
Sign up to save your podcasts
Or


Meta 推出 Muse Ember:主打代理常用任務,公布效能、價格與評測條件
Meta 於 2026 年 11 月 9 日發布 Muse Ember,並稱這是旗下最小、效率最高的模型,設計用於代理反覆執行的工具呼叫、程式子任務、路由、資料擷取與長文件解析。Meta 表示,模型已可透過 Muse Code 與 Meta Model API 使用,型號為 muse-ember-1.0。這次發布的重點,是 Meta 同時公布了模型價格、效能比較,以及各項評測的條件,讓讀者能分開看每任務成本、測試分數與標準 API 單價。Meta 官方發布文;Mark Zuckerberg 的發布貼文
公布的成本比較涵蓋哪些模型與設定?
Meta 官網刊出 Artificial Analysis 的「Intelligence vs. Cost Per Task」圖,以 Intelligence Index 分數和每任務成本比較 Muse Ember、Claude Haiku 5.5 與 GPT-6 Luna 在不同推理強度下的結果。圖中的 Muse Ember 有兩個點:分數 33.9、每任務 0.116 美元,以及分數 35.8、每任務 0.136 美元;Claude Haiku 5.5 的四個點介於 24.6 分、0.092 美元與 36.2 分、0.411 美元之間;GPT-6 Luna 的三個點介於 21.4 分、0.073 美元與 27.8 分、0.152 美元之間。這張圖呈現的是不同推理強度下的每任務成本與分數,不是 API 每百萬 token 單價;圖註標示日期為 2026 年 11 月 9 日,Muse Ember 的成本採 list pricing。Meta 據此主張,Muse Ember 在該比較中每個推理設定的 intelligence per dollar 高於另外兩款模型。這是 Meta 引述的比較結果,應連同圖中的模型、設定和成本口徑理解。
Meta 官網原始「Intelligence vs. Cost Per Task」圖,比較 Muse Ember、Claude Haiku 5.5 與 GPT-6 Luna 在不同推理強度下的 Artificial Analysis Intelligence Index 與每任務成本;圖註標示 Muse Ember 成本採 list pricing,日期為 2026 年 11 月 9 日。
九個資料點的手機可讀比較表;日期為 2026-11-09,Muse Ember 成本採 list pricing。這是 Meta 官網公布的比較,並非獨立重測。
評測分數如何解讀?
Meta 的評測表也列出多種任務結果。例如在 max reasoning 設定下,Muse Ember 的 AutomationBench-AA 為 37.8%,Agents’ Last Exam 為 61.6%,Terminal-Bench 4.0 為 40.9%,GDP.pdf-AA 為 22.8%。這些分數來自不同評測,條件並不相同:Meta 說明 Agents’ Last Exam 使用 Linux 子集,部分評測屬 Meta 內部測試;Terminal-Bench 4.0 使用各模型最佳已發布 harness;GDP.pdf-AA 則採 Artificial Analysis 版本。Meta 的方法報告另說明評分方式和個別 benchmark 條件。這些是官方公布的評測結果,不是獨立重測;比較時需留意測試環境與 harness 的差異。
Meta Muse Ember 評測方法報告(補充 PDF)
Meta 提供的補充評測方法文件;本文未閱讀 PDF 全文,前述評測條件依 Meta 發布頁說明。
API 價格與可用規格
Meta 官網列出的標準價格為每百萬輸入 token 0.10 美元、快取輸入 token 0.004 美元、輸出 token 0.50 美元;prompt 超過 200K token 時,價格分別提高為 0.30、0.012 與 1.50 美元。官網也列出 1M token 上下文窗口、最多 512K token 輸出,並稱模型支援 Responses API。這些是 token 計價與規格,和前述每項測試任務的成本數值是不同口徑。
Meta 將 Muse Ember 定位為可大量執行重複代理任務的模型,並表示它是首個使用 Muse Wonder Full 訓練的專用模型。對讀者而言,發布頁提供了可核對的價格與多組 benchmark 數據;評估是否適合特定工作時,仍要對照自己的任務、推理設定、測試工具與實際用量。
原文:https://easyvibecoding.app/curated/3701-meta-muse-ember-agent-model-benchmarks-pricing
Claude 推出 Whiteboards、Sheets 與 Data:兩項 beta,一項一般提供
Anthropic 於 2026 年 11 月 10 日宣布推出三項工作工具:Claude Whiteboards、Claude Sheets 與 Claude Data。官方公告將 Whiteboards 和 Sheets 標為 beta;原 Claude Dashboards 則以 Claude Data 名稱轉為一般提供。Claude Data 需要資料連接器,例如資料倉儲或 CRM;三項工具列於付費方案。這次更新把白板、試算表與儀表板放進 Claude 的工作工具組合,適合留意 AI 如何協助整理計畫、追蹤資料及呈現分析的讀者。citeclaude-tools-official-2026-11-102120206365759094857
依 Anthropic 2026 年 11 月 10 日官方公告;三項工具列於付費方案。
三項工具各自處理什麼工作?
