每週大事電子報
AI 小道消息 01 Apple 於 9/14 正式釋出 iOS 27 等作業系統，同步推出重新打造的 Siri AI，以英語限定、需加入候補名單的 beta 形式上線，具備讀取螢幕內容與跨 App 執行動作的能力，基礎模型據報與 Google Gemini 技術合作開發，EU 與中國因監理因素暫不開放。 02 環球音樂（UMG）與 ElevenLabs 宣布簽署多年授權協議，將共同開發一個讓樂迷能用已簽約、選擇參與（opt-in）藝人歌曲製作混音與個人化人聲體驗的 AI 音樂平台，這是 ElevenLabs 與三大唱片公司簽下的第一份主要授權協議，平台尚未命名也無公開上線日期。 03 Adobe 在 Premiere Pro（Beta）
ComfyUI
從 ComfyUI 安裝、MiniMax H3 多幀工作流到本機硬體配置，實測 H3、Google Veo 3 與 Seedance 2.5 在相同素材與提示詞下的影片生成表現，並使用搭載 RTX 5090 Laptop GPU 的 AORUS MASTER 16 GEN2，拆解本機 AI 影片生成的完整創作流程。
每週大事電子報
AI 小道消息 01 Google DeepMind 發表新一代天氣預報模型 WeatherNext 3，直接學習即時衛星影像，解析度從 25 公里提升至 5 公里、每小時更新一次，宣稱降水預報準確度最多提升 50%，將整合進 Search、Maps、Gemini 與 Earth。 02 舊金山新創 Atlas 開放旗艦 EEG 穿戴裝置 Atlas 1.0 Pioneer Edition 預購，售價 $499 另加 $29.99／月訂閱，號稱能整天量測專注、壓力與心神疲勞，首批預購數日內售罄，預計 2027 年第一季出貨。 03 電力公司正競相與核融合新創結盟以因應 AI
每週大事電子報
AI 小道消息 01 Anthropic 於 8/27 發布 Model Hardware Standard（MHS） 研究預覽版，讓 AI agent 能直接讀懂並操作顯微鏡、機械手臂、雷射等實體設備。案例中 Claude 替量子電腦公司 QuEra 校準雷射，成功率從人工的 58% 拉高到 99.3%，耗時從 150 秒縮短到 6 秒。 02 The Information 率先報導，Nvidia 傳以 129 億美元收購開源模型平台 Hugging Face，雙方目前均未證實，但 Nvidia 罕見地沒有像過往那樣迅速出面澄清。彭博社最新消息稱協議可能「這週內」
每週大事電子報
AI 小道消息 01 DeepSeek 開源了 DeepSeek Harness，主打「everything is a plugin」的模組化 AI agent 框架，甚至能把 Claude Code、Codex 當成 sub-agent 調度，不過旗艦模型 V4-Pro 隨後調漲最高 1100%。 02 Hugging Face 傳出正委託投資銀行探索以超過 $130 億美元估值出售，較 2023 年 $45 億美元估值幾乎翻三倍，但目前尚無具體買家。（來源：TechCrunch） 03 Apache Maka 正式進入 Apache Software Foundation
每週大事電子報
前兩週大家點擊其他連結的次數都比讀者調查多 XD，還是希望大家能幫我們填一下這份調查。 其實有廠商想藉這次調查提供我們一些 credit 當作獎勵機制，但我們想了很久：上次讀者調查搭 Manus，就很明顯有讀者是為了 Manus 點數才來填的（雖然他們的答案還是有認真填啦），但我們非常希望這份調查不要讓大家帶著嚕羊毛的心態來填，而是變成一次回顧、檢視自己使用 AI 方式的機會，也歡迎已經填寫的讀者們可以分享給自己的同事、朋友一同填寫！ 👉 填寫「2026 AI 郵報讀者調查」 填完可以優先拿到完整報告，希望我們可以在AI學習這條路上一起成長。 接下來，就讓我們一起快速掌握本週五件最值得關注的 AI 大事！ 本周焦點事件 1. Hermes 推出「Bot Mode」，可以分出不同職能的 Agent Bot 一起工作，還能操作電腦！ 2. 支付巨頭 Stripe 收購 AI 聚和器/ 模型市集 OpenRouter，半年身價翻
每週大事電子報
