AI日報：Claude 跨平台升級、Meta 媒體生成模型登場、微軟降低 Copilot 成本、中國語言模型市占成長

AI日報：Claude 跨平台升級、Meta 媒體生成模型登場、微軟降低 Copilot 成本、中國語言模型市占成長

你知道嗎？人工智慧領域每天都有許多新鮮事發生。從各家科技巨頭的策略調整，到開源模型的推陳出新，這些技術正悄悄改變你我的工作方式。今天為大家整理了最新的 AI 發展動態，讓我們一起來看看這些令人振奮的進展。

Anthropic 延長 Claude Fable 5 體驗期至 7 月 12 日

老實說，誰不喜歡免費體驗最新技術呢？Anthropic 聽到使用者的心聲了。他們正式宣布，將 Claude Fable 5 的推廣體驗期延長至 2026 年 7 月 12 日。這意味著現有的付費訂閱戶可以獲得更多的喘息空間，盡情測試這款強大的新模型。

根據 Anthropic 官方說明的資訊，Pro、Max、Team 以及具備進階席位的企業用戶，都可以在這段期間內免費使用每週額度 50% 的 Claude Fable 5。當使用者達到這個 50% 的門檻後，系統也不會立刻中斷服務。你可以選擇使用預付點數繼續享受 Fable 5 的強大功能，或者輕鬆切換回其他 Claude 模型，繼續消耗原本的訂閱額度。

這個彈性的機制非常有幫助。企業與開發團隊不需要擔心產生額外的意外費用，也能充分評估這款新模型是否符合團隊的日常工作需求。如果你的團隊還沒嘗試過，現在絕對是個好時機。

Gemini API 擴展託管代理功能：支援背景執行與遠端 MCP

開發者在處理長時間運行的任務時，經常會遇到 HTTP 連線逾時的困擾。這確實是個頭痛的問題。為了解決這個痛點，Google 在 Gemini API 中加入了全新的託管代理功能。

透過這次更新，開發者現在可以啟動非同步的背景任務。系統會立即回傳一組任務 ID，用戶端只需透過這個 ID 就能隨時查詢進度，不需要一直保持連線狀態。這種做法大幅提升了系統的穩定性。不僅如此，Google 這次還加入了遠端模型上下文協定 (MCP) 伺服器的整合能力。開發者可以直接將代理程式連接到私有資料庫或內部 API，讓 AI 在安全的沙盒環境中與外部工具溝通。

如果你對這些新功能感興趣，可以前往 Google 開發者部落格查看更多實用範例。加入自訂函式呼叫與憑證刷新機制後，Gemini API 的實用性確實大幅提升了。

Claude Cowork 登陸行動裝置與網頁版，工作隨身帶著走

想像一下這個情境。你在辦公室用筆記型電腦請 AI 整理一份長篇財務報表，但你馬上就要趕去開會了。過去，只要你蓋上筆電，這項工作可能就會被迫中斷。

現在情況完全不同了。Claude Cowork 正式向行動裝置與網頁版推進，這意味著你的工作可以隨身帶著走。這項更新讓背景處理成為現實。你可以設定一個早上六點執行的客戶簡報準備任務，Claude 會自動爬梳電子郵件與新聞，等你喝早晨咖啡時，一份完整的草稿已經在手機上等著你批閱。

從 Claude 官方部落格的介紹可以看出，人類依然掌握最終決策權。當模型遇到需要人工確認的步驟時，它會直接把問題推播到你的手機上。為了慶祝這項功能上線，官方甚至將使用上限翻倍延長至 8 月 5 日。這項改變讓 AI 真正成為一個不會下班的虛擬同事。

Meta 推出 Muse Image 與 Muse Video：具備代理能力的媒體生成模型

提到影像生成，大家通常會想到單純的文字轉圖片功能。不過 Meta Superintelligence Labs 這次帶來了截然不同的玩法。他們正式發表了 Muse Image 與 Muse Video 兩款全新的媒體生成模型。

Muse Image 最特別的地方在於它運作起來就像一個代理程式。它不僅能忠實遵循複雜指令，還會自己上網搜尋相關事實，確保生成的圖片符合現實情況。模型本身具備自我修正的能力，當它發現圖片的某個角落畫錯了，它會自動進行局部修改，不需要人類反覆下達指令。

更令人期待的是 Muse Video 的預覽。它基於相同的訓練基礎，能夠產出極高視覺保真度的影片，甚至原生支援音訊合成。現在大家已經可以在 Meta AI 應用程式、Instagram 限時動態以及部分國家的 WhatsApp 中試用 Muse Image。詳細的技術展示可以參考 Meta 發布公告以及他們在 X 上的介紹。Meta 這次還加入了 Content Seal 浮水印技術，確保大家能輕鬆辨識出哪些圖片是由 AI 生成的。

Introducing Muse Image and Muse Video, the first media generation models developed by Meta Superintelligence Labs.