Claude 官方帳號以三個動作介紹這組工具:在白板上推演計畫、用試算表建立追蹤表,再透過資料說故事。官方網站補充,Whiteboards 與 Sheets 正以 beta 推出;Claude Data 是 Claude Dashboards 更名後的一般提供版本。這些是公告所述的產品狀態,並非獨立的可用性測試。
Claude Whiteboards、Sheets 與 Data 產品展示;畫面依序呈現白板介紹、試算表及節慶預購資料儀表板。
官方頁面對 Sheets 的功能範圍也有明確說明:目前是簡單的試算表功能,後續仍在擴充。這表示 Sheets 的現階段定位仍在發展中;公告沒有列出完整功能清單或擴充時程。
示範影片呈現了哪些操作?
官方示範影片呈現 Whiteboards 建立節慶產品上市時間軸、Sheets 參考歷史預購資料產生預測,以及 Data 將預購資料整理成儀表板與敘事版面。這些畫面展示了產品操作流程;影片中的商業數字屬於示範情境,不能當作經外部查證的實際銷售結果。
官方示範影片依序展示 Claude Whiteboards 產生節慶上市時間軸、Sheets 根據歷史數據製作預購預測,以及 Claude Data 呈現銷售儀表板與敘事版面。
影片畫面中的預購數字,例如 58,500 件與去年同期的 50,000 件,以及畫面標示的 17% 增幅,都是產品示範所用的範例資料。它們說明儀表板如何呈現比較結果,不代表真實商業成績。示範也沒有提供能獨立驗證這些數字的資料來源。
對讀者而言,較清楚的切入方式是先看各工具所處的發布階段:Whiteboards 和 Sheets 為 beta,Claude Data 為一般提供;再把示範中的操作與數字視為產品展示內容。官方公告稱三者皆適用於付費方案,Claude Data 另需要資料連接器,例如資料倉儲或 CRM;Sheets 的功能仍在擴充。
官方示範影片依序展示 Claude Whiteboards 產生節慶上市時間軸、Sheets 根據歷史數據製作預購預測,以及 Claude Data 呈現銷售儀表板與敘事版面。 影片中的 Prompt 與操作:
Prompt(00:09): 為 Huckleberry Pie 上市規劃插畫時間軸,從確定口味到節慶配送。
原文:Lay out an illustrated timeline for the Huckleberry Pie launch, from locking the flavor to holiday delivery.
Prompt(00:13): 草擬預購預測,並參考 Historical 分頁的去年數據。
原文:Draft a forecast for pre-orders. Reference last year’s numbers from the Historical tab.
操作步驟: 1. Whiteboards displays a 12-day launch timeline with milestones for flavor and price decisions, forecasting, order placement, delivery, baking, and recipe testing. 2. Sheets populates historical actuals and conservative and optimistic growth scenarios, with totals and remaining-capacity calculations. 3. Data presents the pre-order KPI cards, year-over-year weekly line chart, and flavor breakdown; the demo then formats the results as a scrollyteller narrative.
原文:https://easyvibecoding.app/curated/3697-claude-whiteboards-sheets-data-launch
Claude Fable 5.2 與 Mythos 5.2:同一模型,不同防護設定與存取條件
Anthropic 於 2026 年 11 月 9 日發布 Claude Fable 5.2 與 Claude Mythos 5.2,稱兩者來自同一底層模型。產品差異在於安全設定和取得方式:Fable 保留網路服務中的資安與生物學防護;Mythos 則是移除部分相關防護、僅向經審核組織提供的版本。因此不能把 Mythos 描述成防護更嚴格的配置。Anthropic 說 Fable 5.2 的資安與生物學防護與 Fable 5.1 一樣強,但早期測試在 Claude、Claude Code 與 Cowork 中觀察到的攔截次數較少。這些是特定測試結果,不是每位使用者或每種請求都會有相同變化。
發布頁把 Fable 5.2 定位為處理高難度、開放式技術工作的模型,並建議多數日常寫程式與知識工作先從 Opus 5.5 開始,再按任務複雜度調整。Mythos 5.2 面向資安與生命科學等雙重用途領域,需經 Cyber Verification Program 或 Life Sciences Verification Program 審核;Claude Enterprise 客戶也可透過 Claude Security 使用相關能力。官方介紹的能力、受限存取和防護設定是三件不同的事,不能只由模型名稱推斷自己能否呼叫,或將受限測試中的表現直接套到一般 Fable 使用情境。
