本周焦點事件

1. 史上最大 IPO 又要來了？Anthropic 傳出瞄準 10 月 $2 兆估值
2. 台灣資安公司 TeamT5 ： 中國駭客利用 DeepSeek 展開大量攻擊，攻擊數量倍增
3. 神秘模型 Ox Alpha 免費上線，擁有百萬上下文與多模態能力
4. 開源專案爆增 3 倍、年增 178%，垃圾 PR 也跟著失控
5. Anthropic 內部愛用的 ELI5 Skill，用「大圖＋少字」解釋複雜概念

史上最大 IPO 要來了？Anthropic 傳出瞄準 10 月 2 兆美金估值

Anthropic 的投資人本週對外放話，目標是讓公司最快在 10 月以 2 兆美元估值掛牌，一旦成真，將甩開 SpaceX 今年 6 月才創下的 1.77 兆紀錄，成為史上最大規模 IPO。換句話說，一家公司可以在還沒真正敲鐘上市之前，光靠投資人放話，就把估值喊到 2 兆美元。

我認為這則新聞真正有價值的是 AI 公司的營收成長曲線，為什麼 OpenAI 還在想辦法用廣告補貼 ChatGPT，Anthropic 卻開始出現正向的推論經濟效益？

Anthropic 約 80% 的營收來自企業市場，API 與 Claude Code 多半按照實際用量收費。企業讓 Claude 多跑一百萬個 token，帳單通常也會跟著增加，所以新增的算力成本比較容易轉嫁出去。尤其 Claude Code 解決的是寫程式、維護系統這類高價值工作，企業只要認為它能省下一名工程師幾個小時，就比較願意接受一張不便宜的帳單。

但 OpenAI 完全不同，ChatGPT 擁有超過 9 億名每週使用者，其中約 95% 沒有付費；即使是 Plus 訂閱戶，每個月也只付固定費用，重度使用者不會因為多問一百題就多付錢。OpenAI 的付費產品其實也已經有不錯的推論毛利，真正麻煩的是免費流量、固定月費重度用戶，再加上模型訓練與研發支出全部疊在一起。使用者成長得越快，帳單也跟著長，而且其中大多數帳單沒有人買單。

觀察筆記

目前估計約 70% 的推論毛利，也不代表 Anthropic 已經穩定獲利。訓練模型、延攬研究人員與擴建算力仍然非常燒錢。不過它至少證明了一件事：企業型 AI 服務的成本，比免費聊天機器人的成本更容易轉嫁給客戶。

台灣資安公司 TeamT5 ： 中國駭客利用 DeepSeek 展開大量攻擊，攻擊數量倍增

台灣資安公司 TeamT5 指出：中國一個代號叫 Teleboyi 的駭客組織，最近用 DeepSeek 一口氣測繪了 1,000 組目標 IP 位址，替下一波攻擊鋪路。並提到中國國家級駭客組織自從把 DeepSeek 整合進攻擊流程後，攻擊量直接翻倍。

TeamT5 首席分析師 Charles Li 提到：DeepSeek 之所以成為中國駭客的首選，是因為它「相對強大、但護欄低到幾乎等於沒有」。因為這個模型幾乎不會因為你問的問題太危險就拒答，換成 OpenAI 或 Anthropic 的前沿模型，光是要騙過拒答機制、繞過安全審查，本身就是一筆額外的研發成本。對駭客來說，這筆成本能省則省。

其他還有兩個案例，一個被稱為 Grimfengxi 的組織，直接讓 DeepSeek 生成漏洞攻擊程式碼；另一個被稱為 Huapi 的組織，則是用中國 AI 模型入侵了一家台灣企業的電子郵件系統。同一套便宜又好用的開源模型，正在被拿來網攻自動化：偵察、找漏洞、寫程式、滲透，一條龍全包了。

觀察筆記

這件事值得認真看待，是因為它剛好呼應了英國 AISI 報告：AI 自主完成整套網路攻擊的能力，倍增速度已從 2025 年底的每 8 個月一次，加快至今年 2 月的每 4.7 個月一次。

同一波攻擊裡，也出現了分別使用 DeepSeek、Claude 與 ChatGPT 的駭客組織。這代表問題早已跨越單一模型或國家，攻擊者正在挑選最適合每個任務的 AI。企業未來面對的，可能是一條由多個模型共同組成的自動化攻擊鏈。

AI 郵報學院近期開課：

用 Replit Agent 打造金融 Dashboard

由全端工程師張維元（清大資工所畢業、台灣區微軟 Imagine Cup 冠軍，曾任資料科學年會與 MOPCON 講師）親自帶你走一次完整的 AI 資料工程流程：

• 從需求拆解、用 Replit Agent 分析公開金融網站、建立爬蟲
• 到清洗價格、日期、成交量與漲跌幅等資料，製作指標卡、趨勢圖及互動式資料表，最後透過 AI Debug 並部署上線。

不需要深厚的程式基礎，下課就能完成一個可以互動、可以部署的金融儀表板，並將這套方法延伸到股價追蹤、產業資訊、政府開放資料及新聞網站等場景。

特別適合想動手完成第一個 AI Agent 專案、製作資料應用作品集，或把公開網站資料變成實用工具的人。

用 Claude Code 自動剪 Podcast

由擁有超過七年行銷經驗、現任智慧單車新創公司 MOSA Innovations 行銷主管陳子庭，親自帶你建立一套不必打開剪輯軟體的 Podcast 初剪流程：

• 從用 Claude Code 讀取錄音專案、產出逐字稿，辨識贅字、重錄片段與離題內容
• 到讓 AI 產生剪輯清單、由人工逐條確認，再自動執行剪輯並輸出雙軌成品，完成片頭片尾與音檔收尾。

