gpt-5.1
GPT-5.1 vs Gemini 3:OpenAI與Google AI對決,推理能力大比拼,2026年誰主沉浮?
Google 用「人類最後考試」37.5% 把 OpenAI 的 26.5% 按在地上摩擦,再用 1M Token 長上下文、無縫嵌入 Gmail/Docs/Search 的全棧生態,加上免費就夠用、Pro 版只要 19.99 美元的價格,把原本要 200 美元才吃飽的 ChatGPT 5.1 打得毫無還手之力。
Wan AI
2025 最新 AI 影片生成神器!阿里巴巴開源 Wan AI (Wan 2.5) 強勢登場。本文深入解析其獨家 MoE 架構優勢,並提供 Wan-Animate 角色替換 (Avatar) 逐步實測教學,助你免費製作高品質 AI 影片,在指令精確度上完勝 Sora 與 Runway!
VibeCoding
透過一段 Prompt,就能用 Gemini 3 自動生成 three.js 3D 手勢互動粒子特效。本教學完整示範從貼指令到開啟網頁、用雙手操控粒子的全流程。
OpenAI
OpenAI 啟動 ChatGPT 紅色警戒 全力優化體驗對抗 Gemini
「AI 不是一個新搜尋引擎,而是正在成為整個網路的『新表層』。」 我想很多人都看過「網路冰山」這張圖。上方的 Surface Web 只占整體的 4%,指的是被 Google、Bing 這些搜尋引擎索引的公開網頁;越往下是 Deep Web(需要登入的資料庫、訂閱內容),再往下才是匿名協議的 Dark Web。 過去這張圖之所以經典,是因為它提醒我們: 你看到的網路,其實只是冰山最上面的一截。 但前幾天我在測試 ChatGPT Shopping 的功能時, 我突然意識到 ── AI 正在悄悄改寫這張冰山的結構。 AI 出現後,我每天待在 ChatGPT、Claude、Gemini 的時間,已經遠遠高於使用 Google。AI 成了我的主要入口,Google 則變成次要查證工具。這個使用習慣的改變,透漏了一個重要的訊息:
這週的國際科技新聞,一邊是 Google 推出 Gemini 3、Banana Pro、NotebookLM 的大規模更新,一邊是 Jeff Bezos 重返 CEO 位置、準備打造能理解物理世界的 AI 新創。但當全球的 frontier model 快速往前跑,這些技術真正會先撞到誰?答案其實很明顯——跨國製造與供應鏈企業。 不只是因為 AI 會加速工廠、財務、物流系統的自動化,而是現在的地緣政治、關稅政策,已經逼著企業把「資訊、流程、系統」打掉重練。從晶片禁令、301 關稅到產能南遷,企業現在最需要的不是某個炫目的模型,而是:到底要怎麼在多國營運時保持一致性、透明度與可治理性? 也因此,我們在 12/3(二)
這週在台灣最大的討論,可能要頒給這四組關鍵詞:《經濟學人》、央行、新台幣升值、台灣病,雖然我們有些讀者來自香港、美國或其他地區,但這場爭論絕對不僅是「台灣內部的財經話題」。 四天前,The Economist 以〈The hidden risks in Taiwan’s boom〉為題,點名台灣多年來的結構性經濟問題:新台幣長期被低估、央行無法自由升值、壽險業擁有超過 7,000 億美元的海外曝險、外匯存底遠高於國際常態,還有出口導向下形成的資產配置錯位。在這篇文章與同期的另一篇評論中,經濟學人直接給這個現象取了一個名字——台灣病(Taiwan Disease)。 這些跟 AI 有什麼關係?台灣長期靠晶片出口美國,正是造成常年貿易順差的源頭之一。過去還可以當成一個單純的產業榮景來談,但從美國 22 年禁止向中國出口 A100、H100 時,晶片已經不再是科技話題,而是正式升格為國安議題。
