推理密文會說話,模型競賽進入可驗證時代

Published: August 14, 2026• 14 min readEdit on GitHub

從推理軌跡外洩、手語原生輸入到價格與速度競賽,真正拉開差距的已不只是能力,而是驗證、授權與責任。

模型表現的比較,正從單一榜單擴大到價格、輸入方式和安全架構。當生成式工具進入研究、行動裝置與醫療探索,證據來源和適用限制也得一起說明。

紙藝代理沿兩條測試路徑前進,呈現模型能力與基準表現的不同比較方式。

新模型把代理能力和基準測試放在前面

DeepSeek 的 API 更新紀錄列出,V4 Pro 在 Terminal Bench 2.1 的分數為 87.9。xAI 介紹 Grok 4.6 時則表示,模型著重長時間代理與互動、視覺工作,並在 Artificial Analysis Intelligence Index 上與 GPT‑5.6 Sol 得分相同。DeepSeek 的 V4 Pro 更新紀錄;xAI 的 Grok 4.6 發布說明

這些數字來自不同的測試與公司公告,不能直接換算成模型在所有工作中的品質、速度或成本。原始摘要另稱,V4 Pro 與 Grok 4.6 在同一晚相隔兩小時上線,兩者整體表現接近 Claude Fable 5;摘要列出 Fable 5 的 Terminal Bench 2.1 分數為 88.0,並稱 DeepSeek 輸出價格約每百萬 token 0.87 美元、Fable 5 為 50 美元,且 DeepSeek 曾提醒價格可能上調。保存的一手頁面未能逐項核實這些發布時序、跨模型分數、歷史價格比較和價格調整說法,仍保留為原始摘要轉述;不同測試的分數也不能直接比較。xAI 官方發布說明列出 Grok 4.6 起始 API 價格為每百萬輸入 token 2 美元、輸出 token 6 美元。xAI 的 Grok 4.6 發布說明 原始摘要另稱,GPT‑5.6 Sol 需超過半小時完成的程式任務,Grok 可在 20 分鐘內完成,有些約 3 分鐘;保存的一手頁面未核實這些任務時間。速度比較也涉及不同任務與條件,不能視為同條件測試結果。

原始摘要把過去模型市場比作「聰明、便宜、快速只能選兩項」:這種落差讓前沿模型得以維持高價並放慢迭代。它將 DeepSeek 的低價和 Grok 的速度視為各自打破一個限制,認為兩者即使未必是最佳模型,也共同挑戰昂貴、更新較慢的既有業者。這是摘要的市場分析,並非在相同條件下完成的統一測試。基準分數能說明特定測試的表現,選型仍須對照實際任務、模型版本與執行條件。

紙藝雙手在手機鏡頭前比出手語,無字紙帶轉成空白文字列,呈現手語輸入流程。

SL2T 把手語轉文字帶進手機輸入流程

Google DeepMind 發布手語轉文字模型 SL2T,將手語輸入帶入 Gboard 與 Live Transcribe。初期功能在 Pixel 11 上提供美國手語轉英文;手機鏡頭可即時將使用者比出的手語轉為文字,用於搜尋、訊息、文件或 Gemini 查詢,操作方式類似語音聽寫。Google DeepMind 的 SL2T 公告

Google 表示,模型以涵蓋 50 多種手語、總計超過 10 萬小時的資料訓練,其中約四分之一是美國手語;之後會增加裝置與語言。把手語視為完整輸入,有機會減少使用者必須先改用文字的負擔,但初期支援範圍仍有限。

原始摘要認為,原生手語輸入可能降低聽障者改用第二語言打字的需求,也把手語視為語言,而不是一組孤立手勢。輸入方式會影響誰能直接使用產品,以及哪些人必須額外調整自己的表達方式。

密封紙質推理方塊沿分支進入較弱模型後被拆開,呈現同一供應商模型間的解密風險。

加密推理區塊仍可能被同一供應商的弱模型讀取

圖賓根大學、馬克斯普朗克研究所與合作研究者在論文中描述一種「解密越獄」方法:部分模型供應商不在伺服器端保存推理軌跡,而是把加密文字區塊回傳給用戶端,再由用戶端在後續請求中傳回。論文指出,同一供應商生態系內不同工作階段、使用者與模型之間可互換這些區塊;研究者把一個模型的區塊送給同一供應商旗下防護較弱的相容模型,讓後者解碼並以明文輸出,而不必直接越獄較強模型。論文報告,研究者從資料中還原出密碼與 API 金鑰等敏感資訊。研究團隊的原始論文

這項研究描述的風險來自加密區塊在同一供應商生態系內可跨模型重用,並由較弱模型解碼;論文沒有聲稱傳輸途中遭到破解或攔截。逐一修補提示也未必能解決這類架構問題,攻擊能否成立仍取決於供應商實作、模型家族與請求流程。論文呈現的是實驗性攻擊方法,不能推論所有模型服務都已發生相同外洩。

