《AI 趨勢-蔡博探路》Token 精算時代：當「用得多」不等於「用得好」

蔡源鴻 -

本週有一則新聞特別引起注意，那就是 Meta 內部正在建立一套 AI Gateway，用來追蹤員工使用 AI 的狀況與成本，並準備為每個團隊、每個 Agent 設定 token budget。這則消息本身不算大新聞，但卻透露出一個訊號，那就是 AI 產業的比較基準，正從用越多越好的「Token-maximizing」，轉向「這個 Agent 完成一件工作，要花多少 token 才划算」。

本週各家模型仍在能力上互相較勁，但價格策略、風險警訊與底層論文所共同指向的，其實有點類似，那就是：Model-centric 的思維正逐漸讓位給 System-centric 的思維。重點不再只是哪個模型最強，而是整套系統能不能被有紀律、有節制地部署。以下是本期精選趨勢：

一、模型競爭正在轉向價格戰？

本週最值得留意的定價訊號來自 Anthropic 新推出的 Claude Opus 5，官方形容為「深思熟慮且具有主動性」，智慧能力接近旗艦的 Fable 5，但價格僅有一半。

Meta 則是另一種有趣的計費方式，剛發布的終端 coding agent「Muse Code」與底層模型「Muse Spark 1.2」，能力已能與 OpenAI Codex、Claude Code 相提並論；但真正引人注意的是定價細節。只要使用者同意讓 Meta 利用自己的 prompts 進行訓練，API 費用便可降低約 21 倍。換句話說，價格不再只跟算力成本掛勾，「資料換折扣」正在成為新的商業槓桿。

二、機器人成為模型新戰場

Black Forest Labs 開放搶先體驗的 FLUX 3，是一款能同步產生影片、影像與音訊的視覺智慧模型；而他們基於同一套技術延伸出的 FLUX-mimic，則是專為奧迪產線打造的機器人控制變體，目標是大幅縮短機器人的學習時間。

與此同時，Google DeepMind 推出 embodied reasoning 模型 Gemini Robotics ER 2，讓多台機器人得以在共享空間中協同執行任務，並強化了對時間與空間的推理能力。從生成內容到指揮產線機器手臂，模型的戰場正明顯地從螢幕延伸到實體世界。

三、能力愈強，警訊愈密集

模型能力上升的同時，風險訊號也在本週密集出現。近期 OpenAI、Anthropic 先後揭露模型在資安測試中意外存取真實外部系統；之後 Meta 的 Muse Spark 1.1 也出現類似事件。Meta 與 Anthropic 的案例都與第三方測試環境的權限／網路配置錯誤有關，並非模型自行突破原本正確配置的沙盒限制。美國政府也召集主要 AI 業者討論如何強化安全測試與監管機制。

與此呼應的是，超過 1,000 名來自 OpenAI 等機構的員工，聯名發出一封公開信《把握前沿發展節奏》，呼籲美國協助開發相關工具，以便在世界還向自主 AI 研究之際，能夠「有意識地控制」 AI 進步的節奏。

另一則值得玩味的資訊，則是一場隔空的數學能力對話。OpenAI 披露其下一代主力模型內部版本「Astra」解決了 10 個長期懸而未決的數學與計算機科學難題。緊接著，Anthropic 研究員 Levent Alpoge 在 24 小時內也表示，他在完全無網路的情況下，利用 Fable 模型複現了其中的 6 個證明。再加上稍早 Claude Fable 5 也以一行公式，破解了自 1939 年以來困擾數學界的 Jacobian conjecture。目前，學術圈正認真討論 Astra 的成果是否夠格角逐有著「數學諾貝爾獎」之稱的 Fields Medal。這場對話與其說是在比誰更強，不如說是在提醒業界，前沿能力的驗證正變得愈來愈難以壟斷或獨占。

四、監管與法律極力追趕技術的腳步

技術狂奔的同時，監管與法律層面同樣沒有閒著。歐盟開始實施《AI 法案》第50條透明義務，要求 AI 聊天機器人、deepfakes 及其他 AI 生成內容強制加註標籤，以減少欺騙與操縱。而 Anthropic 與圖書作者達成的 15 億美元版權和解案，也獲法院批准。該協議涉及從盜版網站獲取的 48.2 萬部作品，每部作品賠償近 3,000 美元，更重要的是，這個案件也同時確立了 AI 訓練屬於「合理使用」的法律地位，將成為產業後續訓練資料合規的重要參照。

另一方面，Stanford 大學與 Arc Institute 的研究人員，利用 Evo1、Evo2 模型設計出 16 種自然界不存在的病毒基因組（相關成果已發表於《科學》期刊），則是語言模型首次產出完整且具有生物活性的基因組成果，也再一次把「AI 是否可能被用於生物風險」這個問題，從假設性的討論推向現實。

五、學術前沿：效率與穩健性，正成為隱形的競技場

當模型能力已經逼近人類難以驗證的邊界，近期幾篇論文所關心的，反而是更基礎的問題：效率與穩健性。

  • 普林斯頓大學、卡內基美隆大學等機構提出「Skill Entropy」指標，用以量化模型從一種推理技能切換到另一種技能的困難程度，並建立涵蓋 558 項技能、跨 9 個領域的 Skill2-Bench 基準測試。研究發現模型表現會隨任務複雜度上升而下降；他們也設計了一套技能熵強化學習架構，要求模型在給出答案前先預測自己需要用到哪些技能標籤，結果同時提升了準確度與技能切換能力。正好呼應了 Agent 系統愈來愈需要跨領域、長流程作業的現實。

  • 蘇黎世聯邦理工學院、哥倫比亞大學等團隊提出的 RAG-Stack 架構，則是想解決 RAG 系統裡，「品質」與「效能」互相拉扯的老問題。架構由三個模組組成：負責全局優化與單階段診斷的 RAG-PE、讓工作負載與系統脫鉤的 RAG-IR，以及能免去實地測試、直接預測最佳部署的混合模型 RAG-CM。在 RAGEval 與 MSMARCO 測試中，其 Pareto 前沿覆蓋率比既有最佳方法提升 52.5% 至 153.2%；而換到新硬體時，還能直接沿用既有品質數據，覆蓋率提升可達 182.2%。

結語

本週AI的發展看似矛盾卻又合理：模型能力仍在往上提升，包括數學證明、生物設計、超長 context、實體世界控制，一項比一項驚人；但企業與研究者關心的問題，卻愈來愈往「怎麼把這些能力管好、用得有效率」靠攏。Meta 設 token budget、Anthropic 用一半價格換同等智慧、上千名業界員工聯名呼籲放慢腳步，某種程度上都像是在呼應，能力已經不是唯一的稀缺資源，如何有節制、有紀律地部署，才是下一階段真正要解決的題目。