Claude Fable 5.2 官方影片以抽象景象和品牌字卡呈現:行走者穿越藍色與赭色地景,畫面切換到光弧、數學線圖、微觀自然景象與極光,最後顯示 Fable 5.2 與 Claude 標誌。
同一底層模型,防護與取得方式不同
| 比較面向 | Fable 5.2 | Mythos 5.2 | |---|---|---| | 底層模型 | 與 Mythos 5.2 相同 | 與 Fable 5.2 相同 | | 資安與生物學防護 | 保留相關安全分類器;官方稱強度與 Fable 5.1 相當 | 底層模型的特定資安與生物學防護未啟用 | | 取得方式 | Claude、Claude Code、Claude Platform 及支援的雲端服務 | Verification Programs、指定平台與符合條件的 Claude Security 使用情境 | | 官方建議 | 多數日常程式與知識工作先試 Opus 5.5 | 雙重用途領域的經審核組織申請使用 |
Anthropic 對 Mythos 的產品說明是「同一底層模型,但沒有某些資安或生物學防護」,不是「Mythos 有更嚴格防護」。發布文章將 Mythos 稱為其資安工程和生命科學研究中能力最強的模型之一,並說明它可在 Verification Programs 中提供給經審核組織。這些能力描述與存取條件都不代表一般帳戶可以選用 Mythos。
Fable 的安全分類器會攔截高風險資安工作,例如滲透測試、漏洞利用程式生成、以二進位檔進行的漏洞工作,以及多數研究生物學任務。被攔截時,官方描述的透明 fallback 分別轉向 Opus 4.8(資安)與 Opus 5(生物學)。發布方說明,Fable 5.2 延續 Fable 5.1 的防護;根據 claude.ai、Claude Code 與 Cowork 的早期測試,觀察到總攔截次數約少 55%,其中資安約少 60%、生物學約少 40%。這是早期測試中的攔截變化,不等於防護強度下降,也不是所有生產請求的攔截率。
在模型訓練方面,Anthropic 表示曾限制可能直接加速 AI 研發的特定研究能力,例如加速器核心最佳化與大型語言模型架構改良;這與線上推論時的服務 fallback 是不同環節。官方說相關領域的表現約在 Opus 5.5 水準,同時沒有調低 agentic coding、硬體開發或傳統 AI/機器學習研究能力。兩款模型在部分主題仍會透明 fallback 至 Opus 5。發布頁也提醒,模型可能察覺自己正接受評估,這會影響研究者推估其真實環境行為;單一測試不能涵蓋部署後的所有失敗方式。
API 規格與價格:看清輸入、輸出和模式
Anthropic 的發布頁列出 Fable 5.2 的 API 型號識別碼為 claude-fable-5-2,支援文字與圖片輸入,context window 為 1,000,000 tokens,最大輸出為 128,000 tokens。上下文容量表示一次請求可處理的輸入範圍,不代表每次都會把容量用滿;輸出上限也不是每個回答都會生成的長度。
| API 項目 | Claude Fable 5.2 標準模式 | Fast mode | |---|---:|---:| | 輸入 | 每百萬 tokens 8 美元 | 每百萬 tokens 16 美元 | | 輸出 | 每百萬 tokens 40 美元 | 每百萬 tokens 80 美元 | | 生成速度 | 標準速度 | 官方稱最高可快 2.5 倍 | | API effort 預設 | High | 另選模式;價格與速度口徑不同 |
Anthropic 的模型選用指南將 Fable 5.2 的 API thinking 列為 Adaptive、預設開啟,且不能關閉;API 預設 effort 是 High。Claude App 與 Claude Code 預設為 Medium,Claude Code 的設定也可能依工作階段而異。官方指南特別提醒以 /effort status 查實際 Claude Code 設定。這些預設值不可互換:在 API 上沿用 Claude Code 的 Medium 假設,可能造成測試配置不同。
Claude Code 團隊的原帖稱 Fable 5.2 已在 Claude Platform 和 Claude Code 提供,並列出每百萬 tokens 輸入/輸出 8/40 美元;Fable 5.1 為 10/50 美元。Anthropic 也說 Fable 5.2 與 5.1 相比,輸出生成最高快 30%。這個速度描述是發布方的比較,不是所有請求都固定提升 30%。Fast mode 是選配,標價加倍、官方速度描述最高 2.5 倍;兩個「最高」數字都不代表單一任務的固定延遲或帳單。
Fable 5.2 的標準 API 價格為每百萬輸入 tokens 8 美元、每百萬輸出 tokens 40 美元;cache read 為每百萬 tokens 0.20 美元。Artificial Analysis 的模型頁與原帖另列 5 分鐘 cache write 每百萬 tokens 10 美元、1 小時 cache write 16 美元。此為其保存的價格快照;cache write、cache read、一般輸入和輸出是不同計價項目,長對話也可能因每輪重送內容而增加用量。
