- 登入
- 註冊
一週 AI 大事 9/28｜Claude、Grok、Gemini TTS 與機器人
一週 AI 大事・完整延伸閱讀
2026／09／28模型變得更有效率，AI 也走進聲音、太空與真實世界
這週不只有 Claude、Grok、MiMo 三個模型更新；生成聲音、軌道運算、機器人控制、互動世界與可編輯設計，也同時從展示往實際工具推進。
高效模型聲音與太空世界與機器人
本週完整整理
10 則 AI 更新，一則一則看懂
這週的消息跨越模型、語音、太空運算、機器人與生成設計。以下會把正式上線、研究計畫、開放權重與公司自評分開說明，讓產品狀態和漂亮的數字不會混在一起。
Claude Opus 5.5：維持前沿能力，重點放在更低的任務成本
發生什麼
Anthropic 在 9 月 22 日發布 Claude Opus 5.5。官方把它定位為 Claude 5.5 家族首款模型，主打 Agent 寫程式、電腦操作與知識工作；在多數工作上接近 Fable 5.1，同時比 Opus 5 更快、更省。
為什麼值得注意
模型競爭開始從「誰最高分」走向「完成一份工作要花多少時間與 Token」。如果長任務能減少步驟與重做，對程式開發、資料整理和專業工作，比單一跑分更有感。
展開成本、速度與能力邊界
- Anthropic 表示，典型工作負載的總成本比 Opus 5 低約 40%；API 定價為每百萬輸入 Token 4 美元、輸出 Token 20 美元。
- 官方公布的輸出速度比 Opus 5 快 30% 以上；這些數字是 Anthropic 的測試結果，實際成本仍會受到任務、努力等級、快取與工具呼叫影響。
- 網路上出現許多網站、遊戲、音樂與 3D 示範，但個別作品不能代表模型在所有專案都能一次完成。生物與資安工作也有額外防護和驗證計畫。
Grok 4.7：把長時間寫程式與專業知識工作列為主戰場
發生什麼
SpaceXAI 發布 Grok 4.7，使用比 4.6 更大的基礎模型與更長的強化學習訓練，特別加強需要長時間執行、檢查自己工作與管理長上下文的任務。
為什麼值得注意
它不是只追求單題推理，而是把寫程式、文件、簡報與多小時知識工作放在一起優化。對真正要交付成果的 Agent，持續工作和自我檢查通常比短答案更重要。
展開定價、平台與官方比較
- 標準 API 每百萬輸入 Token 2 美元、輸出 Token 6 美元；500K 上下文、圖片輸入與多種推理努力等級均列在官方文件中。
- 「更快、價格更低」是 SpaceXAI 相對同級模型提出的產品定位；不同基準裡，Grok 4.7 並非每項都第一。
- 模型已在 Cursor、Grok Build、API 與部分第三方平台提供；快速版本速度約兩倍、費率也約兩倍。
小米 MiMo‑V2.6：Pro、Flash 一起推出，瞄準多模態 Agent
發生什麼
小米推出 MiMo‑V2.6 系列，包括旗艦 Pro、低成本 Flash 與高速 Pro‑UltraSpeed。官方展示它處理多 Agent、程式開發、電腦操作、3D 建模、影音創作與具身控制的能力，也公開了 RL 版本權重與相關資源。
為什麼值得注意
開放模型不再只拼文字問答，而是開始把長上下文、多模態輸入、工具使用與視覺回饋整合成完整工作流。Flash 的低 API 價格，也讓大量呼叫的 Agent 更容易測試。
展開跑分、價格與開放範圍
- 官方以 Artificial Analysis Intelligence Index 46 分等結果，將 Pro 稱為最強開放模型之一；這是小米根據指定評測提出的自評，不代表所有任務全面領先。
- MiMo‑V2.6‑Flash 官方 API 定價為每百萬未命中快取輸入 Token 0.14 美元、輸出 Token 0.28 美元，並提供 100 萬 Token 上下文。
- Hugging Face 目前可看到 Pro‑RL、Flash‑RL 與蒸餾版本；「開放」仍要依各模型卡與授權確認，不能把 API 服務和所有生產模型檔案視為完全相同。
