欸你知道嗎，有間公司叫 Inception Labs 剛推出一個新的 AI 模型叫 Mercury 2，速度快到不行。簡單來說就是，它在高級 GPU 上一秒鐘可以處理 11,000 個字（token），這是什麼概念呢？就像是你現在用的 ChatGPT 要想一下才能回你，但這個新模型幾乎是瞬間秒回。 它用的技術叫「擴散模型」，這個名詞聽起來很複雜，但其實就是那個能畫圖的 AI 技術（像 DALL-E），現在被拿來處理文字。說真的有點扯，因為大家都以為這種技術只能用在圖片上。 為什麼這很重要呢？如果這個技術真的能用，那就代表：一、AI 回答你的問題會快到不行；二、公司用 AI 的成本會便宜很多；三、一些需要即時反應的應用（像是客服、翻譯）才有可能真的做出來。播客裡面有人詳細解釋為什麼這對真正要上線的 AI 產品這麼重要，有興趣的話可以聽一下。
欸你知道嗎，OpenAI 剛推出一個新的 AI 叫 GPT-4 Omni，簡單來說就是它現在超強，可以同時處理聲音、圖片和文字，而且是即時的。想像一下，你跟它說話，它不只聽得懂你的聲音，還能看你的照片，然後馬上給你答案，不用等待。這就像是之前的 ChatGPT 只會讀文字，現在變成五感全開的版本，說真的有點扯。如果你常用 AI 來工作或學習，這個更新可能會改變你的使用體驗，值得看看它到底強在哪裡。
This isn't just better chatbots — GPT-4o can literally see your screen, hear your frustration, and respond instantly without the awkward text-to-speech delays
欸你知道嗎，Anthropic（就是開發 Claude 那間公司啦）週一宣布跟 Amazon 簽了一個超級大的合約。簡單來說就是，Anthropic 未來十年要花超過 1000 億美元跟 Amazon 買算力（就是電腦運算能力啦），而且 Amazon 還會投資他們 50 億美元，之後根據進度還可能再加 200 億。這代表什麼呢？就是 Amazon 真的很看好 Claude 這個 AI，願意砸大錢來支持他們。對我們來說，這表示 Claude 這個 AI 助手應該會越來越強，因為他們有充足的資源去訓練和改進模型。說真的，這筆投資大到有點扯，足以看出 AI 戰爭現在有多激烈。
5GW is enough power to run a small city, and Anthropic just locked it up for a decade — that's scarcity economics in action
欸你知道嗎，OpenAI 剛剛募到超誇張的 1,220 億美金，這是他們有史以來最大筆的融資。這筆錢要幹嘛呢？簡單來說就是買超級電腦、擴張到全世界，還有應付 ChatGPT 和企業版 AI 爆炸性的需求。說真的有點扯，就是 OpenAI 在賭未來，要把 AI 變成像電力一樣，每家公司都用得起的基礎設施。如果你在用 ChatGPT，這代表背後有超多錢在支撐它變得更強更快，你的工作流程可能會因此大改變。
This $122B isn't just about ChatGPT — it's OpenAI betting they can replace entire software categories with AI-first solutions
欸你知道嗎，OpenAI 最近宣布了一堆新的企業 AI 工具，包括 Frontier、ChatGPT Enterprise、Codex，還有可以在整個公司用的 AI 代理人（就是 AI 助手啦）。現在各行各業的公司都在搶著導入 AI，從銀行、工廠到百貨公司都在用。 簡單來說就是，OpenAI 不是只想賣你一個聊天機器人而已，而是想幫你的公司建立一套完整的 AI 系統——讓 AI 不再只是 IT 部門的事，而是整個公司上下都能用。這就像是從前只有少數人會用電腦，現在變成每個人都要會用一樣。 對你來說呢？如果你在公司上班，你的工作流程可能要改變了。有些重複性的工作可能會被 AI 接手，但同時也會出現新的機會。說真的，這波 AI 浪潮已經不是未來式，而是現在進行式了。
OpenAI is positioning company-wide AI agents as the new normal, not just chatbots for customer service
白話點評
有人剛剛讓所有其他LLM看起來像在用撥接網路跑
Inception Labs昨天丟出Mercury 2，數字根本離譜——H100 GPU上每秒11,000個token。講白話，大多數正式環境的LLM才跑幾百個token而已，還要為了準確度犧牲速度，結果用戶就在那邊等到天邊。但這裡才是最扯的地方：Mercury 2用的是擴散模型（diffusion models），就是那個讓DALL-E能生成圖片的技術，只是現在被用來生成文字。根本就像有人在AI研究室裡走錯方向，結果意外解決了大家都在忽視的速度問題。如果這東西真的能在正式環境保持品質——我說的是真的『如果』——我們就要看到真正的即時AI對話、便宜到爆炸的API成本，還有那些原本『太慢沒辦法用』的AI功能全部起死回生。整個推論成本的遊戲規則直接被翻過來了。
Action
馬上試用等著LLM花3到5秒才生成一段文字，使用者在那邊不耐煩，API成本還一直往上爬
秒速拿到AI回應，感覺就像在跟真人聊天，API成本低到根本合理，高流量應用也能負擔得起
AI 怎麼看
雲端運算與API
high趕快拿你現在的token成本去跟這個每秒11K的基準線比一下——如果Mercury 2真的能在正式環境穩定運作，你的API帳單馬上要砍掉一大截
大家都在追求更聰明的模型，結果Inception Labs直接從圖片生成技術借來靈感，把整個推論成本的遊戲規則改寫了
你的客戶期待秒回，結果你卻在為那些反應龜速的模型付高價——這東西要是真的能用，兩個問題一次解決
這跟你的工作有關嗎
DevOps工程師
整個會變不一樣每秒11,000個token代表你現在對大型語言模型（LLM）工作負載的擴展假設全部過時了
馬上下載Mercury 2，用你正式環境的流量去壓力測試——要是撐得住，你的基礎設施成本就要大幅下降
產品經理
好消息那些因為太貴或太慢而不敢做的即時AI功能，突然間變成可行的產品機會了
把你之前擱置的『AI客服聊天』和『秒速內容生成』功能拿出來，現在是時候重新檢視產品路線圖了