Fast mode 對 Mythos 的可用範圍另有條件:Anthropic 說 Mythos fast mode 只提供給 Verification Programs 的組織。Fable 5.2 則可透過 Claude Platform 開始使用,並已提供於 AWS、Google Cloud、Microsoft Azure 等平台。Mythos 的平台清單包括 Claude Code、Claude Platform、Google Cloud(Anthropic managed 與 Google managed)及 Microsoft Foundry(Anthropic hosted);平台能選到模型,仍須符合該模型的存取資格。
評測分數代表各自的測試條件
官方發布的 FrontierCode 2.0 評估程式碼變更是否能被開源專案維護者合併。Anthropic 報告 Fable 5.2 在 high effort 得 45.3%,接近 Opus 5.5 的最高結果 45.5%,成本約一半;在 xhigh 得 49.1%,是官方測試的已發布模型中最高值。FrontierSWE v2 是另一項 agentic coding 評測;兩者任務集與計分口徑不同,不能把分數當成一般軟體專案成功率。
官方FrontierCode 圖表回覆有四張不同 effort 的圖,涵蓋 FrontierCode 2.0、WANDR、BenchCAD 2.1 和 Humanity’s Last Exam。它們可用來查看 effort、分數和任務成本的關係,但各圖的測試目標不同:WANDR 評估 agentic search;BenchCAD 2.1 評估硬體設計與參考幾何、電路的符合度;Humanity’s Last Exam 是專家級多學科知識與推理測試。圖表上的 benchmark 表現不等於在任務範圍外的普遍能力。
FrontierCode 2.0 圖表比較 agentic coding 不同 e…
Supabase 開發示範:代理參與流程,權限範圍要分開看
Supabase 分享了一段產品團隊的開發示範,描述團隊成員帶著一名承包者走過入職第一天的代理協作流程。貼文列出 ChatGPT 登入與 scoped access tokens、Supabase MCP server 與 agent skills、使用 pg-delta 的宣告式 schema,以及用 Supabase Notebooks 診斷即時 deadlock 等片段。影片畫面也展示 migration 套用成功與資料庫日誌查詢;這些是示範畫面,不能據此判定每種設定都適用於其他專案。原始貼文
Supabase 產品團隊的現場示範,從範圍權杖與 MCP/skills 設定,走到宣告式 schema 與使用 Supabase Notebooks 進行即時死鎖除錯。
原始影片縮圖:講者站在投影幕前進行產品示範。
「範圍」要看它限定的是哪一種存取
「scoped」表示存取有範圍,但單看這個標籤,還不知道它限制的是什麼。Supabase 的 MCP 文件說明,遠端 MCP 可以限定到單一專案;若沒有選擇專案,則可存取所有專案。這是 MCP 的專案範圍設定,文件沒有指出影片中的使用者採用了哪種配置。Supabase MCP 文件
另一種容易混淆的設定是個人存取權杖(PAT)。Supabase 的 PAT 文件指出,建立 token 時可以依組織、專案和所需權限設定範圍。這說明 PAT 的設定方式;貼文沒有指出其中的 scoped access token 是 PAT。Supabase PAT 文件
影片畫面展示了哪些開發步驟?
貼文把幾段內容標在 02:28、03:03、05:05 和 07:07:依序提到 ChatGPT 登入與 scoped access tokens、Supabase MCP server 與 agent skills、使用 pg-delta 的宣告式 schema,以及用 Supabase Notebooks 診斷即時 deadlock。這些時間點提供各段主題,不是逐步操作說明。原始貼文
在約 05:16 的畫面中,終端機顯示 CLI 產生 migration、建立資料表與政策,並顯示 migration 已成功套用。約 07:44 的畫面則呈現對資料 API 回應日誌的查詢,表格列出不同 HTTP 狀態的請求數。這些是影片中展示的操作畫面,並未提供可推廣到其他環境的測試條件或完整操作紀錄。
影片約 05:16 的畫面:CLI 顯示 migration 已套用成功;這是示範中的一個操作結果。
把開發環節和權限設定分開理解
貼文列出代理協作涉及的登入、MCP、skills、schema 與診斷等開發環節。官方文件補充兩種不同的設定背景:MCP 可以限定專案範圍;PAT 可以依組織、專案與權限設定。兩者設定對象不同,文件也沒有確認示範中使用的 token 類型、專案選擇或具體權限。
因此,這段示範呈現了代理參與開發流程的幾個環節;要判斷代理能存取什麼,仍須查看實際採用的 token 與 MCP 設定。
依 Supabase MCP 與 PAT 文件比較設定範圍;文件不證明影片採用特定配置。圖形不表示數值比例。
原文:https://easyvibecoding.app/curated/3688-supabase-agent-assisted-development-demo
METR估 Anthropic AI研發進展約快一倍,公開證據仍有缺口
METR 於 2026 年 11 月 5 日發布對 Anthropic 的 AI 研發加速評估。報告估計,截至 2026 年 10 月,Anthropic 在明確規格任務上的模型能力進展速度,約為 2024 年 3 月至 2025 年 10 月的兩倍;但 METR 同時強調這是高度不確定的判斷,不能直接推廣到所有工作,也不等於 AI 已進入超指數成長。
報告估計的「兩倍」指什麼?
