AI 日報: OpenAI 推出超強修圖模型、Meta 顛覆音訊剪輯，盤點本週 AI 巨頭的 5 大重磅更新

本週對於人工智慧領域來說，絕對是熱鬧非凡的一週。從視覺創作到聽覺處理，再到科學研究與日常生產力，幾家科技巨頭不約而同地釋出了令人驚艷的新工具。OpenAI 終於解決了 AI 繪圖「微調」的痛點，Meta 則是用類似修圖的方式來處理聲音，而 Google 則致力於讓你的日常工作流程更順暢。這些更新不只是技術上的堆疊，更直接影響了創作者和專業人士的工作方式。

以下將帶您深入了解這五項可能會改變未來工作型態的重大更新。

1. OpenAI 發表 GPT Image 1.5：精準修圖不再是夢想

對於許多使用過 AI 繪圖工具的人來說，最令人頭痛的往往不是「無中生有」，而是「修改」。常常只是想換掉畫面中的一件衣服，結果整個人物的臉部特徵、光影甚至背景都變了樣。OpenAI 最新發布的 GPT Image 1.5 模型，正是為了解決這個問題而來。

這個新模型最強大的地方在於它的「指令遵循能力」。它能夠在保留原圖核心細節（如光影、構圖、人物外貌）的前提下，精準地執行編輯指令。這意味著使用者可以像使用專業修圖軟體一樣，對 AI 生成的圖片進行微調，無論是更換服裝、調整背景元素，還是進行風格轉換，都能維持高度的一致性。

除了編輯功能，OpenAI 也同步推出了全新的「Images」創作介面。這個介面不僅僅是一個對話框，更像是一個小型的創意工作室，提供了各種預設的風格濾鏡和靈感提示，讓創作過程更加直覺。值得一提的是，新模型的生成速度比前代快了四倍，且 API 的價格降低了 20%，這對於需要大量生成圖片的企業用戶來說，無疑是一個好消息。

2. Meta 推出 SAM Audio：像修圖一樣「圈選」聲音

如果說 OpenAI 解決了視覺編輯的難題，那麼 Meta 則是在聽覺領域投下了一顆震撼彈。Meta 正式發布了 SAM Audio 音訊分離模型，這是其著名的「Segment Anything」系列在音訊領域的最新延伸。

想像一下，你錄製了一段影片，但背景的車流聲蓋過了說話聲，或者你想把一首歌裡的吉他獨奏單獨提取出來。在過去，這需要專業的音訊工程師花費大量時間處理。但 SAM Audio 讓這一切變得異常簡單。它支援三種直覺的指令方式：

• 文字指令： 直接輸入「狗叫聲」或「人聲」，模型就會自動抓取對應音軌。
• 視覺指令： 在影片中直接點擊發出聲音的物體（例如正在彈奏的吉他），AI 就會分離出該物體的聲音。
• 時間區段指令： 這是業界首創的功能，允許使用者標記特定的時間段來鎖定音訊。

這項技術打破了傳統音訊編輯的門檻，讓聲音分離變得像在 Photoshop 裡使用魔術棒一樣簡單。無論是Podcast 製作、影片剪輯還是音樂創作，SAM Audio 都提供了前所未有的靈活性。目前該模型已在 Segment Anything Playground 上開放體驗。

3. Google 推出實驗性 AI 代理人「CC」：你的全能數位秘書

在生產力工具方面，Google Labs 推出了代號為 CC 的全新實驗性 AI 代理人。這款工具建立在 Gemini 模型之上，目標是成為使用者工作與生活中的超級助理。

現代人的工作資料往往散落在各處：Gmail 裡的會議通知、Google Calendar 上的行程、Drive 裡的專案文件。CC 的核心價值在於它能將這些分散的資訊串連起來。每天早上，它會發送一份「Your Day Ahead」簡報到你的信箱，這不只是一份單純的日程表，而是綜合了待辦事項、重要郵件更新和行程的總整理。

