- 登入
- 註冊
一週 AI 大事｜2026/09/07：AI 開始真的操作、執行與建構世界
一週 AI 大事・完整延伸閱讀
2026／09／07AI 不只會回答，開始真的操作、執行與建構世界
這週四大實驗室密集更新模型，焦點從「答得更聰明」轉向「能不能把長任務做完」。另一邊，AI 也開始直接讀衛星、控制鏡頭路徑，並把真實空間拆成可編輯的 3D 世界。
會操作電腦跑長任務看懂真實世界
本週完整整理
8 則 AI 更新，一則一則看懂
以下依你提供的 9/7 整理內容製作，並以官方公告、模型頁、論文與專案頁重新核對。展示影片、廠商跑分和第三方速度測試會分開標示，避免把宣傳數字寫成普遍保證。
OpenAI GPT‑6 Astra：把電腦操作變成旗艦模型的核心能力
發生什麼
OpenAI 在 9 月 3 日發表 GPT‑6 Astra，主打電腦操作、瀏覽、程式、科學與專業工作。官方展示涵蓋試算表、PCB 佈線、CAD、Blender 接 Unreal Engine，以及從提示建立可玩的遊戲。
為什麼值得注意
這次進步不只是生成一份答案，而是能在多個工具裡持續操作、檢查結果並完成工作成品。對剪輯、設計、資料整理和軟體開發來說，模型與專業軟體之間的距離又縮短了一步。
展開展示、跑分與能力邊界
- 官方 OSWorld 2.0 評估中，Astra 得分 72.6%，GPT‑5.6 Sol 為 65.7%；這是特定版本、特定代理環境下的結果。
- OpenAI 公開頁面確實展示 Excel、CAD、Blender、Unreal Engine 與遊戲製作，但沒有足夠一手資料確認「Final Cut 自動完成完整調色剪輯」這個具體案例，因此本文不把它列為已驗證展示。
- 「只要 Token 夠就沒有做不到」不是可查證的產品規格。實際能否完成，仍受權限、工具、環境、任務難度與安全確認限制。
Claude Fable 5.1：瞄準長時間程式與知識工作
發生什麼
Anthropic 在 9 月 1 日推出 Claude Fable 5.1，定位為目前最強的通用 Claude，著重程式、長週期代理、企業知識工作與研究能力，並已提供給付費方案與 API 使用者。
為什麼值得注意
Fable 5.1 的重點是能在數小時、跨多個應用的任務裡持續規劃、找出根因、修正失敗並保留進度。這代表頂尖模型的競爭，越來越像是在比誰能可靠地接下一整段工作。
展開價格與研究能力邊界
- Fable 5.1 API 定價為每百萬輸入 Token 10 美元、輸出 50 美元；GPT‑5.6 Sol 為 4／20 美元。以單純 Token 單價比較是 2.5 倍，不是 3.7 倍。
- 不同模型每項任務實際會用掉多少 Token、能否命中快取都不同，因此「每項任務成本」不能只靠單價倍數推算。
- Anthropic 把科學研究能力描述為未來協助科學進展的早期跡象；這仍不等於模型已能獨立完成與驗證所有科研工作。
Meta Muse Spark 1.3：同一個長對話裡管理多條工作流
發生什麼
Meta 在 9 月 2 日發布 Muse Spark 1.3，強化代理與程式任務。它能在同一個長對話中追蹤多條工作流，面對混亂或互相衝突的資料時補足情境、修正計畫，必要時向使用者確認。
為什麼值得注意
長任務失敗常不是因為模型不會寫，而是中途忘記限制、做錯仍宣稱完成，或無法判斷何時該停下來問人。Muse Spark 1.3 把這些協作與自我校準能力放進主要產品方向。
展開效率、評測與開放狀態
- Meta 內部比較顯示，相較 Muse Spark 1.2，1.3 約少用 20% 工具呼叫與 25% Token；這是 Meta 自己的工程評估。
- 它目前可在 Muse Code 與 Meta Model API 使用；官方只說未來會推出 Muse Spark 開放權重，1.3 本身不能先寫成已開源。
- 官方方法文件混合自家測試、公開榜單與其他廠商自報數字，跨模型排名仍要看評測環境是否一致。
Gemini 3.8 Flash：用 Flash 價格挑戰長週期程式任務
發生什麼
Google 在 9 月 2 日推出 Gemini 3.8 Flash，提升軟體工程、代理與多步推理能力，並維持 3.7 Flash 的促銷價格。模型已進入 Gemini App、AI Studio、API、Antigravity 與 Google Sheets。
為什麼值得注意
Flash 系列原本主打速度與成本，現在也開始正面處理更長、更複雜的工程任務。這讓團隊不一定要把每個代理步驟都交給最昂貴的旗艦模型。
展開速度、排行與價格說明
- Google 官方定價為每百萬輸入 Token 0.75 美元、輸出 3.75 美元，優惠至 2026 年底。
- 「每秒 348 個 Token」不是 Google 的固定規格。Artificial Analysis 的即時頁面在本文查證時約為 398 Token／秒，數字會受服務商、推理等級與量測時間影響。
- Google 公告寫的是在 DeepSWE 1.1 上超越多數更大型模型；「Deep Suite 第一名」屬第三方榜單快照，不能寫成穩定不變的官方排名。
