有人真的在 AMD 新推出的 Strix Halo 晶片上測試了 Mistral Medium 3.5，結果呢？慢到不行。一個 48k 語言符號加上 4k 思考語言符號的提示詞，光是回答一個關於程式碼架構的問題就花了 2 小時。沒看錯，真的是兩小時。如果你想在 Strix Halo 上本地運行這個模型，最好在睡前就開始跑。雖然用了一堆優化技巧（Q5_K_XL 量化、GPU 加速、快取重用），但還是快不起來。本地 AI 的夢想看起來還要再等等，不過至少能動就是了。
OpenAI 將舉辦一場直播活動。在直播期間將揭露具體的公告、產品發布或示範內容。
上一次 OpenAI 突然搞直播，他們直接丟出 GPT-4 Turbo，然後一夜之間改掉所有定價
OpenAI 推出 ChatGPT 圖像 2.0，大幅提升了 AI 生成圖片的品質和功能。想看最新功能演示？OpenAI 正在直播發表會，趕快上 https://openai.com/live/ 看看吧。
OpenAI 把這個定位成直接對標現有圖像生成工具的競爭者，代表他們有信心能挑戰市場領導者
整個2025年，每當有人抱怨大型AI（LLM）的問題，標準回答就是「再等3到6個月，下一代版本會輕鬆搞定」。這套說詞到處都是——每個限制都說是暫時的，每個缺少的功能都說快要來了，每個自主代理（autonomous agent）的展示都被吹成即將成真的未來。 現在已經是2026年4月了，該檢驗一下這些承諾有沒有兌現。Reddit的ClaudeAI版上這週出現了一篇長討論串，討論Opus 4.7版本，結果一堆使用者都說這根本是退步。說真的，去年那套「再等等」的論調看起來有點尷尬。
Anthropic 正在調查有關 Claude Mythos AI 遭到未授權存取的指控。該公司正在進行調查，以確定這起潛在安全漏洞的範圍和性質。
科技博主觀點
有人等了2小時才讓AI回答一個程式問題。這就是為什麼本地AI還沒準備好。
想像一下：你問本地AI一個複雜的程式問題，按下Enter，然後……等。整整2小時。這真的發生在有人用AMD最新的Strix Halo晶片測試Mistral Medium 3.5的時候。我們講的是48k個token的提示詞加上4k個思考token——基本上就是要求AI深入思考一個程式架構問題。即使用盡所有優化招數（Q5_K_XL量化、GPU加速全開、快取重複使用），它還是慢得像撥接網路。這也不是什麼預算型設定啦——Strix Halo可是AMD的旗艦AI晶片。殘酷的現實？雖然大家都在炒作「AI在你筆電上」，我們距離人們期望的那種即時ChatGPT體驗還差十萬八千里。沒錯，它能用，但「能用」和「實用」完全是兩碼子事。
AI 分析
硬體開發
high開始規劃你下一代晶片的AI工作負載基準測試——消費者的期望已經從「能不能跑」變成「能跑多快」
連AMD旗艦Strix Halo用盡所有優化招數，還是需要2小時才能做完雲端API幾秒鐘的事——本地AI效能差距大到不行
你的客戶馬上就會發現「支援AI的硬體」和「實用AI硬體」根本是兩回事
職位影響分析
AI工程師
角色轉型本地AI推論即使在高階硬體上也慢到不行，逼著大家完全重新思考部署策略
現在就開始建構混合工作流——把複雜推論工作丟到本地跑一整晚，互動式工作留給雲端
產品經理
風險本地硬體2小時的等待時間直接殺死任何即時AI產品體驗的夢想
把你的AI功能重新設計成批次處理和隔夜工作流，別想著即時回應