更貼心的是，CC 具備主動執行的能力。如果它發現你有一個即將到來的會議，它會自動準備好相關的 Email 草稿或整理出需要的檔案連結。使用者甚至可以透過回信的方式，直接「教導」CC 記住特定的個人偏好或長期任務。目前這項功能已在美國和加拿大針對 Google AI Ultra 用戶開放測試。

4. 在 Gemini 中用 Opal 打造你的專屬「迷你 App」

除了幫你處理雜事，Google 還希望你能自己打造工具。Google 將其開發工具 Opal 直接整合進了 Gemini 網頁版中。這是一個讓一般使用者也能建立「AI 迷你 App」的平台。

Opal 的特點在於其視覺化的編輯器。使用者不需要懂複雜的程式碼，只要透過輸入提示詞（Prompt），就能將想法轉化為一個可重複使用的工具。新的介面甚至能將你的提示詞轉換為清晰的步驟列表，讓你更容易理解並調整 App 的運作邏輯。

這項更新讓 Gemini 的用途不再侷限於單次對話。你可以為自己創建一個專門用來「生成特定格式週報」或「分析財報數據」的迷你 App，並反覆使用。對於那些希望擁有更高客製化 AI 體驗的用戶來說，這是一個相當實用的功能。

5. OpenAI 發表 FrontierScience：AI 科學推理的終極考驗

當我們在討論 AI 能否畫圖或寫信時，OpenAI 已經在思考 AI 能否成為科學家。OpenAI 釋出了一套名為 FrontierScience 的全新評測基準，專門用來評估 AI 在物理、化學和生物學領域的專家級推理能力。

現有的評測大多集中在選擇題，這很難反映真實的科學研究過程。FrontierScience 則包含了兩大類別：「奧林匹亞競賽題」與「研究型任務」。前者由國際奧林匹亞獎牌得主設計，測試高強度的理論推理；後者則由博士級科學家設計，模擬真實的科研場景，評估 AI 是否具備進行原創性研究的潛力。

在初步測試中，OpenAI 透露其內部模型 GPT-5.2 在奧林匹亞題目上取得了 77% 的高分，遠超前代模型。這項計畫的意義在於，它為 AI 進入嚴肅科學研究領域設立了一個明確的標準，也讓我們看見 AI 未來協助人類解開癌症謎團或開發新材料的可能性。

常見問題解答 (FAQ)

Q1：我現在就可以使用 OpenAI 的新 GPT Image 1.5 模型了嗎？ 是的，新的 Images 模型今日起已向所有 ChatGPT 用戶推出，同時也透過 API 以 GPT Image 1.5 的形式提供給開發者。不過，企業版（Business and Enterprise）的存取權限將會在稍後開放。

Q2：Meta 的 SAM Audio 需要付費嗎？ 目前 Meta 將 SAM Audio 開放在 Segment Anything Playground 供大眾體驗，同時也提供模型下載。作為開源研究的一部分，開發者和研究人員可以免費探索其功能，但商業用途可能需參考特定的授權條款。

Q3：Google 的 CC 助理在台灣可以用嗎？ 目前 CC 仍處於早期實驗階段（Early Access），首波僅開放給美國和加拿大的 Google AI Ultra 訂閱戶及付費用戶使用。台灣用戶可能還需要再等等，建議先關注 Google Labs 的後續公告。

Q4：為什麼需要 FrontierScience 這種新的評測標準？ 因為過去的測試多半是選擇題，容易被模型「背誦」答案，無法測出真正的推理能力。FrontierScience 透過開放式問答和複雜的研究任務，更能真實反映 AI 是否具備協助科學家進行突破性研究的能力。

Q5：GPT Image 1.5 提到的「API 價格更便宜」是指多少？ 根據 OpenAI 的說明，GPT Image 1.5 的輸入與輸出價格相較於前一代 GPT Image 1 降低了 20%，這讓開發者能在相同的預算下生成或編輯更多圖片。