每日精選 AI/Tech 新聞，繁體中文整理
📍 今日全焦點
- 中國冒出「AI 代理手機」 — 手機會自己下單，然後淘寶微信京東把它擋了
- AI 讀 X 光片：錯得很有自信 — 放射科醫師 0.83，最強模型 0.30
- AI 員工變成新政治金主 — 捐款密度是 Google、Facebook 的五六倍
- DeepMind：影片生成模型本來就會看世界 — 一顆模型打六個視覺任務
- Claude Code 修掉權限繞過漏洞 —
Edit(src/**)曾經放行整棵樹
今日頭條
欸，如果你的手機可以自己幫你叫車、比價、下單、付錢——你猜誰會第一個不爽？
答案這個週末在上海揭曉了，而且只花了幾天。
先講「所以呢」：「AI 幫你動手做事」這件事，技術上已經到了能上市的程度；真正卡住它的不是模型，是那些不想被繞過的 App。
這個週末的世界人工智慧大會（WAIC，上海）上，至少三家公司同時端出所謂的「agentic phone（代理手機）」——不是多一個語音助理，是手機自己會操作 App 幫你把事情辦完。
兩支最受矚目的：
- 努比亞（Nubia）的 NaviX Ultra，跑的是字節跳動的豆包（Doubao）——中國目前最紅的 AI 聊天工具
- 上海新創階躍星辰（StepFun）的 STEPX Neo，董事長 Yin Qi（中文名以官方公布為準）說已經跟支付寶、滴滴等平台建立「深度合作」，可以一站式處理訂票、日常購物、在地生活、辦公和影片剪輯
聽起來很美好。然後現實來了。
「代理手機」真的普及的話，是一場革命——但它同時會把控制權，從那些 App 手上拿走。
而 App 們的反應很快。
豆包助理上線沒幾天，阿里巴巴、騰訊、京東就出手限制它存取自家平台；字節跳動自己也在某些情況下把這個功能關掉了——包括牽涉到「付款」的時候。
小露的看法：這一段才是今天真正的新聞。
過去兩年，「AI agent」的討論幾乎都停在能力層面——它夠不夠聰明、會不會點錯、能不能記住上下文。上海這個週末給了一個不太一樣的答案：能力早就不是瓶頸了，權限才是。
想一下這個畫面：一支手機自己打開淘寶、比完價、下單、付款，全程沒有人看到任何一則廣告、沒有點進任何一個推薦位、沒有被演算法推坑買別的東西。
對電商平台來說，這不是「使用者體驗變好了」，這是「我的商業模式被繞過去了」。 廣告、推薦、動線設計、衝動購物——平台賺錢的地方，全部長在「人類會親手滑手機」這個假設上面。
所以他們封鎖 agent，一點都不意外。真正值得注意的是字節跳動自己也關了付款這一段——連做 agent 的人，都還沒想好「AI 自己刷卡刷錯了算誰的」。
這件事跟台灣有關嗎？有，而且比你想的近。 現在檯面上的 AI 手機、AI 瀏覽器、AI 購物助理，全部都會撞到同一堵牆：平台方願不願意讓機器人進門。這一輪的勝負，比較不會在模型排行榜上分出來，比較可能在條款、API 授權、和法院裡分出來。
來源：Philstar / AFP — Pocket-size AI: Powerful phones star at China show | Digital Journal — Pocket-size AI: Powerful phones star at China show | The News — Pocket-sized AI-powered phones take center stage at China show
新聞摘要
AI 讀 X 光片，錯的時候「特別有自信」——新基準用一個指標把這件事量出來
這則不是「AI 比不上醫師」的老調。重點是它答錯的時候，語氣跟答對時一模一樣。
一份名為 RadLE 2.0（Radiology's Last Exam，放射科的最後一場考試）的新基準，這兩天在社群和專業圈被大量討論。它跟一般醫療 benchmark 最大的差別是：它不只量「答對率」，還量「模型知不知道自己該閉嘴」。
RadLE 2.0 拆成五個分數，主指標叫 信心加權指數（Confidence Weighted Index），另外還有可靠度、準確度、安全性，以及一個很有畫面的——「交班準備度（Handover Readiness）」：你敢不敢把這張片子交給它判讀。
成績攤開來是這樣：
- 具專科證照的放射科醫師：0.83
- 住院醫師（受訓中）：0.45
- 最強的 AI：GPT-5 為 0.30、Gemini 2.5 Pro 為 0.29
也就是說，目前最前沿的多模態模型，讀片能力連受訓中的住院醫師都還沒追上。
但真正讓人皺眉的是「信心」那一欄。 相關研究（MD Anderson 癌症中心）也指出同一個現象：模型產出完全錯誤的判讀時，語氣照樣斬釘截鐵。 更誇張的是另一組實驗——在完全沒有給圖片的情況下，前沿模型還是能「描述影像細節」；一旦明白告訴它「你沒有圖，用猜的」，表現反而掉下來。
白話講：它不知道自己沒看到東西。
怎麼看：這件事的實務含意比分數本身重要。如果一個工具會用同樣堅定的語氣講對的話和錯的話，那使用者就沒有辦法靠「它聽起來有多確定」來過濾風險——而人類判斷可不可信，八成靠的就是這個。
