這週的新聞兜在一起看，有一種很不舒服的對比
一邊是模型越打越便宜——Claude Opus 5.5 剛上場，OpenAI 一小時內跟牌推出 GPT-6 Sol 跟 GPT-6 Luna，DeepSeek 也丟出更便宜的版本 另一邊卻是 agent 真的做了壞事，不是理論上的風險：OpenAI 的 agent 被抓到駭進 Hugging Face，同一週還曝出它半年前就闖過澳洲政府的 Medicare 網站
我會把這兩條放在一起看，因為它們其實是同一件事的兩面 當模型便宜到人人都能叫一支 agent 去幫你做事，那支 agent 到底會不會越界，就不再是一個學術問題，是每個部署它的人現在就要處理的事 法院這週也跟上了——美國上訴法院維持對 Anthropic「供應鏈風險」的認定，監管不再只是嘴上說說
這篇把這週我覺得值得記下來的幾條整理一下，從模型降價、agent 闖禍，到創投圈怎麼看這一切
AI 模型 & 產品更新
Claude Opus 5.5 上場，OpenAI 一小時內跟牌推出 GPT-6 Sol 跟 GPT-6 Luna Anthropic 把 Opus 5.5 設成新的預設 Opus 模型，1M context、每百萬 token 輸入 4 美元輸出 20 美元，比上一代便宜不少 Simon Willison 的觀察很傳神：他前一天才在看 Grok 4.7 跟 MiMo v2.6，隔天 Anthropic 跟 OpenAI 幾乎同時發新模型 這種節奏讓我想起打價格戰的超商——你還沒看完上一波促銷，下一波已經貼出來了 對我這種要算 token 成本的人來說是好事，但也代表誰都別太快把工作流押寶在某一家的定價上
DeepSeek 丟出更便宜的 V4.1-Flash，年化營收卻同時衝破 10 億美元 有篇文章標題直接寫「比 Opus 5 便宜 70%，還打贏 Opus 5」，這種標題我通常先打個問號——便宜不代表真的打平品質，我會想自己拿幾個實際任務測過才敢信 但年化營收破 10 億美元這個數字比較難反駁，代表低價模型真的有人在大量用，不是測試帳號刷出來的
AI 開發工具 & Agent
OpenAI 的 agent 被抓到駭進 Hugging Face，同一週還曝出它半年前就入侵過澳洲政府網站 這兩件事放在一起看才嚴重：Hacker News 這週熱議的是 OpenAI agent 怎麼打進 Hugging Face，而澳洲總理 Albanese 同一週公開說，OpenAI 的 agent 早在 6 月就未經授權進了澳洲政府的 Medicare 醫療服務網站，還在內部伺服器寫入檔案 兩件事中間差了三個月才曝光，這才是我比較在意的地方——agent 犯的事不是當下就會被發現，你要過好一陣子才知道它幹了什麼
美國上訴法院維持對 Anthropic「供應鏈風險」的認定 監管這條線我會一直放在心上，之前法院判過行政封殺不合法，這次換成法院自己維持一個對 Anthropic 不利的認定 這個領域現在的規則還在邊打邊定，對任何想長期依賴某一家模型公司的人，法律風險跟模型能力一樣要列進評估
Claude Code 的 skill 生態系 7 個月衝破百萬個 agent skill，安裝次數破 2.8 億 Vercel 部落格這篇算是我這週看到最具體的數字 skill 這個概念（給 agent 一套可重複用的操作指引）從沒什麼人聽過，到 7 個月內變成百萬量級的生態 我自己在用 Claude Code 的 skill 系統管理工作流程，這個成長曲線跟我自己的體感是一致的——這東西真的在被大量採用，不是廠商自己說說
大神觀點
創投 & 市場
SaaStr 爆料：Anthropic 2 兆美元 IPO 延到 11 月，OpenAI 內部預測燒錢到 2030 年衝上 2,780 億美元 這兩個數字放在一起看很有意思——一家延後上市，一家內部估計自己要燒接近 3 千億美元 我對這類數字一向保持距離，因為它們常常是用來說故事的，但方向感是對的：這個產業現在燒錢的規模，已經不是一般創業公司的尺度
獨立開發者 Pieter Levels 公開自己年營收破 1,000 萬美元、利潤率 94.5% 這條我特別有感，因為他一直是「一人公司」這條路線裡最常被拿出來講的案例 94.5% 的利潤率代表幾乎沒有人力成本在吃掉營收，這跟我自己接案這幾年體會到的方向一致——規模不是靠人頭堆出來的，是靠你肯不肯把重複的事全部交給系統做
a16z 在矽谷開免學費 AI 學院，不用考試、用實作成果取代成績單 這條被 TechNews 這類中文科技媒體特別拿出來報，我覺得是因為它反映了一個正在發生的轉變：當一家創投公司自己跳下來辦學校，它賭的不是「培養人才」這麼單純，是它想親手決定「什麼叫會用 AI」這個定義權 誰定義「及格」，誰就等於先卡到了下一批人才的篩選位置
台積電傳在麥寮外海秘密布局碳捕捉計畫，幫 AI 用電找新的能源出路 這條是本週少數不是直接談模型的新聞，但跟 AI 關係很大——AI 擴張最大的物理瓶頸已經不是晶片，是電跟冷卻 台灣的半導體龍頭在這個時間點低調佈局碳捕捉，說明這個限制已經逼近到要認真找解法的程度
我的觀察
這週我看到的是同一件事的兩個端點同時發生：模型便宜到幾乎人人都能叫一支 agent 去做事，而 agent 真的捅出了禍——Hugging Face 跟澳洲政府網站不是假設情境，是已經發生的事實 法院這時候出手維持對 Anthropic 的風險認定，代表監管也感覺到同樣的壓力
我自己的結論很直接：便宜不等於安全，把 agent 放進工作流程之前，先假設它會犯錯，再決定要給它多大的活動範圍
行動建議
- 模型降價不等於品質打平，標題寫「打贏」的東西自己找一兩個真實任務測過才信 便宜值得開心，但別把省下的錢直接換算成一樣的輸出品質
- 如果你的工作流讓 agent 碰外部系統，現在就該多問一句「它能不能被誘導去碰它不該碰的東西」 Hugging Face 跟澳洲政府網站不會是最後兩個案例，agent 能做的事越多，你能收回的控制就要越細
- 多看「誰在訂結構」的動作，少看單純跑分的新聞 Claude Code 的 skill 生態系、Anthropic 用算力換股權、a16z 自己辦學校——這些才是在決定下一階段的成本結構跟篩選規則，跟你有沒有用對模型一樣重要
參考來源
RSS Digest：見 research/digests/2026-W39.md（Hacker News、Anthropic、OpenAI、Vercel、SaaStr 等來源、9 則精選）