下課後，你將帶走可直接複用的剪輯 Skill 資料夾、下指令範本與判斷小抄，把原本可能耗費一整個下午的 Podcast 初剪工作大幅縮短，同時保留對內容品質的最終把關。

特別適合 Podcast 主持人、多人協作節目團隊，以及想節省後製時間、卻不希望犧牲內容品質的創作者。

神秘 AI 模型 Ox Alpha，百萬上下文、長輸出、多模態輸入與 Tool Calling

8 月 20 日，一個代號 Ox Alpha 的匿名 AI 模型，悄悄在 OpenRouter 與 OpenCode 上「免費」上架。

context window 一百萬 Tokens，支援文字、圖片甚至影片輸入，還能處理 function calling 與 JSON 輸出。

真正讓 Ox Alpha 衝上話題版的，是匿名的 AI 供應商，讓全網當起偵探。眼尖的開發者去戳它的 API，發現裡面藏著 paas/v4/chat 這樣的路徑字串，跟中國 AI 公司智譜（Zhipu AI）一貫的系統命名習慣一模一樣。另一路人馬則比對了 tokenizer（可以想成 AI 理解文字的「切字」規則，每家模型切法都不一樣，幾乎是數位指紋），聲稱在95次測試裡，Ox Alpha 與智譜已發布的 GLM-5 詞彙表全數吻合。

這場猜身分的遊戲背後，其實是一個更大的產業現實：中國開源模型已經悄悄跑進了美國新創的生產環境。a16z 合夥人 Martin Casado 的統計是，高達80%的美國 AI 新創在募資簡報裡，已經承認自己用的是中國開源模型，而不是 OpenAI 或 Anthropic。a16z 官方部落格甚至公開主張，開放權重模型的透明與可及性，反而有助於 AI 被安全地發展，這也是為什麼 Y Combinator 會帶頭聯署，要求政府別限制美國企業使用中國開放權重模型。

開源專案爆增 3 倍、年增 178%，垃圾 PR 也跟著失控

你知道嗎，2025 年一整年，GitHub 平均每分鐘就冒出 230 個新的 repository，等於你眨眼的功夫，世界上又多了一個開源專案。根據 GitHub 的 官方報告，2025 年全球新增了 1.21 億個 repository，創下史上單年新高，開發者總數也第一次衝破 1.8 億人。

把時間拉回 AI coding 工具還沒普及的 2020 到 2022 年，GitHub 每年新增的 repo 數量落在 5200 萬到 6100 萬之間，但在 2023 年之後：那年生成式 AI 專案數量年增 248%，接著 2024 年 AI 相關專案整體年增 98%，到了 2025 年，累積的 AI repo 已經衝到 430 萬個，用上 LLM SDK 的公開 repo 更是年增 178%，來到 110 萬個。

但 repo 數量創新高的同一時間，GitHub 內部正在頭痛一個完全相反的問題：東西太多，但很多是垃圾。curl 的資安負責人 Daniel Stenberg 指出 2025 年中他們收到的 bug bounty 提交，真正算得上漏洞的只剩 5% 左右，另外大概 20% 疑似是 AI 生成的垃圾內容。

觀察筆記

AI 大幅降低了建立專案的門檻，卻沒有同步解決維護、審查與長期經營的問題。多倫多大學分析超過 1.5 萬個 repository 後發現，AI 生成程度愈高的專案，18 個月內被放棄的機率是一般專案的 3.2 倍。

這讓我想到夜市的加盟飲料店。配方、機器和 SOP 全部準備好之後，開店變得很容易，但一條街瞬間冒出五家，也可能一年後全部換招牌。

未來真正稀缺的能力，可能不再是「把專案做出來」，而是判斷什麼值得做，以及願不願意把它維護下去。

Anthropic 內部愛用的 ELI5 Skill，用「大圖＋少字」解釋複雜概念

Claude Code 團隊工程師 Thariq Shihipar 在 8 月 21 日分享了一個 Anthropic 內部很常使用的 ELI5 Skill。只要輸入 /eli5 加上想了解的主題，Claude Code 就會生成一個獨立 HTML 頁面，用大圖示與少量文字解釋複雜概念。

ELI5 掛在 Anthropic 官方 GitHub 帳號下的社群外掛倉庫，由 Thariq 個人掛名，嚴格來說還不算 Anthropic 正式產品。技術上，Skill 就是一個包含 SKILL.md 的資料夾，讓通用型 Agent 可以臨時載入某個領域的工作方式，不必重新訓練模型。

示範影片中，有人用它解釋 MCP 與 AI Agent Harness。原本需要好幾頁文件才能說清楚的概念，被整理成一張圖和幾行文字，理解速度確實快很多。

觀察筆記

同一週，Claude Code 還推出了能把構想或截圖轉成可編輯 artboard 的 /design Skill，以及回覆更精簡的 Concise 模式。Claude Code 的能力正在透過一個個 Skill 快速擴張，不必每次都等基礎模型升級。

OpenAI 與 Google 也先後推出動態視覺解釋和互動圖表。三家公司都在押注同一件事：使用者想要更快理解資訊，光是生成更多文字已經不夠了。

當然，ELI5 適合當成理解入口，不能取代原始資料。圖畫得再漂亮，漏掉的細節還是漏掉了。某種程度上，它也可能只是大家終於找到一個方法，治療 Claude 話太多的老毛病 XD

喜歡這期內容嗎？有哪一則讓你特別有感？
歡迎回信或是 Instagram 告訴我們，我們會偷偷讀大家的回覆的！

我們下周見
—AI郵報 編輯團隊