMicrosoft / TechCrunch

• 一言以蔽之：微軟監管檔案首度以明確美元金額披露 Azure 單季營收，且截至 9 月底季度自 OpenAI 商業協議認列 100 億美元營收。
• Azure 增長超預期：Azure 單季營收年增 48% 至 332 億美元，高於市場預期的 323 億美元，推動公司連續 10 季重新整理營收紀錄。
• OpenAI 貢獻比例：來自 OpenAI 的商業安排營收約佔微軟當季總營收（923 億美元）的近 11%，2026 財年累計貢獻達 241 億美元。
• 傳送門：TechCrunch 專題報導

論文研究

Meta Andromeda：透過軟硬體協同設計實現每秒十億次廣告檢索 MMeta Engineering

• 一言以蔽之：Meta 發表新一代 Andromeda 系統架構，透過模型架構、分散式系統與 GPU 硬體的協同設計，重塑大規模個人化廣告檢索。
• 吞吐量大幅躍升：在維持毫秒級延遲的前提下，達到每秒為超過 10 億個候選廣告進行精準評分，吞吐量較 2024 年架構提升 100 倍。
• 業務轉換效果：更廣泛的候選池覆蓋使 Facebook 平臺自 2025 年以來的廣告轉換率淨提升 2.4%。
• 傳送門：Meta 官方技術部落格

Google 發布 PLE 基準：頂尖 AI Agent 在物理工程任務上得分僅 50.6% GGoogle Research

• 一言以蔽之：Google 發表專注於實體工程問題的 PLE 基準，揭示最先進的 AI Agent 在面對複雜工程圖紙與規範時仍有巨大瓶頸。
• 真實任務場景：收錄 85 項由專業工程師編寫的電機、土木、結構與機械工程任務，平均每個任務包含約 61 個專案檔案。
• 評測表現低迷：當前頂尖 Agent 在該基準的最佳準確率僅達 50.6%，反映出長程依賴與實體物理空間推理能力的顯著不足。
• 傳送門：

  View post on X by @rohanpaul_ai

  在 X 上查看 @rohanpaul_ai 的貼文 ↗

TikTok 發表 Log-To-Leak 論文：揭示 MCP 架構下的提示詞注入與對話洩露風險 TTikTok

• 一言以蔽之：TikTok 研究團隊發表論文指出，MCP 框架中的 AI Agent 可被隱藏在工具描述中的指令惡意誘導，向第三方外洩對話資訊。
• 攻擊路徑：攻擊者在工具的自然語言描述中隱藏指令，誘導 Agent 在執行完合法呼叫後呼叫惡意的儲存工具。
• 資料外洩危害：受害使用者的查詢內容、伺服器敏感回應與最終解答皆可在無感知狀態下被外部工具記錄並外傳。
• 傳送門：

  View post on X by @rohanpaul_ai

  在 X 上查看 @rohanpaul_ai 的貼文 ↗

其他分享

OpenAI 內部代號命名邏輯曝光：Luna 到 Astra 的階梯體系 SSimon Willison / Ted Sanders

• 一言以蔽之：OpenAI 研究員 Ted Sanders 解析其模型內部代號命名規則，以天體體積大小定義算力成本與能力階梯。
• 命名階層：模型規模依序為 Luna < Terra < Sol < Astra，越高等級在冷門知識召回率與複雜可靠性上表現越好，但每 Token 成本也越高。
• 版本號意涵：小數點版本（如 6.1）表示延續同代架構與訓練風格，代表發布順序或小幅改進，而非跳躍式的世代升級。
• 傳送門：Simon Willison 訪談整理

開源專案 Exoproc：透過執行緒劫持讓 Claude Code 掛鉤執行中程式 ww0ldan

• 一言以蔽之：開發者開源 Exoproc 工具，建立開箱即用的 MCP 伺服器，讓 Claude Code 能直接介入運作中的 Windows x64 處理程式。
• 動態分析能力：跳脫反編譯檔案的靜態分析，使用執行緒劫持與 TinyCC 即時編譯 Shellcode，讓 Agent 具備動態掛鉤與記憶體除錯能力。
• 安全性與相容性：不產生額外 DLL 檔案且不開放網路連線埠，大幅降低被防毒軟體或端點防護系統誤攔截的機率。
• 傳送門：GitHub 專案原始碼