自製基準、模型降價與資本集中：AI 競爭正在縮成少數入口

Runway 用自製測試包裝介面模型，Google 在前沿與低價之間失去位置，美國政府把版權拉進國安論述，資本則繼續向少數 AI 公司集中。

今天的 AI 競爭不只在比模型分數。產品公司開始自己設計測試、模型供應商在最強與最便宜之間重新站隊，政府把訓練資料放進國家利益的框架，而創業資本則更快流向少數已經站在頭部的公司。四件事放在一起看，真正縮小的不是技術想像，而是誰能定義入口、誰能負擔成本，以及誰有資格被市場看見。

Runway 的魔法在測試設計，不在模型消失

Runway 的 Solaris 官方研究說明把 Solaris 定義為 Interface World Model：它能在沒有傳統程式碼介入的情況下，逐幀生成可互動的應用介面。Runway 同時在官方 benchmark 說明中宣稱，Solaris 在遵循指令的測試上勝過 Claude Opus 5。這個結果可以說明 Solaris 對自家產品場景的適配度，但測試由產品開發者自己設計，不能直接當成跨模型的中立總排名。

Solaris 的展示邏輯是由語言模型決定下一步，再由視覺模型把畫面渲染出來；官方示範中的虛擬服飾商店因此能把點擊、拖曳與畫面變化串成互動流程。這種組合確實是一個產品，而不是單純的靜態圖片生成器；但具備工具存取權的語言模型，也可能透過渲染引擎完成相近的工作。Runway 真正交付的是介面、渲染與體驗的整合，並沒有因此證明通用模型已經失去價值。

🛎️ 要點：Solaris 的技術是真的，但「自製考卷、再宣布勝出」才是這次發布最需要被拆開看的部分。

Google 進不了前沿，也未必守得住低價

Google 的Gemini 3.8 Flash 官方公告把它放在快速迭代的 Flash 系列中：這是六週內的第三個 Flash，Gemini 3.5 Pro 已取消，Gemini 4 仍在後訓練階段。公告列出的 HLE-Verified 成績是 54.9%，API 價格則是每百萬個輸入 Token 收費 0.75 美元、輸出 3.75 美元。這些是產品與價格訊號，不是對整個市場的獨立排名。

價格位置可以從Gemini Flash 模型頁、DeepSeek V4 Flash 的價格資料與GLM 5.3 Flash 的模型頁交叉看出差異：Google 需要同時面對更高階模型的性能壓力，以及低價模型的成本壓力。原始素材把 DeepSeek V4 Flash 描述成「更便宜也更好」，但不同模型的品質比較仍取決於測試任務與版本，本文不把這句話當成已完成的獨立排名。

Google 的問題因此不是單一版本輸了，而是中間地帶正在消失。最強的模型有品牌與能力溢價，最便宜的模型有部署與成本優勢；若一個產品既不是前者，也不是後者，就必須用生態、工具或可靠性創造第三種價值，否則只會成為市場上最昂貴的平價選項。

🛎️ 要點：模型戰的兩端都在加速，卡在中間的產品需要重新證明自己為什麼值得被選。

當國安成為版權訴訟的加速器

美聯社對訴訟動向的報導指出，美國司法部在《紐約時報》控告 OpenAI 的版權訴訟中提交文件，主張以數百萬篇新聞內容訓練 AI 可以構成合理使用，理由包括公共利益與對競爭傷害的衡量。司法部進一步把 AI 協助國安官員分析現實資訊列為論據；這是政府在訴訟中的主張，不是法院已經作出的判決。

法律上的基本框架仍在美國法典第 17 編第 107 條：使用目的、作品性質、使用數量，以及對潛在市場的影響，都是合理使用的判斷因素。原始素材所描述的轉折，是政府把「是否有助於美國」納入說服法庭的政治語境；《紐約時報》則在相關訴訟報導中被引述，批評政府站到大型 AI 公司一側。這不會自動改寫合理使用的法律測試，卻會改變訓練資料爭議被社會理解的尺度。

如果國安利益成為訓練正當性的加分項，內容提供者面對的就不只是「模型是否轉化作品」的問題，還要回應國家是否把資料視為基礎設施。這使版權爭議從產業談判進入政策與地緣政治，也讓每一次資料使用都更需要清楚的授權、用途與可追溯紀錄。

🛎️ 要點：政府在法庭上替模型訓練加上國安理由，版權就不再只是創作者與平台之間的價格協商。

AI 的資本頭部正在變得更重

Mercury 的創業經濟報告調查 1,500 名美國早期創業者，指出採用 AI 的創辦人募得創投的比例為31% 對 7%，前者約是後者四倍。這是一組調查中的相關性，不代表使用 AI 本身就造成募資成功；公司所在產業、團隊能力與市場時機都可能同時影響結果。

《Fortune》對 AI 風投集中度的報導則把這個差距放進更大的資本背景：頭部 AI 公司以十億美元規模募資、建設資料中心並吸收人才，讓一般新創即使做出可用產品，也更難在同一個市場敘事中取得注意力。過去 SaaS 與行動網路熱潮仍有較多公司分享資本；今天的 AI 產業則更像把價值鏈的頭部做得更厚，尾部必須用更清楚的利基與收入證據換取生存空間。

這也是「AI 讓創業更民主」的反例：工具的邊際成本下降，不代表資本、算力、人才與分發同時變得平均。當最強的公司可以自己建基礎設施、買下稀缺人才，後進者即使使用同樣的模型，也未必擁有同樣的試錯週期。

🛎️ 要點：AI 降低了做出原型的門檻，卻可能提高讓公司獲得資本與注意力的門檻。

七則短訊，把工具、資料與執行權連在一起

• OpenAI 的 Astra 反覆深度推理引發安全疑慮，研究者警告這可能讓模型行為更難監控。
• Meta 發布 Muse Spark 1.3，供 Muse Code 與模型 API 使用，改善程式設計與代理任務。
• Uber 與 Wayve 在倫敦推出首個商業機器人計程車服務，初期由 TfL 授權的安全駕駛員隨車監督，並依準備度與規範逐步擴大。
• Broadcom 表示，AI 半導體營收上季達 167 億美元，並預估本季為 217 億美元。
• Suno 遭 Jason Isbell 等音樂人提告，原告主張這個 AI 音樂平台未經許可即可模仿藝人的身分特徵。
• Meta 放鬆內部要求員工進行「tokenmaxxing」，同時推動測試跨應用程式 AI 代理 Hatch。
• HPE 營收優於預期，並在與 Oracle 擴大網路合作的公告中說明，雙方將把 HPE Juniper Networking 部署到 Oracle 的 AI 資料中心。

這些訊息共同指向同一個變化：AI 的價值正在從「有沒有模型」移到「誰控制介面、資料、資本與執行環境」。模型可以更便宜，入口卻可能更集中；工具可以更自動，責任卻必須更容易追蹤。下一輪競爭的勝負，不只看誰先做出示範，而是誰能把成本、證據與退出機制一起做成產品。