上週在讀者調查後台，我看到一則留言，寫著：「AI變化太快了，不知道未來產業會怎麼發展，所以搞不太清楚學AI的終極目標。」 我認為學 AI 跟你當年學Adobe、學剪輯、學任何一套工具其實沒有兩樣，本來就沒有「學到底」這回事。工具永遠是圍著你的工作和生活需求在轉，而不是讓你追著工具的版本更新跑。 真正決定你會不會持續學下去的關鍵，跟AI進化到哪一步其實沒什麼關係，關鍵在於你對現在的工作或生活有多不滿意，你有多渴望把事情做得更好更快，或是你的痛點有多痛。饑渴程度夠高，你才有動力一直把 AI 往自己的需求裡塞，也才學得下去。 這也是我們每次出去分享時最常講的一句話：學AI的第一步，根本不是去研究模型多強，而是先把自己的工作攤開，找出哪些環節可以讓AI接手。 感謝各位陪伴我們的讀者留下自己的答案，調查還在繼續！如果你也想留下自己用AI的紀錄，或想搶先看到完整報告出爐，歡迎花 6-8 分鐘填一下： 👉 填寫「2026 AI 郵報讀者調查」 填完可以優先拿到完整報告，希望我們可以在AI學習這條路上一起成長。 接下來，就讓我們一起快速掌握本週五件最值得關注的 AI 大事！ 本周焦
每週大事電子報
上週我們開始今年的讀者調查，雖然離結束還有兩週的時間，但我們真的很好奇大家的答案，所以就偷看了一下 XD 有位在製造業擔任工程師的讀者分享，我覺得他的比喻很妙： 主管們都認為用 AI 可以減少開發時間，其實不然，反而增加了開發時間，因為很多事一直冒出來，而時間沒有被增加，原因是你被認定有 AI 助手，這跟人月神話有異曲同工之妙。聽過一句最寫實的話，再怎麼會生小孩，也是需要 10 個月才能誕生阿。 我非常認同，對於需要精密打磨的任務，十個 AI 助手也沒辦法改變「磨」這件事，就跟十個女人沒辦法一個月生出小孩一樣。而這也呼應目前的調查上，目前有 44.3% 的讀者用了 AI 之後工作量不減反增，真正省下的時間，很少變成「輕鬆」，而是被重新排進更多任務裡。管理者把 AI 當成人力乘數，但乘出來的常常不是產出，而是期待。 目前已經有 300+ 位讀者留下了自己的答案，
每週大事電子報
這是第 58 期的電子報，一週一篇，算一算，大家也跟著我們走過整整一個年頭了。 有些讀者可能發現，我們電子報裡蠻常固定放一個篇幅，專門講 AI 使用調查，有些是在講企業採用率，有些是在拆解使用者用 AI 的階段分佈。我們認為這些研究蠻重要的，就我自己而言，這些研究也同時在協助我梳理目前大多數人都是如何使用 AI ，也檢視我自己在使用 AI 的盲點或是挖掘提升的空間。 我們自己也填過不少類似的調查，只是每次填完都覺得，這些題目對職場情境來說有點太無聊了。問的不外乎是你用哪些工具、AI 有沒有讓你的工作效率提升。其實看久都會有種麻痺感，好像全世界的人都活在同一個 Google Form 裡，久了就有點懶得填了 XD 這次的 AI 使用習慣調查，我們想做的，是那種你看到題目會愣一下、然後真的認真想過一遍才作答的問題。比如：如果發現職能表現很強的同事，其實是靠 AI 做出來的成果，你會是什麼感受？或是，你覺得自己用 AI
每週大事電子報
AI 小道消息 01 百度以 MIT 授權釋出僅 33 億參數的文件辨識模型 Unlimited-OCR，靠 32K 上下文一次讀完百頁 PDF、不用逐頁切割，標準測試準確率達 93%，40 頁以上文件錯誤率壓在 0.11 以下，且可在本機部署免上雲端。（來源：CodeSera） 02 Google 發表 Gemini 3.6 Flash，同步推出更快的 3.5 Flash-Lite 與限量開放給政府機構的 3.5 Flash Cyber，主打更低 token 用量與更強的程式碼、多模態表現，官方數據顯示 DeepSWE 基準測試最高可省下 65%
技嘉AITOP
DeepSeek 把 API 價格砍到 25 折，OpenRouter 上一堆模型也跟著殺價，一堆免費額度都等著你來用。但問題是：便宜的 API 解決得了「這次對話花多少錢」，卻解決不了「這些資料跟經驗，最後留在誰手上」。 想清楚這件事，我決定把整套 AI workflow 搬到地端，自己搞清楚模型、Agent、串接全部留在自己手上到底跑不跑得起來。第一步是找一台扛得住大型語言模型、也撐得住團隊多人同時請求的地端主機。 這篇不只是開箱文，是我把 vLLM、開源量化模型跟 Hermes Agent 兜起來、串進公司 Slack 的第一手部署紀錄，中間卡關卡到想放棄不只一次。這篇文章會老實告訴你：我們團隊測試出來的幾個心得、Agent 怎麼設計才不會炸 context、還有卡最久的報錯怎麼解。 這篇文章會依序談到： * 一、為什麼選擇地端——人力資本與代幣資本的框架，以及整套系統的架構總覽 * 二、
每週大事電子報
AI 小道消息 01 200 多位 AI 研究者與經濟學家（含 16 位諾貝爾獎得主）聯署 「We Must Act Now」 聲明，呼籲各國政府提前建立社會安全網與勞動政策，以應對規模堪比工業革命、但速度快得多的 AI 經濟衝擊；Google、Anthropic、OpenAI 高層皆列名聯署。 02 OpenAI 全面推出 GPT-5.6 家族（Sol／Terra／Luna），跑分緊追搶先發布的 Claude Fable 5：Coding Agent Index 由 Sol 奪冠，但 Fable 5 在完整程式碼庫任務與數學上仍領先，成本效益上