Gemini 3.8 Flash TTS：用提示詞設計聲音，逐句控制演出
發生什麼
Google 發布 Gemini 3.8 Flash TTS 與 Flash‑Lite TTS。使用者可以用自然語言設計角色、口音和聲音特徵，逐句指定節奏、情緒與表演方式，也支援雙人對話、長篇生成和笑聲、嘆氣等非語言提示。
為什麼值得注意
語音生成從「選一個預設聲音」往真正的聲音導演工具前進。Podcast、遊戲、角色配音與多語在地化，可以用同一套提示和劇本控制整場演出。
展開比較、語言與聲音安全
- 官方表示支援 100 多種語言與方言，並提供超過 2,000 個可用聲音；部分功能會依平台與地區逐步開放。
- Google 引用 Hume AI Voice Design Benchmark 與 Voice Arena 結果說明模型表現，但沒有足夠依據把它寫成「所有情境都勝過 ElevenLabs」。
- 聲音複製需要同意驗證，生成音訊會加入 SynthID；30 秒參考音訊和複製功能也有地區限制。
Project Suncatcher：Google 準備把 TPU 送上軌道做第一次實測
發生什麼
Google 公開 Project Suncatcher 新進度，準備透過 SpaceX Transporter‑18 任務，把原型衛星送入低地球軌道，測試 TPU 能否承受發射震動、輻射與極端溫度。
為什麼值得注意
如果 AI 運算能利用軌道上的長時間日照，能源配置會有全新想像。但真正的難題不只電力，還包括散熱、晶片錯誤、衛星互連和維修，這次任務首先要驗證硬體能不能活下來。
展開太陽能、散熱與計畫階段
- Google 表示特定低軌條件可取得比地面最多約 8 倍的太陽能，但這是研究設計條件，不等於整體資料中心成本會便宜 8 倍。
- 太空是真空環境，不能靠空氣帶走熱量，必須使用熱管與散熱器；輻射也可能造成位元翻轉和運算錯誤。
- 這仍是原型硬體測試，不是已建成的太空 AI 資料中心。更大規模的衛星群與 TPU 互連仍屬長期研究方向。
FLUX 3 Action：從影像預測下一個動作，讓機器人直接執行
發生什麼
Black Forest Labs 發布 70 億參數的 FLUX 3 Action。模型接收相機畫面、機器人狀態與文字指令，同時預測後續畫面和動作序列，可用於機械手臂控制，也提供 SO‑101 與 DROID 等適配權重。
為什麼值得注意
做圖公司把視覺生成能力延伸到「看見之後怎麼動」。世界模型若能把影像理解、未來預測和控制接在一起，機器人就不必為每個小動作都等待大型推理模型。
展開實驗結果、速度與授權
- 官方委託 Positronic Robotics 進行盲測，在 10 個 DROID 實機任務、每項 3 次嘗試中完成 28/30 次；樣本規模仍有限。
- 官方稱模型在消費級硬體上最快可用一次前向運算輸出軌跡，但不同機器人仍需要對應的動作頭、資料與安全限制。
- 這是 open‑weight 模型，使用條件依 FLUX Community License；不能只看到可下載權重，就直接等同完全無限制的開源授權。
UBTECH UWORLD U1：超擬真人形機器人開始首批交付
發生什麼
UBTECH 旗下 UWORLD U1 系列在 9 月 16 日宣布開始交付。這是一組強調擬真人臉、矽膠皮膚、情緒互動和陪伴用途的全尺寸人形機器人，分成 Lite、Pro 與 Ultra 等版本。
為什麼值得注意
擬真人形機器人正從發表會走到實際部署；但首批客戶主要是汽車經銷集團與韓國機器人園區，真正家庭陪伴的可靠度、隱私和接受度仍要看長期使用。
展開交付對象、價格與產品邊界
- 首批交付對象包括上海永達集團、北京波士集團與韓國 Galaxy Robot Park；因此本文不把它寫成已大量進入一般家庭。
- 中國發布價格從 U1 Lite 人民幣 119,800 元，到 U1 Ultra 男款人民幣 990,000 元；各版本的身體完整度與移動能力不同。
- 逼真外觀、情緒辨識和臉聲複製也帶來肖像授權、記憶資料與情感依賴問題，不能只看展示影片判斷成熟度。
