- 登入
- 註冊
一週 AI 大事 9/21｜Jev、Dream‑RSI、Qwen 同傳與虛擬世界
一週 AI 大事・完整延伸閱讀
2026／09／21AI 開始自己決策、自己探索，也把虛擬世界繼續運轉
這週的主線不只是模型變快，而是 AI 正同時往三個方向前進：更快做選擇、持續改進搜尋策略，以及在影音、虛擬世界與機器人裡接手更長的動作流程。
資安邊界即時決策世界與行動
本週完整整理
10 則 AI 更新，一則一則看懂
以下依 9/21 的橫式字幕稿整理，並重新核對研究團隊、產品頁、論文與正式專案。數字若來自廠商自評或小規模實驗，會放回它原本的測試條件，不把宣稱直接寫成普遍事實。
白帽研究員串起兩個漏洞，取得 OpenAI 員工帳號權限
發生什麼
資安團隊 Hacktron 從 OpenAI 社群論壇的 HEIF 圖片解碼漏洞切入，再串接單一登入設定問題，成功接觸到 ChatGPT／Codex 員工帳號與內部程式庫權限。他們依漏洞懸賞流程回報，OpenAI 在獲報後修補，並於 9 月 1 日發放 6,500 美元獎金。
為什麼值得注意
真正危險的往往不是單一漏洞，而是兩個看似分開的弱點被串成完整攻擊路徑。這次也顯示，AI 服務的圖片處理、社群系統與員工登入，都可能成為同一條供應鏈的一部分。
展開時間線、金額與事件邊界
- 研究團隊表示整條 OpenAI 通報流程不到 72 小時；OpenAI 端問題在提交後約 14 小時內修正。
- 「不到 3,000 美元 Token 成本」是 Hacktron 整個跨公司 HEIF Heist 研究計畫的總花費，不是只為這次 OpenAI 測試所花。
- 研究員只提交無害的內部 PR 作為存取證明，沒有公開使用者資料外洩證據；因此本文不把事件寫成已確認的大規模資料外洩。
Jev：把 AI 從聊天改成毫秒級「選一個行動」
發生什麼
Diogo Almeida 團隊推出 Jev，定位為 System One 決策模型。它不是生成一大段文字，而是在預先定義的選項中快速選擇下一步；官方標示回應時間約 70～500 毫秒，可用於網頁操作、遊戲、分類與即時路由。
為什麼值得注意
許多 Agent 任務真正需要的不是長篇推理，而是低延遲、結構固定的下一個動作。Jev 把輸出空間縮小後，更容易接進需要即時反應的系統。
展開團隊、「零幻覺」與使用邊界
- Jev 官網把 Diogo Almeida 描述為 ChatGPT 方法的共同發明者；本文只採用官網可核對的身分表述，不額外擴張頭銜。
- 官方所說的「zero hallucinations」是指輸出只能落在預先定義、型別安全的選項裡，不會憑空生成不存在的欄位。這不等於每次決策都正確，模型仍可能在合法選項中選錯。
- 產品目前屬早期開放階段；若用於付款、刪除或控制設備，仍需要驗證與停手機制。
Dream‑RSI：先在「發現樹」裡重播，再挑更好的探索策略
發生什麼
Google DeepMind 團隊提出 Dream‑RSI：它把過去的探索紀錄整理成可精確重播的發現樹，先在不增加新執行成本的模擬器中測試大量搜尋策略，再把表現最好的策略帶回真實任務。
為什麼值得注意
自我改進不一定要不斷燒更多算力。若模型能從既有探索歷史學會「下一次該怎麼找」，演算法、數學最佳化與 GPU 核心設計這類昂貴任務，就可能更有效率。
展開實驗範圍與官方數字
- 研究涵蓋 8 個發現任務，類型包含演算法工程、數學最佳化與 GPU kernel 工程。
- 作者報告相較固定探索策略可少用約 1.7 倍呼叫；在其中一個 Lasso 比較中，最高達到相較 SimpleTES 少 162 倍呼叫。