前兩週我們有一場活動是《關稅新局》,邀請到 PwC 的兩位專家來講關稅的議題。 在直播前,我和 PwC 全球稅務服務的曾博昇會計師聊天。 他說,有次去美國參加聚會,發現現場的人居然在交換彼此吃安眠藥的心得。 有人說「我這款很好睡」,另一個人立刻回:「不行不行,那款太弱了,我這個更有效。」 那一刻我突然意識到,在資訊時代下來,我們靠閱讀、課程、社群、影片,不斷補充資訊,很多時候不是為了學習,而是為了「不要被落下」,好像安眠藥會變成我們努力的標籤,但我覺得這是危險的訊號。 所以最近晚上,我開始固定去聽 Netflix 的冥想正念指南,沒有什麼學冥想的目的,單純放下知識輸入的需求,還蠻推薦大家的(可以看完這篇電子報再去XD),希望在忙碌的節奏裡,我們都可以抽空練習一下如何真正放鬆自己的身心。 本周焦點事件 1. 開發者揭 ChatGPT 罕見漏洞:你的對話會被送進 Google 搜尋庫 2. PayPal
能源與算力的不平等,相信大家已經從能源概念股的漲幅程度看得出來。 AI 的熱度一路飆升,但背後的配電、冷卻、土地、建廠都跟不上。根據 CNBC 去年的報導,全球新建的資料中心園區,其峰值用電可支撐 70 萬戶家庭,單一園區的需求高達 1 GW(十億瓦)。 有限資源不只有電力,土地也成了戰場。美國開發商 Tract 表示,它已在全國為 AI 基礎設施組裝了超過 23,000 英畝土地。AI 的浪潮不只是演算法革命,更像是一場新的「能源殖民」。 能源現在成了這場 AI 革命最稀缺的資源。 算力是指數增長的,但能源供給卻只能線性擴張。 那就進入我們本週精選的 AI 新聞,搭配一段觀察筆記, 讓你不只是看熱鬧,也能看懂門道。 本周焦點事件 1. NVIDIA 宣布 2026
AI 開始取代你的第一個分頁?OpenAI 推出 AI 瀏覽器 Atlas,能看畫面、能記住網站、還能自動點選完成任務,正式加入 AI 瀏覽器大戰;Anthropic 也將 Claude Code 推上雲端,一邊改 code、一邊處理多個任務成為可能;Netflix 則開始用 AI 協助預算試算與腳本製作,將生成式 AI 拉進影視產業的幕後;Meta 大砍 600 名 FAIR & AI 基礎產品結構員工;我們也整理了他對 AI 發展邏輯的核心思維。這些新聞背後,藏著哪些你該注意的信號?
Make Tech Fun. Make Knowledge Flow. Make AI for Everyone.
Anthropic 用一次收購把整個開發者世界按在地上摩擦:Claude Code 半年狂奔到 10 億美元年化收入,現在直接把 JavaScript 界最快、最狠的 Bun 整個吞進肚子。從此以後:你寫前端、後端、Serverless、AI Agent、腳本、測試, 全部都跑在 Anthropic 免費開源、MIT 授權、比 Node.js 快 4 倍的 Bun 上, 還順便讓 Claude Code 變得更快、更穩、更便宜。
Nvidia 直接用 20 億美元 + CUDA + Omniverse 把全球 90% 市佔的 Synopsys EDA 工具綁進自己的 GPU 生態,這不是投資,這是鎖喉。晶片設計的上游從此貼上「Made by Nvidia」標籤,AMD、Intel、甚至所有想自研的雲廠,從 2026 年開始連設計工具都要看 Nvidia 臉色。
2025 年 11 月 24 日,OpenAI 官方發布由 Corey Ching 撰寫的文章〈What Makes a Great ChatGPT App〉,為全球開發者提出一套「ChatGPT App 設計準則」。 這份指南的關鍵目標只有一個:未來的 ChatGPT App,必須真正強化模型能力,而不是把既有產品硬塞進對話框。 這也意味著:隨著 OpenAI Apps SDK 和應用商店生態逐漸成熟,我們需要徹底改變對「軟體」與「產品」的想像——從畫面與流程,轉向「能力集」與「任務完成度」。 ChatGPT App 的本質:從「介面」到「能力集」
