這禮拜我把這週的新聞攤開，發現它們其實在講同一件事：控制權
不是哪個模型分數又高了多少，而是更底層的問題——你用的 AI，存取權在誰手上、資料給了誰、哪天被誰一句話關掉 Fable 5 被美國政府要求停掉外國人存取、Claude 開始要你交身份、瑞士端出開源主權模型、歐洲推數位主權方案，全部指向同一個焦慮：當 AI 變成基礎設施，「它是誰的」就跟「它多強」一樣重要
我自己同時在跑十幾個專案、八個 Cloud Run 服務，這週的事直接打到我每天在用的東西，所以寫得比平常長一點
AI 模型 & 產品更新
Anthropic 被美國政府要求停掉 Fable 5 / Mythos 5 對外國人的存取——這是本週最大的事 問題不在政策本身，而在執行方式：雲端基礎設施分不出使用者國籍，結果是兩個旗艦模型「全球下架」 對在用最新模型的非美國企業來說，等於一夜斷線
這件事把一個原本很抽象的風險變成現實：你的 AI 供應商，受制於他所在國家的政府 如果你把核心流程綁死在單一原廠的最新模型上，這就是你帳上的風險，不是別人的
Claude 7/8 起對 Free / Pro / Max 用戶強制身份驗證（政府 ID + 自拍，由第三方處理） 好消息是 API / Business / Enterprise 方案豁免 如果你跟我一樣主要走 API，這條不影響你；但如果靠 Pro 訂閱在工作，要先想好
GPT-5.5 的幻覺率是 MIT 授權的開源 GLM-5.2 的三倍（這週 Hacker News 熱門） 這個對比很有意思：不是「閉源一定比較準」，分數最高的模型也可能在你最需要它老實的時候最會掰 我自己的做法是——關鍵輸出永遠要有可驗證的來源，不靠模型自我宣稱
瑞士的 Apertus——開源主權模型上線 EPFL / ETH 路線，主打「資料、權重、訓練流程全公開可控」 配合上面三條看，這不是巧合：當原廠的控制權變成風險，「我能不能自己掌握整套」就從理想變成採購會議上的問題
Meta 這週很忙：Muse Spark（往「個人超智能」推）、MTIA 自研晶片兩年四代、SAM 3.1 即時影像分割 但 The Batch 同時點出 Meta 正在「退出開源權重」——又一個原本開放的玩家開始收 開源這條路，玩家越來越少
AI 開發工具 & Agent
Agent 開始自己造 Agent The Batch 這週的標題是「Agents Building Agents」，Cursor 也出了 Composer 2.5 方向很清楚：寫 code 的人在往上一層走，從「自己寫」變「指揮一群 agent 寫、自己驗收」 我自己接案就是這樣跑——判斷跟驗收留給人，重複勞動丟給工具
Google Antigravity 2.0 主打「用 AI agent 做到 100X 工程」，從傳統 IDE 轉成 agent-first 平台，還用「skills」這個概念讓 agent 表現拉到更高 如果你還在「一行一行讓 AI 補全」的階段，這波是提醒：工具已經跳到「整個任務交出去」了
30 分鐘把 MCP server 部到 GKE（Google Cloud 教學） MCP（Model Context Protocol，Anthropic 提的標準，讓 LLM 接外部工具/資料的統一介面）正在從「實驗」變「基礎建設」 如果你在做 agent，這個協定值得現在就學，不然之後每個工具都要自己接一套
Ray Serve LLM on GKE、Qwen3.7-Max 衝上第三名——開源 / 自架這條線整週都在加速 搭配前面的主權主題，訊號很一致：越來越多人開始認真評估「能不能用開源 + 自架，把核心留在自己手上」
大神觀點
「Socrates as a Service」——把蘇格拉底式對話做成服務 AI 不直接給答案，而是反問、引導你自己想清楚 我覺得這是教育類 AI 最被低估的方向：大家都在做「幫你寫」，但真正難的是「幫你想」 會問問題的 AI，比會給答案的 AI 稀缺得多
這週連發多篇回顧，主軸兩個：一是「開源權重陣營在縮」（Meta 轉向、各國評估自家模型），二是「模型評估方法要超越 SWE-bench」 重點是：別只看跑分，要看它在你真實工作流裡會不會在關鍵處出錯
a16z 這週發了「新媒體一年回顧」+ 開「Talent Engineer Fellowship」 創投親自下場做內容、做人才招募——這也是一種「控制權」：與其等市場給訊號，不如自己建通路、自己養人
創投 & 市場
歐洲走「開放數位主權」這條路（Google Cloud 談歐盟 Tech Sovereignty Package） 連大廠都開始用「主權」當賣點，說明這不是邊緣議題，是接下來幾年企業採購的主軸之一 對在台灣做醫療、政府、教育案的人來說，「資料留在境內、架構可控」會越來越常被寫進需求
中國推 AI 專案用綠電遇到阻力（Reuters）、資料中心抗爭升溫（The Batch） AI 的算力擴張正在撞上電力跟在地社區的現實，這條線會越來越影響部署選哪個 region、成本怎麼算
a16z 本週投了 Telepatia、Convey 題目都偏「把 AI 接進真實產業流程」，不是又一個聊天機器人 錢的流向也在說同一件事：通用對話紅海了，垂直落地才有空間
行動建議
-
別把核心綁死單一模型廠 Fable 5 出口管制證明了單一供應商風險是真的 如果你的產品重度依賴某家最新模型，現在就該想 fallback——退到上一代、或接一個備援模型 API，至少留條活路
-
把「主權 / 在地化」當成需求，不是加分項 如果你做醫療、政府、金融，客戶遲早會問「資料在哪、誰能看、能不能自己掌握」 提早把答案準備好，這會是你跟一般顧問的差異化
-
開源模型做日常、旗艦模型做難的 GLM、Qwen 這些開源模型已經夠好，用來處理八成的日常任務、把成本壓下來，旗艦模型留給真正需要它的架構級決策 這個分層路由現在就能做
-
MCP 值得現在學 它正在變成 agent 接工具的標準 早一步把工具用 MCP 標準化，之後換模型、加工具都省事
參考來源
RSS Digest: 見 research/digests/2026-W26.md（本週 280 篇，精選 8 個 Top Stories）
主要來源：Anthropic、Hacker News、Meta AI、The Batch (Andrew Ng)、Google Cloud Blog、Every (Dan Shipper)、a16z、Reuters