- 這些結果屬指定研究任務，不代表任何模型都能在所有領域無限制自我進化。
Gemini 3.8 Live：說話不中斷，背景照樣呼叫工具
發生什麼
Google 在 9 月 15 日推出 Gemini 3.8 Live 與 Extended Thinking。新版可在對話持續進行時於背景執行 API 與工具，也支援即時視覺輸入，以及在對話中自動切換 97 種語言。
為什麼值得注意
過去語音助理一查資料就停住，會讓互動像在等客服轉接。背景工具呼叫把「對話」與「工作」拆開並行，對即時客服、導覽與現場助理更實用。
展開語言、工具與延遲邊界
- 97 種語言是官方列出的支援範圍；口音、環境噪音與專有名詞仍可能影響辨識品質。
- Extended Thinking 可在語音輸出時持續推理，但較長推理也可能增加成本與完成時間。
- 背景工具呼叫不等於所有動作都應自動執行，涉及付款、個資與外部訊息時仍要設確認點。
Qwen3.8‑Omni‑Flash：一次讀進文字、圖片、聲音與影片
發生什麼
阿里巴巴發布 Qwen3.8‑Omni‑Flash，可同時接收文字、圖片、音訊與影片，輸出文字，並支援最高 100 萬 Token 上下文、工具呼叫與多步 Agent 工作流。官方也特別強調空間音訊理解能力。
為什麼值得注意
影音理解不必再拆成轉錄、抽幀、辨識與文字推理好幾段流程。對長影片檢索、會議、客服與多媒體 Agent 來說，輸入管線能變得更直接。
展開多模態跑分與使用邊界
- 官方將模型與 Gemini 3.8 Flash 等產品比較，部分多模態基準領先；這是 Qwen 團隊自評，不是獨立第三方已確認的全面勝出。
- 100 萬 Token 是支援上限，不代表把整段長影音一次塞入就一定更準或更省。
- 分析人物、聲音與監視影像時，仍要注意授權、個資與錯誤辨識風險。
Qwen3.8‑LiveTranslate：60 種語言邊聽邊翻，平均延遲 2.3 秒
發生什麼
Qwen 同步推出 LiveTranslate 即時語音翻譯模型，可接收 60 種來源語言，並以 29 種語言輸出語音。官方報告平均延遲指標 LAAL 為 2.3 秒，低於前一版的 2.8 秒。
為什麼值得注意
即時翻譯的體感關鍵不是只看字面準確率，而是能否在語句還沒說完時做出穩定預測。延遲縮短後，更接近會議、直播與跨語言對話需要的節奏。
展開延遲數字與語言範圍
- 官方數字是平均 2.3 秒，不是「不到 2 秒」；實際延遲會受網路、句型、語言對與輸出方式影響。
- 60 種是來源語言支援，語音輸出為 29 種，兩個數字不能混在一起。
- 同聲翻譯會在資訊尚未完整時先預測，姓名、數字、專有名詞與否定句仍需要人工覆核。
JING & DAO：一個生成世界，一個讓角色繼續生活
發生什麼
XGEN Labs 公開 JING & DAO 世界模型架構。JING 負責生成觀察者看見的第一人稱世界；DAO 則維護共享世界狀態、規則與自主角色，讓使用者離開視角後，世界內的事件仍可繼續發展。
為什麼值得注意
生成式 3D 正從「做出一段畫面」走向「維持一個有狀態的世界」。如果角色、規則與記憶能長時間一致，遊戲、模擬與數位分身的設計方式都會改變。
展開「持續運行」與研究限制
- 「離開後仍運作」指 DAO 維持共享狀態與自主 Agent，不代表一個公開世界已能無限期、完全穩定地自行演化。
- 官方目前定位為研究預覽，仍列出延遲、畫面忠實度、互動可靠性與長時間漂移等限制。
- 若要用於多人世界或商業遊戲，還需要內容安全、權限、成本與可重現狀態等工程層。
Runway Enhance Frame Rate：把影片補到最高 120fps