Muse Image is our most advanced image generation model yet. It follows instructions faithfully, edits with precision, composes from multiple references, and draws… pic.twitter.com/byNpQZO1RW

— AI at Meta (@AIatMeta) July 7, 2026

Cohere 發表 Transcribe Arabic：開源阿拉伯語語音辨識模型

語言多樣性一直都是語音辨識領域的巨大挑戰。阿拉伯語擁有超過三億母語人士，方言種類繁多，這讓許多主流 AI 系統難以應付。

Cohere 注意到了這個需求，並推出了一款強大的開源模型 Cohere Transcribe Arabic。這款基於 2B 參數架構的模型，專門為解決商業與開發環境中的阿拉伯語難題而生。它不僅能精準辨識海灣、黎凡特等各種方言，還能完美處理阿拉伯語與英語夾雜的「語碼轉換」現象。

從 Cohere 部落格公布的測試結果來看，它的詞錯率僅有 25.87，大幅領先 Whisper Large V3 等競爭對手。這對於需要高精準度企業級語音應用的中東市場來說，絕對是一大福音。開發者現在就可以到 Hugging Face 模型頁面下載權重並進行部署。

Claude Code 的模型選擇與 Effort Level 設定指南

當我們在使用 Claude Code 開發程式時，常常會面臨一個選擇困難。到底該選哪一個模型？又該把 Effort Level 設定在什麼程度？

讓我來解釋一下這兩者的差異。根據 Claude 官方教學的說明，模型選擇決定了 AI 的「知識庫」與「能力上限」。這就像是挑選一位具備特定技能的專家。而 Effort Level 則是控制這位專家願意花多少時間與精力來處理你的任務。

當你調高 Effort Level 時，模型會讀取更多檔案、進行更多驗證步驟，甚至在遇到錯誤時反覆嘗試。對於日常的簡單代碼修改，使用較小的模型搭配預設的 Effort Level 就能省下大量成本。遇到架構決策或複雜的除錯任務時，再切換到較大的模型。這是一個非常實用的資源分配策略。

代理迴圈 (Loops) 的基礎與應用：Claude Code 開發者指南

除了選擇合適的模型參數，如何有效地讓代理程式自動運作也是一門學問。過去我們習慣用一次性的提示詞來指揮 AI，現在開發界更流行「設計迴圈」的概念。

這個概念其實很直觀。在 ClaudeDevs 貼文中，團隊將迴圈定義為代理程式重複執行工作週期，直到滿足特定停止條件為止。開發者可以根據觸發方式與停止條件，將迴圈分為幾種不同類型。

https://t.co/v694m8Eaj6

— ClaudeDevs (@ClaudeDevs) July 6, 2026

例如「回合制迴圈」適合探索性的工作，你可以設定嚴格的驗證條件來減少來回對話的次數。「目標導向迴圈」則會在達成特定目標前不斷嘗試。另外還有「時間驅動迴圈」，非常適合用來定時摘要 Slack 訊息或檢查程式碼審查狀態。掌握這些模式，就能讓 Claude Code 幫你自動處理大量繁瑣的日常任務。

Artificial Analysis 推出六大產業能力指數：Claude Fable 5 奪冠

在評估語言模型時，我們往往需要針對特定領域的表現來做判斷。Artificial Analysis 這次推出了一套全新的產業能力指數，涵蓋了金融會計、法律、醫療保健、營運策略、工程技術以及經濟學六大領域。

這份評分系統的設計非常貼近真實世界的工作需求。他們將 O*NET 職業分類中的常見任務提煉出來，並根據任務出現的頻率進行加權。根據 X 上的完整報告，Claude Fable 5 在全部八項指數中奪下冠軍。這顯示它在處理高難度專業任務時具備極大的優勢。

Introducing six new Artificial Analysis Capability Indices for comparing model capabilities across key industry domains