METR 團隊在 2026 年 8 月至 10 月間,使用 Anthropic 提供的內部資料評估 AI 是否正在加速 AI 研發。報告區分了對能力進展的整體判斷與基準分數的統計估計:前者是截至 2026 年 10 月,明確規格任務的進展速度約為過去的兩倍;作者認為實際加速可能更接近 1.3 倍或 3 倍。
另一項估計來自 AECI,也就是 Anthropic 版本的 Epoch Capabilities Index。METR 認為,Anthropic 模型的 AECI 基準分數自 2025 年 10 月起,以此前速度的 1.9 倍成長,95% 信賴區間為 1.5 至 2.8 倍。報告將其概括為:過去一年在基準上的進展,約等於此前兩年的進展。
METR 的 AECI 圖顯示,納入內部模型與基準後,截至 2026 年 10 月的基準分數成長速率約為 2025 年 10 月前的 1.9 倍(95% 信賴區間 1.5–2.8 倍);圖中並以誤差棒和前後期趨勢線呈現資料。
METR 的 Probit robustness 圖估計截至 2026 年 10 月的 AECI 成長速率為 2025 年 10 月前的 1.8 倍(95% 信賴區間 1.3–2.7 倍);這是不同 link function 下的敏感度分析。
METR 的 Cauchit robustness 圖估計截至 2026 年 10 月的 AECI 成長速率為 2025 年 10 月前的 2.8 倍(95% 信賴區間 1.5–4.1 倍);這是不同 link function 下的敏感度分析。
這兩個 Cauchit 信賴區間的下限不同:METR 報告正文的穩健性表格列 2.8 倍(95% 信賴區間 2.0–4.1 倍),圖中則列 2.8 倍(95% 信賴區間 1.5–4.1 倍)。報告沒有說明差異來源,因此本文並列兩個原始標示,不推定哪個數值已校正,也不調和其精度。這是不同 link function 下的敏感度分析;主設定仍是 AECI 估計的 1.9 倍(95% 信賴區間 1.5–2.8 倍)。
METR 的 complementary log-log robustness 圖估計截至 2026 年 10 月的 AECI 成長速率為 2025 年 10 月前的 1.1 倍(95% 信賴區間 0.8–1.5 倍);這是不同 link function 下的敏感度分析。
METR 比較三種 AECI 擬合使用的 link function:Logistic 作為基準、complementary log-log 假設容易題較長尾、log-log 假設困難題較長尾。圖註明這是函數示意,並非資料擬合。
閱讀時要把三個數字分開:約兩倍是 METR 對截至 2026 年 10 月明確規格任務能力進展的主觀估計;1.9 倍(95% 信賴區間 1.5–2.8 倍)是 AECI 基準分數自 2025 年 10 月以來的估計成長率;約 80%則是 METR 對目前加速中 AI 貢獻占比的推測。它們的對象、期間和證據性質不同,不能互換。
METR 以標示「Illustrative/Fake Data」的圖示範歷史成長率 2 倍/年、當前 9 倍/年與反事實 3 倍/年,並算出相對反事實約 2 倍、相對歷史約 3.2 倍;參數是虛構示例,並非報告實測估計。
三項估計的對象與證據性質不同;AI 歸因約80%是 METR 的主觀推測。
加速有多少可歸因於 AI?
METR 表示,評估期間未找到訓練算力成長加快的證據能解釋這次加速;至於其他原因,團隊沒有取得決定性證據。報告推測,截至 2026 年 10 月,當前加速可能多數來自 Anthropic 使用 AI 進行研發,或許約占八成,但作者明確稱這項判斷有重大不確定性,也認為 2025 年後期的加速可能受非 AI 因素影響。
METR 以明確標示「FAKE DATA」的示意圖,區分含 AI 的 AECI 觀察值、未使用 AI 的最佳估計與歷史趨勢,並示意 2026 年 10 月的增量可能來自 AI 或非 AI 因素。這不是實測資料。
METR 的架構圖將演算法、資料品質與算力連到預訓練能力與強化學習能力,再連到模型能力;圖中呈現影響路徑,沒有數值資料。
報告也整理員工訪談與非正式問卷。Anthropic 員工在 2026 年 10 月的 Slack poll 中,自陳使用 AI 後的助益最高達 12 倍;METR 將這類回答視為寬鬆證據,並提醒個人感受到的工作加速倍數,不等同於模型能力進展的加速倍數。
這張圖彙整 Anthropic 員工非正式問卷與 Slack poll 的自陳助益,呈現不同模型時點與估計曲線;圖註提醒這類結果只能視為寬鬆證據。
為什麼訪談說「很難確認」?
METR Live 的訪談摘要提出另一個問題:現有方法能否辨識比指數成長更快的「雙曲線式成長」?訪談者用「能力先提升 1%,再提升下一個 1% 是否因此更容易」說明這個概念。受訪者表示,當時能檢視的內部模型數量有限、資料約只有一年,而且重要證據遭刪節;現有方法未必能有把握地確認或排除這種成長。
METR 訪談片段討論:現有方法與有限資料,可能無法可靠判定 AI 研發是否已進入雙曲線式成長;受訪者指出,目前缺少足夠公開證據確認或排除這種情況。
這與報告估計的基準分數加速並不矛盾:AECI 顯示的是某組基準分數在特定期間的成長率;「雙曲線式成長」則是更強的命題,涉及進展是否會讓後續進展本身愈來愈容易。報告估計能力進展加快,不代表它已證明後一種情況正在發生。
公開報告有哪些限制?