發生什麼
Runway 上線 Enhance Frame Rate，可在既有影格之間補出新畫面，輸出 25、30、48、60 或 120fps。官方說明支援最高 4K、最長 5 分鐘的來源影片，輸出會維持原始解析度。
為什麼值得注意
AI 影片常見的跳動與低幀率，可以在後製階段變得更流暢；慢動作、運動畫面與高更新率播放也多了一個直接工具。
展開 4K、補幀與畫質邊界
- 這項功能是時間維度的補幀，不是空間維度的放大；來源若本來模糊或有壓縮痕跡，不會因補幀自動變成真正的 4K 細節。
- 「支援 4K」是指可處理最高 4K 來源並維持解析度，不是把所有低解析影片升成 4K。
- 快速遮擋、手部、細線與複雜運動仍可能出現幽靈影像或錯誤中間幀，輸出後需要逐段檢查。
Viggle Meridian：影片拍完後，還能重新選鏡位與路徑
發生什麼
Viggle 發布 Meridian，一個幾何導引的 re‑camera 模型。它可根據原始影片與指定相機路徑合成新視角，也能暫停時間、拉出鏡頭路徑，製作類似子彈時間的效果。
為什麼值得注意
傳統拍攝一旦結束，鏡位大多跟著固定。重新運鏡模型讓剪輯者能在後製階段重新設計觀察角度，對產品展示、動作片段與短影音轉場很有想像空間。
展開輸出規格與硬體限制
- 模型卡標示輸出為 24fps、約 768 等級解析度，每段建議 3～10 秒，並需要高記憶體 CUDA GPU。
- Meridian 建構在 MiniMax‑H3 與 VGGT‑Omega 等元件之上，公開的是模型與介接資源，不等於任何手機都能即時完成。
- 新視角超出原始影片可見資訊時，模型必須自行補畫；遮擋、人物一致性與幾何結構仍可能失真。
GPT‑Policy：不重新訓練，機器人也能從示範中調整動作
發生什麼
GPT‑Policy 提出一套機器人策略框架：固定的通用視覺語言模型先理解情境，再由 context compiler 整理示範與狀態，最後只能透過受限制的機器人工具執行。新示範可在測試時加入，不需要梯度更新或重新訓練模型。
為什麼值得注意
機器人學新技能如果每次都要蒐集資料、重訓模型，成本很高。把示範直接變成當下可用的上下文，可能讓少量教學更快轉成新任務嘗試。
展開示範結果與安全邊界
- 實驗使用 GPT‑6 Astra 作為通用 VLM，但框架本身的重點是上下文整理、工具限制與即時加入示範。
- 以紅毛巾與筆記本任務為例，加入人類示範後從 0/3 提升到 2/3 次成功；樣本很小，不能寫成「看一次就一定學會任何動作」。
- 碰撞、接觸精度、動作完成驗證與未知環境仍是限制；實體機器人應保留速度、力道與緊急停止保護。
讀完最常問
本週 FAQ
Jev 的「零幻覺」是否代表它永遠不會做錯決定？
不是。它的輸出被限制在預先定義的合法選項中，因此不會生成不存在的欄位；但在這些選項之間，仍可能選錯。高風險動作依然需要人工確認與驗證。
Runway 的 4K 120fps，能把模糊影片直接變清楚嗎？
120fps 是補出更多時間影格；4K 是支援的來源解析度上限。它能讓動作更流暢，但不等於把缺失的空間細節全部還原。模糊、壓縮與生成瑕疵仍要另外處理。
Dream‑RSI 與 GPT‑Policy 都算是 AI 自我進化嗎？
兩者都會利用新的經驗改變後續行為，但方法不同。Dream‑RSI 在發現樹中評估並更新探索策略；GPT‑Policy 則把人類示範加入當下上下文，不需要重新訓練底層模型。它們都不是無限制自行成長的通用智慧。
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。