The new industry indices cover Finance & Accounting, Legal, Healthcare & Medical, Strategy & Ops, Engineering, and Economics. We aim to capture the common… pic.twitter.com/hWcFv0eT5w

— Artificial Analysis (@ArtificialAnlys) July 7, 2026

有趣的是，開源模型的表現也讓人相當驚豔。GLM-5.2 在開源模型中拿下了五個領域的第一名。DeepSeek V4 Flash 則展現了極致的成本優勢，完成每項任務的成本不到 0.04 美元。這讓我們看到，未來的企業可以根據預算與任務複雜度，靈活選擇最合適的 AI 工具。

降低成本：微軟 Copilot 逐步以內部模型取代 OpenAI 與 Anthropic

科技巨頭在推廣 AI 服務時，高昂的運算與 API 呼叫成本一直是一大隱憂。微軟最近開始採取行動了。他們正逐步在 Excel 與 Outlook 等 Copilot 產品中，用自家研發的 MAI 模型替換掉 OpenAI 與 Anthropic 的模型。

根據 The Decoder 報導指出，微軟的內部模型每週已經處理數以萬計的請求。微軟 AI 負責人 Mustafa Suleyman 也直言不諱地表示，他們的目標就是大幅減少甚至消除支付給第三方的鉅額費用。

這引發了一個值得思考的現象。微軟過去曾批評供應商鎖定效應，如今卻為了降低成本而轉向內部模型。同時也有消息傳出，未來的 AI 計費方式可能會轉向「按使用量計費」，消費者如果想使用更強大的第三方模型，可能需要額外支付升級費用。

美國企業轉向中國 AI 模型：成本考量下的新趨勢

AI 模型的開發成本驚人，使用成本同樣不容小覷。當 OpenAI 與 Anthropic 等美國頂尖實驗室的模型價格居高不下時，許多美國企業開始尋找替代方案。

這股尋找高性價比模型的趨勢，讓中國的開源模型迎來了爆發式的成長。從 CNBC 分析的數據來看，在開發者常用的 OpenRouter 平台上，美國公司呼叫中國 AI 模型的代幣比例，已經一路攀升到了 46%。

像 DeepSeek 與 Z.ai 開發的 GLM 5.2 模型，不僅在效能測試上緊追美國領先模型，價格更只有競爭對手的十分之一甚至更低。當許多日常任務不需要動用到最頂尖、最昂貴的模型時，這些便宜又好用的替代方案自然成為了企業眼中的香餑餑。

Nvidia 推出 Nemotron-Labs-Audex-30B-A3B：統一音訊與文字的強大 LLM

在多模態模型的發展上，Nvidia 也不落人後。他們最新發表的 Nemotron-Labs-Audex-30B-A3B，是一款將音訊與文字完美結合的大型語言模型。

這款模型建立在強大的 Nemotron-Cascade-2 基礎上，採用了混合專家 (MoE) 架構，擁有 300 億總參數，每次啟動時僅使用 30 億參數。你可以到 Hugging Face 介紹頁面查看詳細規格。它不僅擴展了音訊詞彙表，還內建了音訊編碼器，能夠輕鬆應付語音辨識、語音翻譯以及文字轉語音等複雜任務。

這款模型甚至支援高達 100 萬個代幣的上下文長度。開發團隊還提供了兩種運作模式，無論是需要進行複雜邏輯思考的思考模式，還是追求反應速度的指令模式，都能應付自如。如果你的硬體資源有限，他們也同步推出了輕量級的 2B 版本供開發者選擇。

Liquid AI 提出 FTPO 方法：有效減少語言模型的推論死結

你有沒有遇過這樣的情況？當你讓 AI 解決一個複雜的數學問題時，它突然卡住了，不斷在畫面上重複輸出「等等，讓我重新考慮一下」，直到把整個對話視窗塞滿為止。

業界將這種現象稱為「末日迴圈」(Doom Loop)。這種問題在推論模型處理長篇思考時特別常見。為了解決這個窘境，Liquid AI 提出了一種名為最終代幣偏好優化 (FTPO) 的全新訓練方法。他們將這套方法戲稱為 Antidoom。

