入口、公開權重與邊緣運算，模型競爭已成為系統競爭

模型排行榜仍然吸引目光，但近期幾項進展顯示，產品差距早已不只來自單一模型。既有入口決定多少人能立刻使用，公開權重影響誰能自行部署，敏感資料與邊緣裝置則要求完全不同的權限、延遲和風險設計。

9.5 億月活躍使用者，入口本身就是能力

Google 公布的 2026 年第二季資料顯示，Gemini 應用程式每月活躍使用者已達 9.5 億，日活躍使用者在一年內成長三倍；旗下模型 API 每分鐘約處理 220 億 token。這些數字不只代表需求，也反映既有產品與雲端通路如何縮短採用距離。

一般使用者未必先比較基準測試，再刻意前往另一項服務；更常見的情況，是直接使用已出現在手機、瀏覽器或工作流程裡的功能。模型品質仍是門檻，但當能力差距縮小，少一步切換、少一次註冊，可能比排行榜上的小幅領先更能影響日常採用。

Kimi K3 把前沿規模帶進可自行部署的範圍

Moonshot AI 公開的 Kimi K3 程式庫列出 2.8 兆總參數、每個 token 啟用 1,040 億參數、約 100 萬 token 的上下文，以及原生文字與影像能力。團隊釋出完整權重並提供部署說明，讓研究者與企業不必只透過封閉 API 觀察這一級別的模型。

「公開權重」仍不等於不受限制的開源軟體。使用者必須另外閱讀 Kimi K3 License，評估商業條件、使用限制、硬體需求與後續維護能力。真正的差異不是下載檔案，而是能否在自己的資料邊界內完成評估、部署、監控與更新。

健康資料讓權限設計成為產品核心

Health in ChatGPT開始提供美國 18 歲以上登入使用者連接 Apple Health 與支援的醫療紀錄。官方表示，這些連接資料及使用它們的對話不會拿來訓練基礎模型或投放廣告；系統預設會在使用健康資訊前詢問權限，也允許使用者斷開來源。

這類功能的價值來自個人脈絡，風險也正好來自同一處。紀錄可能不完整或過時，模型也仍會犯錯，因此官方明確說明產品不能取代合格醫療人員的照護與判斷。當模型進入高敏感場景，存取控制、資料刪除、重要資訊核對與適時轉介專業人員，都不再只是隱私頁面的附註。

月球軌道把延遲與頻寬變成硬限制

另一個場景遠離雲端資料中心。Nvidia 公布，Firefly Aerospace 的 Blue Ghost Mission 2預計於 2026 年底發射，屆時 Ocula 影像服務將在月球軌道使用 Jetson 執行推論，先從紫外光與可見光影像擷取重要資訊，再把較相關的結果傳回地球。

這項任務仍是規劃中的未來部署，不能寫成已在月球完成運作；但設計方向已經清楚。第一代任務傳回近 120GB 原始資料，而軌道端處理希望降低昂貴且高延遲的下行需求。當連線稀缺，邊緣推論的價值不是方便，而是讓系統在無法持續依賴雲端時仍能做出選擇。

頂尖研究也需要把風險拆成可討論問題

多倫多大學公布，數學家 Jacob Tsimerman 因數論與 André-Oort 猜想等研究獲頒費爾茲獎。他的個人研究頁面也列出與 Andrew Critch 合作的〈A Taxonomy of Omnicidal Futures Involving Artificial Intelligence〉，嘗試分類涉及先進系統的極端風險路徑。

獎項本身不能替任何風險主張背書，但這個交集提醒產業：系統愈深入日常與關鍵環境，就愈需要清楚描述假設、失敗條件與責任邊界。分發、權重、資料與硬體看似不同，最後都回到同一個問題——誰能在能力擴張時，仍保留驗證、停止與修正的能力。