Qwen3.8‑Max‑0902：集中補強程式、協作代理與視覺理解
發生什麼
阿里巴巴為 Qwen3.8‑Max 推出 0902 快照，針對工程規模的程式開發、長週期自主任務、多工具協作與文件圖表理解再做後訓練，同時保留 100 萬 Token 上下文與完整工具生態。
為什麼值得注意
這不是單純換型號，而是針對實際代理工作最常卡住的地方補強。發布時公開的比較表裡，多個程式與知識工作基準提升超過 10 個百分點，部分項目高於 Claude Opus 5。
展開數字、價格與開放狀態
- 官方頁面確認模型 ID 為
qwen3.8-max-0902，支援文字、圖片與影片輸入，最大輸出 131K Token。 - 「提升超過 10 個百分點」不是每個測試都成立；例如 DeepSWE 1.1 由 56.6 升至 69.3、JobBench 由 53.4 升至 64.0，而其他項目提升較小。
- 0902 是 QwenCloud 的 API 快照，定價維持輸入 2 美元、輸出 6 美元／百萬 Token；不能和 8 月公開的權重版本混為一談。
WeatherNext 3：直接讀即時衛星資料，每小時重做全球預報
發生什麼
Google DeepMind 與 Google Research 推出 WeatherNext 3。模型直接吸收全球即時衛星觀測，每小時產生一次新預報，地表溫度與濕度最高可達 5 公里解析度，並已接入搜尋、Gemini、地圖與雲端服務。
為什麼值得注意
上一代主要是 25 公里網格、每 6 小時更新。更細、更快的全球預報，能更早看見快速形成的降雨、風場與局部溫濕度變化，也能支援農業、救災與再生能源調度。
展開五倍解析度與使用限制
- 「五倍」是把 WeatherNext 2 的 25 公里網格，與 WeatherNext 3 最細的 5 公里地表變數相比；其他地表變數約 10 公里、大氣變數約 25 公里。
- 更新頻率從 6 小時到 1 小時，指模型取得新衛星觀測並產生全球預報的週期。
- Google 仍提醒，官方氣象預報、劇烈天氣警報與公共安全通知應以各地氣象機關為準。
World Labs Atlas：把相機路徑變成世界模型的原生控制
發生什麼
World Labs 在 9 月 1 日公開 Atlas 世界模型。它能整合文字、圖片、影片、相機姿態與 3D 深度，在共同空間脈絡中生成新視角、重建場景，也能依手動設計的相機路徑生成最長 1 分鐘、1440p 影片。
為什麼值得注意
多數影片模型只能用文字粗略描述運鏡；Atlas 把相機位置與角度當成原生輸入。創作者更像在虛擬場景裡排鏡頭，而不是反覆抽生成結果。
展開輸入、輸出與開放狀態
- 官方 1 分鐘 1440p 範例使用少量參考圖片與人工設計的相機路徑；不是只輸入一句文字就自動完成所有分鏡。
- Atlas 也能輸出點雲與 3D Gaussian Splat，用於重建、遊戲、VFX 與機器人模擬。
- 目前是選定合作夥伴的 early access，尚未像 Marble 一樣全面開放。
ByteDance Seed Lucida：把真實房間拆成可編輯的 3D 物件
發生什麼
ByteDance Seed 團隊提出 Lucida，先從多視角室內拍攝中辨識物件，再補全被遮擋的外觀、生成獨立 3D 資產，最後由 GizmoAct 反覆調整位置與角度，重建成可編輯的場景。
為什麼值得注意
傳統場景重建常得到一整塊難以拆動的模型；Lucida 讓桌椅、櫃子等物件保持獨立，能被搬動、替換或放進機器人模擬，離可操作的數位分身更近。
展開輸入方式與實驗結果
- Lucida 的主要輸入是有相機姿態的多視角觀測／影片，不是只靠一張雜亂室內照片完成完整重建。
- 每個物件會保留參考視角、遮罩、部分點雲與 3D 邊界框，再生成完整網格；最後由視覺語言模型操作 3D 編輯器對齊。
- 論文報告在場景偵測、物件姿態與重建指標上優於多個基準方法；仍屬研究團隊自己的實驗結果。
讀完最常問
本週 FAQ
GPT‑6 Astra 現在真的可以自己完成任何電腦工作嗎？
不能這樣概括。它的電腦操作與專業軟體展示確實大幅進步，但是否能完成任務，仍取決於工具是否開放、權限、環境穩定性、任務難度與需要的人類確認。
這週四個新模型，哪一個一定最強？
沒有單一答案。Astra 強在電腦操作與高難度專業任務，Fable 5.1 瞄準長週期知識與程式工作，Muse Spark 1.3 強調協作與多工作流，Gemini 3.8 Flash 則把速度、成本與代理能力放在一起。最好用自己的真實工作測試。
Atlas 和 Lucida 都在做 3D，差別在哪裡？
Atlas 是能生成、重建與模擬世界的多模態世界模型，特別強調相機控制；Lucida 是研究型 real-to-sim 管線，重點是把真實室內場景拆成一個個可編輯、可重新擺放的 3D 物件。
想跟大家一起討論這些 AI 更新？
易悅元宇宙社群免費開放。除了每週整理，也可以交流工具、內容創作與實際使用心得。