詳細的技術原理可以參考 Liquid AI 官方文章。傳統的解決方式通常是調整重複懲罰參數，但這往往會影響模型的整體表現。而 Antidoom 則是精準鎖定導致迴圈發生開端的那個特定代幣，訓練模型在那個時間點選擇其他更合理的延續方式。實驗證明，這種方法幾乎完美消除了內部模型中的重複迴圈現象，並且大幅提升了各項評測分數。

問與答

Q1：Claude 生態系近期有哪些重要更新與功能延期？ A1： Anthropic 宣布將 Claude Fable 5 的免費體驗期延長至 2026 年 7 月 12 日，付費訂閱戶可使用每週額度的 50% 進行測試。此外，Claude Cowork 正式登陸行動裝置與網頁版，支援無裝置連線的「背景處理」功能（如清晨自動準備客戶簡報），為慶祝上線，使用上限也翻倍延長至 8 月 5 日。官方同時針對開發者發布了 Claude Code 的操作指南，詳細說明 Effort Level 是用來控制 AI 讀取檔案、驗證與耗費精力的多寡，並介紹了代理程式的「迴圈 (Loops)」設計，包含回合制、目標導向、時間驅動與主動式迴圈等自動化模式。

Q2：Meta 在影像與媒體生成領域推出了什麼新技術？ A2： Meta Superintelligence Labs 發布了 Muse Image 與 Muse Video 兩款全新的媒體生成模型。Muse Image 具備代理能力，會自動上網搜尋事實以確保圖片符合現實，並能透過「自我修正」能力進行局部重繪。Muse Video 則能產出極高視覺保真度的影片並原生支援音訊合成。為了安全與辨識，Meta 還加入了 Content Seal 隱形浮水印技術。

Q3：Google 的 Gemini API 如何解決開發者長時間執行任務的痛點？ A3： Google 在 Gemini API 中擴展了託管代理功能 (Managed Agents)，新增非同步的背景任務執行，系統會回傳任務 ID 供隨時查詢，不須持續保持 HTTP 連線。此外，更新還加入了遠端模型上下文協定 (MCP) 伺服器整合，讓代理程式能直接連接私有資料庫，並支援自訂函式呼叫與憑證刷新機制。

Q4：為什麼微軟與美國企業紛紛開始轉換他們正在使用的 AI 模型？ A4： 主要是為了降低高昂的運算與 API 成本。微軟正逐步在 Excel 與 Outlook 等 Copilot 產品中，以自家的 MAI 模型取代 OpenAI 與 Anthropic 的模型。另一方面，許多美國企業開始大量採用中國的開源模型（如 DeepSeek 與 GLM-5.2），因為這些模型的效能已緊追美國領先模型，但價格僅約為競爭對手的十分之一（或便宜 60% 至 90%），這使得中國模型在 OpenRouter 平台上的呼叫代幣比例一路攀升至 46%。

Q5：在特定產業能力的評估中，目前哪些 AI 模型表現最優異？ A5： 根據 Artificial Analysis 推出的六大產業能力指數（涵蓋金融、法律、醫療、營運等），Claude Fable 5 在全部八項指數中均奪下冠軍。而在開源模型方面，中國的 GLM-5.2 表現亮眼，拿下了五個領域的開源第一名。

Q6：在語音與多模態領域，Nvidia 與 Cohere 帶來了哪些突破？ A6： Nvidia 發表了 Nemotron-Labs-Audex-30B-A3B，這是一套擁有 300 億參數、結合音訊與文字的大型語言模型，具備高達 100 萬代幣上下文長度，能處理語音辨識、翻譯及文字轉語音等複雜任務。Cohere 則推出了 Transcribe Arabic，這是一款專為中東市場打造的 2B 參數開源阿拉伯語音辨識模型，詞錯率僅 25.87，大幅領先 Whisper Large V3，並能完美解決英文與阿拉伯語夾雜的「語碼轉換」問題。

Q7：什麼是「末日迴圈 (Doom Loop)」，Liquid AI 又提出了什麼解決方案？ A7： 「末日迴圈」是指推論模型在處理複雜問題時卡住，不斷重複輸出相同字句（如「等等，讓我重新考慮一下」）的現象。Liquid AI 提出了一種名為 Antidoom（最終代幣偏好優化, FTPO） 的訓練方法，它能精準鎖定導致迴圈開端的特定代幣，讓模型在該時間點選擇更合理的延續方式，成功將 LFM2.5-2.6B 模型的迴圈率從 10.2% 降至 1.4%，同時大幅提升了評測分數。