Anthropic 對報告中的非公開資料行使刪節權。METR 表示,多數最能幫助判斷結論的證據遭到刪節,因此讀者無法直接檢視全部依據,必須更大程度依賴 METR 的判讀。報告也指出,AECI 著重可明確評分的任務,基準變化未必能完整代表較不明確的實際工作;而模型評估資料較稀疏,也可能落後於研發變化。
所以,這份報告提供的是帶有重要不確定性的評估:METR 認為 Anthropic 的模型能力在明確規格任務上進展加快,且 AI 可能是其中主要因素;公開材料仍不足以讓讀者獨立檢視所有關鍵證據,更不足以確認超指數或雙曲線式成長已經發生。
METR 訪談片段討論:現有方法與有限資料,可能無法可靠判定 AI 研發是否已進入雙曲線式成長;受訪者指出,目前缺少足夠公開證據確認或排除這種情況。
原文:https://easyvibecoding.app/curated/3683-metr-estimates-anthropic-ai-rd-progress-about-twice-as-fast
讓代理自己檢查介面:Rune 把 Rust UI 接上 headless 渲染
Rust Bytes 介紹的 Rune,是一套面向桌面與 Web 的 Rust UI framework。它把自己的 renderer、文字、版面與動畫 spring 放在同一套框架裡;這次值得注意的地方,是每個 app 都能在沒有可見視窗的情況下執行,讓代理可以輸出 PNG、檢視元素樹,並用腳本操作介面。這使「做完再看一眼」能成為開發流程中的具體步驟,而不是只靠讀程式碼猜畫面。
Rune 展示片段依序呈現開關、照片圖庫、音樂節拍面板與 Rune 標誌。
短片是產品畫面展示;來源未說明各項功能的規格或成熟度。
Rune 展示預覽:深色畫面中央顯示「Lights off」與關閉狀態的切換鈕。
從畫面到可檢查的結構
一般介面開發常要啟動視窗、找到控制項,再人工確認呈現是否符合預期。Rune README 描述的 headless 路徑,則讓 app 在沒有視窗時也能渲染 PNG、輸出元素樹,並接受腳本輸入。PNG 回答「畫面長什麼樣」,元素樹則提供可檢視的介面元素;兩種輸出讓代理能檢查不同層次的結果。
README 的範例把一個燈光切換鈕表示為帶有角色、標籤與 checked 狀態的元素,並設定按下後切換狀態。這讓讀者看到 Rune 所說的「檢視元素」可以對應到哪些介面資訊;README 也建議讓代理從 examples/hello 和 crates/rune/README.md 開始,再以 headless PNG 與元素樹檢查成果。
依 Rune README 整理範例流程;.checked(s.on) 是程式設定,圖中的元素樹只列 role 與 label,不代表完整品質保證。
Rune repository demo 畫面呈現深色程式助理介面,對話標題為「Fix flaky reconnect in the event stream」。
Rune 標誌圖以金屬方塊字呈現,附有「Native, GPU-rendered UI in Rust」與專案網址。
跨平台框架仍在預發布階段
Rune 專案頁將它描述為支援 macOS、Windows、Linux 與 Web 的 native GPU-rendered Rust UI framework,並提醒使用者目前是 pre-release,依賴時要固定 dev 分支的 revision。平台支援的描述和預發布限制要一起看:README 展示了代理可採用的檢查方式,但這些資料本身沒有提供效能基準、與其他框架的比較,或穩定版承諾。
延伸閱讀
Rune 官方 repository:README 說明 headless PNG、元素樹與 scripted input 的工作方式,並提供範例及預發布提醒。 Rust Bytes 的 Rune 介紹:介紹 Rune 的桌面與 Web 定位,以及代理可使用的 headless rendering 和元素檢視能力。
原文:https://easyvibecoding.app/curated/3680-rune-rust-ui-headless-agent-rendering
Claude Personal Finance 開始在美國推出 beta:可連結帳戶查看支出並規劃目標
Anthropic 表示,Claude Personal Finance 正逐步向美國的 Pro、Max 與 Ultra 方案用戶推出 beta。它讓使用者在 Claude 的 Personal Finance hub 連結金融帳戶,查看支出資訊並討論財務安排;官方說明 Claude 的帳戶存取為唯讀。這次公開的是一項仍在逐步推出的功能,不代表所有符合方案的使用者已經取得使用權。官方文章;X 貼文
它能協助整理哪些財務資訊?
官方文章中的示例展示了幾種使用方式:查看月度帳單後的可用餘額、整理各類支出,以及檢視薪資入帳前的支出項目。另一段產品示範畫面則呈現帳戶選取、支出與帳單檢視,以及儲蓄和旅遊規劃。這些是文章範例與展示畫面,說明介面如何呈現資訊;不等於對任何使用者的財務結果作出保證。Anthropic 也提醒,Claude 的回答可能出錯;讀者可以追問某個數字依據哪些交易,並向銀行核對重要金額。官方並說,Personal Finance 並非為提供投資建議而設計。Anthropic 官方文章
Personal Finance 首頁示範查詢月度帳單餘額與餐飲支出。
來源:Anthropic 官方文章
Claude 回覆月度支出摘要,列出分類、金額與交易筆數。
來源:Anthropic 官方文章
帳戶連結與資料使用有哪些條件?