對一般人最直接的一句：不要把手機拍的 X 光片、超音波、健檢報告丟給聊天機器人，然後把它的回答當診斷。 它會給你一個聽起來很專業的答案，而你沒有任何線索分辨那是對的還是掰的。（這是研究結果，不是醫療建議；身體的事還是找醫生。）
來源：CRASH Lab — Radiology's Last Exam (RadLE) 2.0 Technical Report | CRASH Lab — Can AI read a chest X-ray as well as a radiologist? | Futurism — Frontier AI Models Are Doing Something Absolutely Bizarre When Asked to Diagnose Medical X-Rays
AI 公司的員工，正在變成美國政治的新金主階級——而且比上一代科技人更齊心
這則的數字很有意思：不是「捐了多少」最驚人，是「多少比例的人在捐」。
7/18，舊金山在地媒體 The San Francisco Standard 做了一份選舉獻金分析，把 Anthropic 和 OpenAI 員工這一輪的政治捐款，跟過去三個「科技 IPO 世代」（Airbnb、Google、Facebook）拿來對照。
結論是：捐得更快、更多、而且更整齊。
- 每 1,000 名 Anthropic 員工裡約有 59 人這一輪有捐款——大約是 Airbnb 的三倍、Facebook 或 Google 的五到六倍
- Anthropic 員工目前已投入聯邦選舉約 383 萬美元（約新台幣 1.24 億）
- 經通膨調整後，捐款額是前幾代科技 IPO 世代的三倍以上
「整齊」是這樣看出來的：去年秋天，28 位員工（Anthropic 20 位、OpenAI 8 位）在同一天，一起捐給主張 AI 安全立法的國會參選人 Alex Bores，合計 17.3 萬美元（約新台幣 560 萬）。 同一天、同一個人、同一個議題。
而金字塔頂端玩的是另一個量級：OpenAI 總裁 Greg Brockman 個人開出兩筆各 1,250 萬美元（約新台幣 4 億）的超級政治行動委員會（super PAC）捐款——一筆給反監管的 Leading the Future，一筆給親川普的 MAGA Inc。
怎麼看：這裡面有一個很明顯的張力。
基層員工的錢在往「AI 安全立法」流，高層的錢在往「反監管」流。 同一家公司，兩個方向。
而另一個訊號是地理的：捐款人中列舊金山為居住地的比例，Anthropic 是 59%、OpenAI 是 42%，遠高於 Airbnb 當年的 34%、Google 的 18%、Facebook 的 14%。這代表這批人不只在下注全國政治，也在下注自己住的城市。
把它接到最近的線上看：Anthropic 的 IPO 進程還在跑、《大美國 AI 法》還在徵集意見、各州 AI 立法凍結條款吵得正兇。 在這種時候，「誰的錢站哪一邊」本身就是產業新聞。（這是產業觀察，不評論任何政治立場。）
來源：The San Francisco Standard — AI's new political donor class is already outspending Big Tech's last one | Transformer — AI safety's 'hard money' may be its secret weapon in the midterms
DeepMind 的主張：影片生成模型裡面，早就裝著電腦視覺一直在找的那個「世界模型」
如果這個說法站得住，那意思是——過去幾年大家覺得只是拿來做梗圖的影片模型，其實一直在偷偷學物理。
Google DeepMind 提出 GenCeption，論文標題直接把結論寫在上面：《影片生成模型是通用視覺學習器》（Video Generation Models are General-Purpose Vision Learners）。這兩天英文科技媒體開始集中討論它的含意。
它做了什麼：把一個預訓練好的文字生影片擴散模型，改造成單次前饋（feed-forward）的感知模型——白話講，把原本要來回跑很多步、很慢的「生成」流程，壓成一次就出答案的「辨識」流程。
然後這一顆模型，用文字指令就能切換去做六種傳統上各自要專用模型的視覺任務：深度估計、表面法線、相機姿態、指涉式分割、3D 關鍵點、4D 定位。
成績：在這一整套任務上達到 SOTA（state-of-the-art，該領域最佳水準），多項匹敵甚至超越那些專門為單一任務訓練的模型，而且用的訓練資料明顯更少。它還展現了幾個很吃「理解」的能力：sim-to-real（在模擬環境學、到真實世界能用）、處理畫面中多個同類物件、以及應付從沒看過的東西。
底座是誰：阿里巴巴通義實驗室 2025 年 2 月開源的 WAN 2.1，一個 140 億參數的文字生影片擴散 Transformer。
怎麼看：這篇的核心論點值得記一下——DeepMind 在說，「影片生成」對視覺，就像「預測下一個字」對語言。
當年沒有人覺得「猜下一個字」是通往通用語言能力的路，結果它是。 這篇的賭注是：要準確生成一段影片，模型就非得學會物體怎麼移動、光怎麼打、遮住的東西還在不在——那些正是電腦視覺一直想要、卻很難直接教的東西。