PrimeBOT T1：人民幣 19,999 元起，可在輪足與四足間切換
發生什麼
啟元機器人 PrimeBOT 在中國正式發售 Q1 與 T1。T1 約一公尺高，能在直立輪足和四足形態之間切換，主打跟拍、陪伴、教育與開發；標準版定價人民幣 19,999 元，官方排程自 10 月 1 日起依訂單出貨。
為什麼值得注意
相較動輒數萬美元的全尺寸人形機器人，PrimeBOT 先用較小體型、輪足移動和開放開發平台降低售價。它更像個人機器人與開發平台，而不是已能處理所有家事的通用幫手。
展開美元換算、形態與上市範圍
- 人民幣 19,999 元常被換算成約 2,800～3,000 美元；這只是匯率換算，不是已公布的海外零售價。
- T1 Pro 定價人民幣 29,999 元；不同版本功能、配件與開發權限需要以實際訂購頁為準。
- 目前可確認的是中國市場發售與官方出貨排程，台灣供應、售後維修與長時間居家可靠度尚未公布。
WorldCrafter：離開視角再回來，生成世界仍記得原本場景
發生什麼
Tencent ARC Lab 與北京大學團隊發布 WorldCrafter。它用可依相機視角查詢的 3D 感知記憶，保存先前看過的場景資訊，讓使用者從圖片或文字開始探索，轉動視角後再回頭時仍維持較一致的結構與外觀。
為什麼值得注意
世界模型最常見的問題之一，就是鏡頭一轉，剛剛的物件和空間關係就變了。把歷史畫面壓成可查詢的記憶，能讓互動世界更接近可探索場景，而不是一次性的影片。
展開記憶方式、評測與限制
- 模型從文字或單張圖片生成可受相機控制的影片世界，官方展示為分鐘級探索；它不是直接輸出可任意編輯的傳統 3D 網格。
- 團隊在 145 個場景、725 條相機軌跡的指定評測中報告較佳的回訪一致性與相機控制，並公開 Base、Fast 模型與程式碼。
- 論文也承認，複雜或特別長的路徑仍可能失去一致性；每段重新編碼歷史也會增加延遲。
Ming‑Image‑0.1‑Design：生成透明素材，也能把平面設計拆回圖層
發生什麼
inclusionAI 開放 Ming‑Image‑0.1‑Design 與 Design‑Layer 兩個 60 億參數模型。前者面向 UI、資訊圖表、海報與文字較多的視覺設計，支援透明背景 RGBA；後者能把完成的平面設計拆成多個可獨立編輯的透明圖層。
為什麼值得注意
多數生圖工具只交付一張扁平圖片，文字、主體與背景黏在一起。若模型能直接輸出透明素材或把設計拆層，才更容易接進實際的 UI、簡報和視覺編輯流程。
展開圖層、排行榜與硬體需求
- Design‑Layer 需要明確指定每一層的角色與順序，回傳合成圖與透明 RGBA 圖層；它不是任何圖片都能一鍵完美還原原始設計檔。
- 模型卡展示 UI／UX Design 排行結果，但沒有足夠依據把它概括成「所有開源生圖模型第一名」。
- 官方驗證設定使用單張 80GB 顯示記憶體 GPU、BF16，推薦 2048×2048 輸出；本地部署門檻仍高。
讀完最常問
本週 FAQ
Gemini 3.8 Flash TTS 已經全面超越 ElevenLabs 嗎？
不能這樣直接下結論。Google 公布的 Hume AI 與 Voice Arena 結果顯示它在部分聲音設計、口音和多語盲測中表現很好，但不同平台的聲音自然度、穩定性、價格、授權和使用流程仍要分開比較。
Project Suncatcher 已經是太空 AI 資料中心了嗎？
還不是。目前是原型衛星與 TPU 的首次軌道環境測試，先驗證發射震動、溫度、輻射和散熱。多衛星互連與大規模軌道運算仍是長期研究方向。
U1 和 PrimeBOT T1 現在在台灣買得到嗎？
目前能確認的是 U1 已開始首批交付給企業與展示場域，PrimeBOT Q1／T1 在中國市場發售並排定出貨。兩者都沒有可靠的台灣正式售價、供應與售後資訊。
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。