Anthropic 表示,使用者須自行透過 Plaid 登入銀行以連結帳戶,Claude 對帳戶的存取是唯讀。影片畫面展示了帳戶選取與理財介面;本文對連結方式與存取權限的說明依據官方文章,而非影片語音。
使用者透過 Plaid 連結帳戶,Claude 唯讀查看支出並討論規劃。依 Anthropic 官方文章;銀行與帳戶支援情況各異。
Claude Personal Finance 示範帳戶選取、支出檢視、儲蓄與旅遊規劃。
來源:TestingCatalog 原貼文
Claude 列出薪資入帳前的支出項目與帳戶餘額計算示例。
來源:Anthropic 官方文章
官方也說,在 Personal Finance hub 內與 Claude 的對話不會用於訓練其模型;若在 hub 外分享對話,則適用一般隱私設定。這項說明的範圍是 Personal Finance hub,不宜擴大解讀為所有 Claude 對話都適用同一規則。
若要理解一般消費者產品的資料保留方式,Anthropic 隱私中心另稱:刪除對話後,內容會立即從聊天紀錄移除,並在 30 日內從後端儲存系統刪除;符合條件的新開或續接對話,若使用者允許用於改善 Claude,可能以去識別形式在訓練流程保留最多五年。該政策另列幾種保留例外:若對話或工作階段被信任與安全系統標記為違反 Usage Policy,輸入與輸出可保留最多兩年,信任與安全分類分數最多七年;使用者提交回饋後,相關資料保留五年。Anthropic 也表示,法律要求、處理爭議或防止 Usage Policy 違規所需時,可能保留聊天與程式工作階段。這是一般保留說明,並非 Personal Finance hub 專屬條款。Anthropic Privacy Center
beta 推出仍有範圍限制
Anthropic 將 Personal Finance 描述為 beta,並表示功能正逐步向美國 Pro、Max 與 Ultra 方案推出。實際可用性因此取決於推出進度。文章日期為 2026-11-05;產品圖片未標示各自的版本或日期。
原文:https://easyvibecoding.app/curated/3672-claude-personal-finance-beta-us
Sean Rickerd 主張以代理權限邊界界定 AI 事故責任
2026 年 11 月 5 日,Red Hat OpenShift 的 X 貼文以「五歲孩童」比喻 AI 代理,並附上一段約 2 分 18 秒的影片。貼文連結到資安作者 Sean Rickerd 的文章;Rickerd 問的是:誰批准了它具備採取這些行動的權限?這是作者提出的治理觀點,不是 OpenShift 標準或產品功能的獨立驗證。
OpenShift 貼文附帶的 AI 代理治理影片。
影片來源說明:OpenShift 官方 X 貼文,2026-11-05。影片以口述比喻介紹代理治理;本文不據此確認特定產品控制的實作。
OpenShift 貼文所附影片縮圖。
來源圖:OpenShift 官方 X 貼文附帶的影片縮圖。
核准代理,實際上核准了什麼?
Rickerd 從事故情境切入:代理可能暴露資料、變更基礎設施、對外傳送內容、刪除資料,或把各自看似合理的操作串在一起。事故後,人們會追問代理做了什麼、為什麼這麼做、哪些控制失效;他認為還得追問誰接受了讓代理可以這樣做的風險。
傳統核准通常對應較明確的對象,例如服務用途、使用者角色或應用程式的資料庫存取權。代理的情況不同:核准的可能不是一個指定動作,而是讓它自行決定下一步的能力。模型、提示、工具、憑證、可讀資料、可執行動作、支出與可修改系統等權限,單看或許都說得通,組合起來卻會改變風險。問題不只在代理可能出乎意料,也在於它手上有多少權限,能讓意外造成實際後果。
Sean Rickerd LinkedIn 文章封面。
文章發布於 2026-10-13。
Rickerd 也區分了不同角色的責任:資安團隊可以評估控制措施是否合理,平台團隊可以說明現有權限,AI 團隊通常說明預期行為;若代理獲准執行業務動作,授權所帶來的剩餘風險應由該業務功能的負責人承擔。不過,若沒有人能說清代理實際擁有哪些權限,業務負責人也難以有充分資訊地接受風險。這是作者對責任分工的主張。
把核准落在可說清楚的權限邊界
Rickerd 認為,逐一核准代理未來每個動作並不實際;較可行的做法,是先界定它可以活動的範圍。作者列出的邊界包括:代理能接觸哪些系統、能執行哪些類別的動作、使用誰的身分、權限維持多久、交易上限為何、哪些情況要升級處理,以及哪些動作必須禁止。風險決定應對應這一整組權限,而不是籠統地說「代理已獲核准」。
依 Sean Rickerd 的文章整理代理權限邊界;不是 OpenShift 產品控制清單。
他用幼兒安全作比喻:大人無法預測孩子在家中每個決定,但可以移除危險物品、設置門閘,限制孩子能接觸的環境。這個比喻要說明的是控制環境與權限邊界的思路,並非代理系統的技術模型。
事故發生後,文章建議至少能回答:誰授予了這些權限、授權的理由是什麼、誰接受剩餘風險,以及有什麼證據顯示核准者理解自己批准了什麼。若權限散落在身分與存取管理、代理框架、OAuth 同意畫面、API 設定和久未整理的服務帳號中,能力可能逐步累積,最後難以追溯誰曾核准整體能力。
因此,Rickerd 把代理治理連回較早就存在的資安問題:權限過大、授權範圍不清、已被遺忘的授權,以及能力遠超過管理者記憶的憑證或工具。他的文章提供的是治理建議與事故追責問題;OpenShift 貼文和影片則是品牌方對代理治理的介紹。兩者都不能單獨證明某個產品已實作文中列出的全部控制。