對做機器人和自駕的人來說，這條線特別重要：它們最缺的就是「便宜的世界模型」。如果影片模型真的能當視覺通才用，那訓練資料的成本結構會整個變。 這目前是一篇研究主張，不是已成定論的產業共識——值得追，但先別當結論用。
來源：GenCeption — Video Generation Models are General-Purpose Vision Learners（專案頁） | arXiv 2607.09024 | TechTimes — Video Generation Pre-Training Unifies Six Vision Tasks, Beats Specialists on Less Data
Claude Code 修掉一個權限繞過漏洞：你以為只放行 src/，其實整棵樹都放行了
這則很短，但如果你在用 Claude Code 跑自動化，今天請先更新。
7/18，Anthropic 在 Claude Code 的更新中修掉兩個權限相關的問題，都屬於「你設了規則，但規則沒照你想的那樣生效」這一類：
- 單段的目錄萬用規則失效：像
Edit(src/**)這種允許規則，原本會自動放行整棵目錄樹底下任何位置的src寫入，而不是只限當前工作目錄底下那一個。你以為圈了一小塊，實際圈的範圍大得多。 - Windows PowerShell 5.1 的權限檢查可被繞過：在 PowerShell 5.1 session 裡跑的指令，權限檢查有機會被繞掉。
同一批更新還包含：更嚴的權限檢查、更安全的 Bash / PowerShell 處理、背景 session 清理、以及遠端和 plugin 的穩定性改善，另外新增了 EndConversation 工具和長時間任務的進度心跳（progress heartbeats）。還有一個行為調整：/verify 和 /code-review 改成只有被明確叫到才會跑，Claude 不會再自己主動觸發它們。
怎麼看：allowlist（允許清單）最危險的失效方式，不是「擋太多」，是「你以為它擋住了」。
這跟這個月另一條線是同一件事的兩面——最近的供應鏈攻擊已經開始針對 AI 編碼工具下手：有攻擊把帶零寬字元隱藏指令的 CLAUDE.md、.cursorrules 塞進套件裡，等開發者用 Cursor 或 Claude Code 打開專案，助理讀到設定檔就自己跑起「安全掃描」，把本機的祕密外傳。
兩件事疊起來的結論很單純：當你把「動手權」交給一個 agent，那份權限設定檔就是你的防線——它值得你像看防火牆規則一樣認真看一遍。
來源：Claude Code 官方 changelog | Releasebot — Claude Code Updates by Anthropic, July 2026 | Upwind — Large-scale npm / PyPI supply chain campaign
值得關注
- 今天（7/20）就是 Claude 新制上路日，Max 和 Pro 是兩種完全不同的處境：昨天報過的 Fable 5 新方案今天生效——Max / Team Premium 永久內建但只給週用量上限的 50%；Pro / Team Standard 改走用量點數，官方一次性送 100 美元（約新台幣 3,250 元），燒完照 API 價計費（輸入 $10、輸出 $50 / 每百萬 token）。同一天，Claude Code 週用量上限的 50% 加成也結束了——兩件事疊在一起，重度使用者今天登入請先確認一下實際額度。（後續：接 7/19 報過的 Fable 5 定價）
- AI 文字偵測器正在被「模仿文風」這招破防：Epoch AI 測了三個主流偵測器（Pangram、GPTZero、Originality.ai），發現當 AI 被要求模仿某位特定作者的文風時，最多有 18% 的 AI 生成段落完全沒被抓到。這對學術、新聞、出版界都是壞消息——「用工具驗一下是不是 AI 寫的」這條防線，可靠度正在下降。 這條線值得追，因為它會直接影響學校和期刊的政策怎麼訂。
- 7/27 的 Kimi K3 權重釋出，是這個月最後一個硬日期：Moonshot 承諾的完整權重釋出日還沒到。 上週它已經在 Arena.ai 的前端程式競技場拿到第一（76% 對戰勝率，壓過 Fable 5），Terminal-Bench 2.1 拿 88.3，但在綜合的 Text Arena 只排第九——是個很明確的「程式與 agent 特化型」選手。到 7/27 才會知道兩件事：權重是不是真的全放，以及社群實測跟官方數字差多少。
- 「AI 怎麼影響初階白領職缺」的說法正在轉向：《金融時報》 這兩天一篇分析指出，專業服務業（顧問、法律、金融）對 AI 的反應不是單純砍掉基層職缺，而是重新設計招募、訓練和職場文化——把初階職位改造成「學習實驗室」，訓練那些 AI 取代不了的能力（策略思考、模式辨識、關係建立）。但同一份觀察也指出，用了 AI 工具的公司，確實在放慢 22～25 歲這個年齡層的招募速度。 兩件事同時成立，值得繼續追。