「AI 不是一個新搜尋引擎,而是正在成為整個網路的『新表層』。」 我想很多人都看過「網路冰山」這張圖。上方的 Surface Web 只占整體的 4%,指的是被 Google、Bing 這些搜尋引擎索引的公開網頁;越往下是 Deep Web(需要登入的資料庫、訂閱內容),再往下才是匿名協議的 Dark Web。 過去這張圖之所以經典,是因為它提醒我們: 你看到的網路,其實只是冰山最上面的一截。 但前幾天我在測試 ChatGPT Shopping 的功能時, 我突然意識到 ── AI 正在悄悄改寫這張冰山的結構。 AI 出現後,我每天待在 ChatGPT、Claude、Gemini 的時間,已經遠遠高於使用 Google。AI 成了我的主要入口,Google 則變成次要查證工具。這個使用習慣的改變,透漏了一個重要的訊息:
Qwen3-VL 終極三秒總結 Alibaba 把原本要燒幾百億美元、讓 Google 和 OpenAI 憂心忡忡的「兩小時視頻精準理解 + 視覺數學屠榜」能力,直接打包成免費開源扔到 Hugging Face 上。這不是升級,這是降維打擊。 封閉模型還在賣雲端算力,Alibaba 已經把視覺 AI 的「神經」白送全世界。
OpenAI Mixpanel 洩露事件,雖然不是 ChatGPT 聊天記錄被偷,也沒丟 API 金鑰,但駭客拿到了數萬開發者的資料。OpenAI 核心系統沒破,但第三方供應鏈被打穿一次,就夠讓整個生態的開發者未來半年都得提心吊膽地檢查每封郵件。
Anthropic 採雙代理程式,解決 AI 跨會話健忘問題,像輪班工程師般,讓複雜專案穩定推進
Google 最新發布的 Nano Banana Pro震撼登場!這不僅是繪圖工具,更是一個擁有物理常識與世界知識的「大腦」。從一鍵生成專業數據大屏、黑白漫畫自動上色漢化,到可視化解數學題、將論文轉為白板筆記。本文整理了 10 種顛覆性的實測玩法,帶你見證 AI 如何從「模仿」跨越到「理解」。
2021 年 9 月 26 日晚上十點,新竹某電子廠的供應鏈主管收到一則訊息。 「昆山廠因為限電政策,明早六點起全面停工,復工時間未定。」 他盯著螢幕,第一時間想的不是「損失多少」,而是:「我有哪些料會斷?」手上有二十幾家上游供應商,十幾條產線同時在跑。有些物料是昆山獨家供應,有些雖有備援,但不確定是否能即時補上。更麻煩的是,他不知道這些料「現在在哪」——有些剛出貨、有些卡在倉庫、有些根本不知道生產了沒。 他打開 ERP 想查庫存,但畫面跳出來的是三天前的帳面數字。實際還有多少?夠撐幾天?哪些訂單會延遲?沒有人能給出答案。 他開始打電話。先是打給昆山供應商,沒人接。再打備援廠商,對方說「要查一下」,然後就是漫長等待。天快亮時,資料才逐一湊齊,而產線,已經開始缺料。 那一晚,台灣有數十位供應鏈主管在做著同樣的事。盯著通訊軟體、查貨況、發郵件、
Google Cloud 悄悄把 Ironwood TPU(第七代)切到 GA(General Availability),沒有大張旗鼓的 keynote,也沒有找一堆 KOL 排隊喊「mind blown」,就是默默地在控制台把價格表亮出來,然後把 9,216 顆晶片的 pod 直接掛網。這種「我做好了,你自己來玩」的態度,我給滿分。 Ironwood TPU * 單顆 Ironwood 比 Trillium 快 4.2 倍(FP8) * 單 pod 9,216 顆 → 42.5 ExaFLOPS * HBM 容量與頻寬直接翻倍
當 Meta 傳出轉向 Google TPU、準備砸重金建置第二供應鏈,Nvidia 股價瞬間失血近 6%。Nvidia 淡定一句「我們領先一代」看似硬氣,卻也正式為 AI 晶片市場的「軍備競賽」拉開序幕。
裝潢免花錢!教你用 Gemini 3.0 將 2D 平面圖秒轉 4K 3D 渲染,省下高額設計費,輕鬆預覽夢想家。