AI日報｜Cura 1T 兆級醫療模型、Seedream 5.0 顛覆影像編輯、J-Wash 權重洗腦工具登場

AI日報｜Cura 1T 兆級醫療模型、Seedream 5.0 顛覆影像編輯、J-Wash 權重洗腦工具登場

你知道嗎？人工智慧的發展似乎每天都在帶來意想不到的驚喜。從探討大型語言模型是否具備不同的文化性格，到醫療領域專屬的兆級參數巨獸，再到讓每個人都能輕鬆修改影像與模型權重的實用工具，今天的科技圈依舊充滿活力。讓大家一起來看看這些令人興奮的新進展。

語言與模型如何塑造 AI 的性格？解析 Claude 隱藏的價值觀

人們經常會問，人工智慧在回答沒有標準答案的問題時，究竟是基於什麼樣的價值觀？這正是 Anthropic 最新研究探討的核心議題。根據他們發布的 Claude’s values across models and languages 報告，AI 的性格會隨著使用的語言以及模型版本的不同而產生明顯變化。

事情是這樣的，研究團隊分析了數十萬次對話，將 Claude 的價值觀濃縮成四個主要維度。包含順從與謹慎、溫暖與嚴謹、深入與簡潔，以及坦誠與執行力。觀察家們發現，Sonnet 4.6 表現得更加溫暖且順從，經常會肯定使用者的想法。Opus 4.7 則偏向嚴謹與謹慎，有時甚至會主動提醒潛在風險。這種差異完美反映了不同模型在訓練過程中所採取的行為引導策略。

更有趣的是，當人們用不同的語言與 Claude 交流時，它的態度也會跟著改變。以阿拉伯語或印地語進行對話時，Claude 往往展現出更多的溫暖與順從。當切換到英語或俄語時，它會變得更加嚴謹與謹慎。這背後的原因可能源自於各語言訓練資料的組成差異，或是為了迎合不同文化的對話規範。對於跨國企業而言，了解這種語境差異，將有助於更精準地掌握 AI 產出的語氣與品質。

團隊協作的新利器，Claude Artifacts 支援多人編輯與公開分享

老實說，過去在團隊中分享程式碼或設計原型，總免不了各種版本傳遞的麻煩。現在，這個痛點終於迎來了完美的解決方案。ClaudeDevs 在社群平台上宣布，Claude Code 中的 Artifacts 正式支援公開分享與多人即時編輯功能。

這意味著什麼呢？開發團隊現在可以直接將製作好的 Artifact 以連結形式公開發布。任何取得連結的人都能輕鬆查看這些原型工具。更棒的是，它現在具備了多人連線遊玩般的協作能力。團隊成員可以同時在同一個專案上進行編輯，徹底告別過去那種互傳檔案的繁瑣流程。目前這項功能已經開放給 Team 與 Enterprise 方案的使用者。

此外，Claude Tag 的功能也得到了大幅擴展，現在可以用來建立企業內部的專屬工具。想像一下日常的工作場景，員工只需要在 Slack 討論串中提出需求，例如要求生成一個數據儀表板，AI 就會直接回傳一個可運作的頁面，並且能立刻在組織內部共享。這種將開發流程無縫融入日常通訊軟體的設計，無疑讓團隊協作變得更加流暢自然。

Artifacts now support public sharing and multiplayer editing in Claude Code, and can be created with Claude Tag. pic.twitter.com/XEhkN3qHAC

— ClaudeDevs (@ClaudeDevs) July 13, 2026

醫療領域的重磅玩家，Cura 1T 兆級參數模型登場

醫療產業的專業門檻極高，通用的語言模型往往難以滿足臨床上的嚴苛要求。針對這個痛點，actAVA 推出了一款專為企業醫療量身打造的巨型模型 Cura 1T。這款模型擁有高達一兆的參數，建立在 Kimi-K2.6 的基礎之上，堪稱目前地表上最強大的醫療專用語言模型。

Cura 1T 的強大之處在於其獨特的訓練方式。它採用了遞迴自我改進（Recursive Self-Improvement, RSI）技術。在每一輪的訓練中，模型會透過持續學習來完善自身的決策邏輯，前一輪的輸出會成為下一輪改進的基礎。經過這種反覆淬鍊，Cura 1T 在六項核心醫療評測標準中，有五項擊敗了 GPT-5.5 與 Gemini 3.1 Pro 等頂尖對手。從高風險的病患溝通、跨越 17 個醫學專科的臨床推理，到針對電子健康紀錄（EHR）系統的代理執行，它都能游刃有餘地處理。

對於許多醫療機構來說，資料隱私與安全性永遠是首要考量。關於 Cura 1T 是否會利用用戶資料進行訓練的常見問題，官方文件給出了明確的回應，強調這是一個讓企業完全擁有的資產，組織可以停止租用外部的智慧服務，轉而掌握專屬的 AI 能力。開發者也可以透過 actava-ai/Cura 的 GitHub 頁面 取得更多技術細節。不過需要注意的是，目前這仍屬於研究模型，並不能完全取代專業醫師的臨床診斷。

點哪改哪的神奇魔法，Seedream 5.0 Pro 讓影像編輯變得超簡單

影像編輯往往需要高超的軟體操作技巧，但 Seedream 5.0 Pro 的推出 徹底打破了這個刻板印象。根據最新的實測結果，這款模型的影像品質與提示詞理解能力，已經達到了極高的水準，甚至可以與 GPT-Image 2.0 匹敵。