對開發者來說,重點不只是區塊是否加密,也包括它會被交給哪些模型處理、保存多久,以及是否能避免把憑證放進推理脈絡。

紙藝犬隻與研究者、飼主共同拼接個人化疫苗材料,呈現資料分析與研究合作。

Rosie 的個人化疫苗案例呈現工具與研究團隊如何合作

澳洲科技創業者、Gamgee 創辦人 Paul Conyngham 表示,手術、化療和免疫療法後,愛犬 Rosie 的癌症仍在惡化。他在 Gamgee 案例頁說,自己運用 AI 對應癌症突變、設計個人化 mRNA 疫苗,並與新南威爾斯大學研究人員協調製作;該頁沒有指明使用的模型。原始摘要另稱他使用 ChatGPT 與 Grok,並稱 Rosie 同期接受另一項治療;目前保存的 Gamgee 頁面未確認這些細節,仍是摘要轉述。公司案例頁記載,Rosie 於 2025 年 12 月接受第一劑疫苗,因此不能據此判斷病情變化是否由疫苗造成。Gamgee 對 Rosie 案例的說明

他創辦的 Gamgee 提供犬隻個人化癌症疫苗服務;Y Combinator 將 Gamgee 列為其支持的新創,並列出公司與創辦人背景。Y Combinator 的 Gamgee 公司資料 原始摘要另稱,公司在全球提供犬隻個人化癌症疫苗服務,製作流程約四週;這些服務範圍和時程未由目前保存的公司頁面逐項確認,仍作為原始摘要說法保留。

單一個案可以說明資料分析與研究合作如何提出個人化治療方案,不能單獨證明疫苗的臨床療效或因果關係。

其他產業動態

Twitch 據報預設把創作者內容用於 AI 訓練。 原始摘要稱,創作者的直播、隨選影片、剪輯與頻道內容會預設用於 Amazon 的生成式系統訓練,除非創作者退出。本批保存來源沒有可讀的 Twitch 一手政策確認預設設定、涵蓋內容或退出方式,因此此說法仍未獲獨立確認。

Apple 據報洽談 Siri 新聞內容授權。 原始摘要稱,Apple 正與出版商洽談多年期授權,讓 Siri 使用授權報導回答即時新聞問題,而不是生成新聞摘要。本批保存來源沒有 Apple 或出版商的一手公告確認談判、年期或用途,細節仍未獲獨立確認。

Mistral 增加區域推論與第三方開放模型。 Mistral 表示,客戶可以選擇在歐洲或美國處理推論請求,並開始支援 Z.ai 的 GLM‑5.2 等第三方開放模型,以強化其主權 AI 平台。公司也提醒,部分安全的次處理可能在所選區域以外進行。Mistral 的區域推論與開放模型公告

白宮據報準備把安全框架延伸到開放前沿模型。 原始摘要稱,這會讓強大模型發布前受到更多審查;本批保存來源沒有找到可核對的政府政策文件,因此延伸計畫仍未獲獨立確認。

Cisco 單季取得 40 億美元 AI 基礎設施訂單。 Cisco 財報列出第四季相關訂單約 40 億美元,2026 財年累計約 93 億美元。原始摘要將訂單解讀為雲端客戶仍在為 AI 建置購買網路容量;這是摘要的市場解讀。Cisco 第四季財報

Cerebras 核心營收增至 2.099 億美元。 公司第二季公告將這項核心營收列為年增 103%,並預估 2026 年核心營收為 8.8 億至 8.9 億美元。公告另列 GAAP 營收為 1.801 億美元,兩者口徑不同。Cerebras 第二季財務結果 原始摘要稱,公司上調展望後股價仍下跌,投資人質疑 AI 晶片利潤率;股價變化及投資人反應是摘要轉述,未由公司財報本身證明。

Lovable 宣布完成 4 億美元 Series C 融資。 公司公告募資後估值為 133 億美元。Lovable 的 Series C 公告 原始摘要另稱公司年化營收達 5 億美元,並持續擴展 AI 與雲端業務;這些說法沒有出現在公司公告中,仍未獲獨立確認。

鴻海第二季歸屬母公司淨利年增 35%。 公司財報列出淨利 600 億元新台幣、營收 2.53 兆元,並表示雲端資本支出擴大帶動 AI 伺服器機櫃出貨持續成長。原始摘要將這波成長描述為讓公司業務超越 iPhone 組裝範圍;這是摘要的產業解讀。鴻海第二季財報

OpenAI 據報發布企業 AI 使用研究,採用情況正從助理轉向代理工作流。 原始摘要稱,OpenAI 的企業研究顯示,非工程團隊也開始跨部門使用代理流程。本批保存的 OpenAI 來源頁內容不足以核對這些研究結論與部門範圍,因此仍是摘要轉述,未獲獨立確認。

ai-newsmodel-securityaccessibilitymodel-economics