它最吸引人的亮點，在於其極度直覺的互動式編輯能力。使用者只需上傳圖片，點擊編輯按鈕，就可以透過打點（Mark）、畫框選取（Region）或是塗鴉的方式來指定修改範圍。接著，只要用最自然的語言描述你想改變的地方，例如「把這個沙發換成米白色布藝材質」，模型就會精準地只替換沙發，其他背景連一個像素都不會動到。

這種將視覺選區與自然語言結合的設計，大幅降低了使用門檻。無論是想要將出租屋的照片換上北歐風家具，還是為隨手拍下的機械鍵盤商品圖替換成高質感的清晨工作桌背景，甚至是直接在畫面上框選位置來進行海報文字排版，Seedream 5.0 Pro 都能完美勝任。它讓繁瑣的修圖工作變成了一句話就能解決的輕鬆任務。

https://t.co/xbH6LN5WZS

— 歸藏(guizang.ai) (@op7418) July 13, 2026

不用微調也能改變 AI 思維？J-Wash 權重洗腦工具大解密

訓練或微調一個大型語言模型，通常需要龐大的運算資源與繁雜的資料集。但如果有個方法可以繞過這些步驟，直接「修改」AI 的認知呢？近期在社群上引起熱烈討論的 J-Wash 專案 就實現了這個瘋狂的想法。大家也可以在 LocalLLaMA 論壇的這篇討論 中看到許多開發者的驚嘆。

J-Wash 是一個基於 Anthropic 的 Jacobian Lens 技術所打造的本地端工具。它提供了一個互動式的對話介面，當使用者與模型聊天時，可以即時看到模型每一層神經網路正在「閱讀」什麼概念。最酷的地方在於，開發者可以直接選取特定的概念方向進行編輯，例如消除某個詞彙的影響力，或是將「我是一個大型語言模型」的概念強行替換成「我是一條魚」。

經過這番「洗腦」操作後，J-Wash 允許使用者將修改後的結果直接匯出成獨立的模型權重檔案，像是常見的 safetensors 格式。這表示你不需要準備任何訓練資料，也不用經歷漫長的微調過程，就能夠徹底重塑模型的身份與行為。這項技術為 AI 的客製化開啟了一扇全新的大門，讓調整模型內部表徵變得像編輯文件一樣直覺。

問與答(Q&A)

Q1：Claude 的性格與價值觀會因為語言或模型版本改變嗎？ A1： 會的。根據 Anthropic 的研究，Claude 會隨著模型版本與對話語言展現出不同的價值觀傾向。例如，Sonnet 4.6 傾向於表現得更溫暖且順從，而 Opus 4.7 則偏向嚴謹與謹慎。在語言方面差異也很明顯：當使用阿拉伯語或印地語對話時，Claude 會展現出更多的溫暖與順從；但若切換到英語或俄語，它則會變得更加嚴謹與謹慎。

Q2：Claude Code 中的 Artifacts 更新了哪些對團隊有幫助的功能？ A2： 最新的更新加入了**「公開分享」與「多人即時編輯（multiplayer editing）」**功能。現在團隊可以將 Artifact 以連結發布，任何取得連結的人都能查看；更重要的是，團隊成員可以像連線遊戲一樣，同時在同一個專案上進行編輯，省去互傳檔案的麻煩。此功能已開放給 Team 與 Enterprise 方案用戶使用。

Q3：Cura 1T 為什麼被稱為「地表最強」的醫療模型之一？ A3： Cura 1T 是一款專為企業醫療打造、高達一兆參數的巨型模型，基於 Kimi-K2.6 開發。它的強大在於採用了**「遞迴自我改進（Recursive Self-Improvement, RSI）」技術**，在前一輪的輸出基礎上持續改進。在六項核心醫療評測中，它有五項擊敗了 GPT-5.5 與 Gemini 3.1 Pro，能處理高風險病患溝通、跨 17 個專科的臨床推理，以及電子健康紀錄系統的代理執行。此外，企業可以完全擁有這個模型，確保資料隱私。

Q4：Seedream 5.0 Pro 是如何大幅降低影像編輯門檻的？ A4： 它的核心亮點在於將「視覺選區」與「自然語言」完美結合的互動式編輯。使用者只需在圖片上「打點」或「畫框」，接著在提示詞中直接 @ 該標記（例如：「將 @Mark01 換成米白色布藝沙發」）。模型不僅能精準替換指定物體，而且背景的其他像素「一個都不會動到」。這種所見即所得的操作，讓家具替換、商品圖產出甚至是海報文字排版，都只需一句話就能完成。

Q5：J-Wash 工具為何在開發者社群中引起熱議？ A5： J-Wash 徹底改變了客製化模型的流程。它基於 Anthropic 的 Jacobian Lens 技術，讓開發者在與模型對話時，可以即時看見神經網路每層正在「閱讀」的概念。最令人驚豔的是，使用者可以直接修改這些概念（例如把「大型語言模型」替換成「一條魚」），並且直接匯出成獨立的模型權重（safetensors 或 LoRA 格式）。這意味著不需要任何訓練資料，也無需經歷漫長的微調過程，就能直接重塑模型的認知與行為。