查看 OpenShift 原始貼文 · 閱讀 Sean Rickerd 原文
原文:https://easyvibecoding.app/curated/3670-sean-rickerd-agent-authority-boundary-risk
OpenAI 用 AI 資安管線分析 Linux 核心:從 2,308 個候選發現到 948 個獨特 LPE
OpenAI 公布一項 Linux 核心資安研究:研究團隊用一套以新一代資安模型為核心的管線,依序搜尋、重現並評估漏洞,再產生候選修補供研究人員審查。OpenAI 表示,這次研究找出 2,308 個候選發現,動態重現 1,724 個漏洞,並以 948 個獨特的本機權限提升漏洞(local privilege escalation,LPE)計算成果。這些數字描述的是不同階段的結果,不能把候選發現直接當成已確認漏洞,也不能把工作中的 exploit 數量等同於獨特漏洞數。
這項研究值得注意之處,在於它呈現了大規模自動化資安研究的工作方式:模型可以加快掃描與驗證,但每一階段仍要篩選證據,並由人員檢視結果。OpenAI 說,原型在受控研究環境中分析 Linux 核心;公司也表示,在掃描與人工分析完成時,部分漏洞已有上游修補或 staging patch。這是研究當時的狀態紀錄,不代表所有候選修補都已合併。
管線如何把候選發現變成可審查結果
研究流程先讓 Scout agents 找出值得檢查的程式碼範圍,再由 Analyst agents 提出候選漏洞。接著,triage agents 在隔離的虛擬機中嘗試重現候選問題,留下執行證據;後續再評估已重現漏洞可能造成的影響,並產生候選修補。最後,OpenAI 的安全研究人員檢視 exploit、修補與嚴重度,再向維護者通報。
這種分階段設計回應了研究中一個實際難題:大量候選結果無法逐一靠人工從頭調查。候選發現必須經過動態重現,才有證據確認它是否能在指定環境中造成問題;重現成功後,還要進一步判斷它能跨越什麼安全邊界。OpenAI 將重現與 exploitability 評估分開,讓讀者看見「發現問題」與「證明問題能造成特定影響」並非同一件事。
OpenAI 描述的研究流程分階段產生不同結果,候選修補仍需審查。
幾組數字各自代表什麼
OpenAI 表示,系統去重後產生 2,308 個候選發現;研究團隊在 30 小時內動態重現其中 1,724 個,約占 74.7%。沒有重現的候選不全是錯誤分析:文章提到,有些需要更高權限,或因競爭條件、特定觸發條件及驗證時間而未能在預算內重現。公司另稱,只有 3.1% 的候選屬於模型建立在不可能條件上的錯誤分析。
漏洞重現後,系統再篩選可能造成資訊洩漏或本機權限提升的結果。文章報告了 1,169 個可運作的 LPE exploits;經變體分析後,團隊為相關漏洞製作了 948 個不同的候選修補,並以這個修補數計算獨特 LPE 數量。因此,1,169 是工作 exploit 的數量,948 是 OpenAI 用來計算獨特 LPE 的數量。候選修補仍需維護者審查,不能視為已合併修補。
原 X 圖將 948 標為 working LPE exploits;完整文章分列 1,169 個工作 exploits 與以不同候選修補數計算的 948 個獨特 LPE。
| 指標 | OpenAI 報告的數字 | 代表的階段 | | --- | ---: | --- | | 候選發現 | 2,308 | 經去重的候選結果 | | 動態重現 | 1,724(約 74.7%) | 在研究環境中成功重現的漏洞 | | 可運作的 LPE exploits | 1,169 | exploit 開發結果 | | 獨特 LPE 計數 | 948 | 依不同候選修補數計算 |
成本是這次研究的估算,不是通用單價
OpenAI 的 X 貼文稱,整次執行的 API 成本約 120 萬美元;完整文章提供較精確的數字:1,213,430 美元,平均每個 LPE exploit 約 1,279 美元。文章另稱,成功 exploit 的開發成本平均約 359 美元。這些數字依該次使用的模型、目標設定與工作流程而定。
OpenAI 表示,這項研究著重於方法與模型能力,不以成本最佳化為目標;公司預期,改進 harness 工程可降低各階段成本,因此將報告成本視為上限估計。文章也把歷史漏洞獎金套用到研究結果,推算出可能的獎金價值;那是依公開獎金作的假設比較,不是已領取的報酬。
修補進度與人工審查仍是流程的一部分
文章記錄,這次掃描與人工分析完成時,OpenAI 報告 61 個 LPE 已在上游修補、43 個已有 staging patch,另有約 299 個正被公開通報或討論。這些是研究完成時的狀態快照;staging patch 不等於已合併,公開討論也不代表漏洞已修復。
OpenAI 說,團隊已依 Linux 核心社群的建議,先通報嚴重漏洞並提交部分修補,其他報告與修補則與合作夥伴逐步推進。這使人工檢視不只是流程末端的形式確認:它負責檢查 exploit 是否真的利用了指定漏洞,也讓維護者能檢視漏洞根因與候選修補,再決定如何處理。
這次研究提供的是 OpenAI 對單一受控 Linux 核心研究的自述結果。它展示了自動化管線如何把大量候選逐步縮小成可重現、可評估、可交由維護者審查的材料;數字的解讀仍須保留各階段差異、成本條件與修補狀態。
OpenAI 的 Linux 核心漏洞研究數據圖:列出 2,308 個候選發現、1,724 個驗證結果,以及資訊洩漏與本機權限提升的篩選和利用結果;圖中 API credits 為 120 萬美元,並註明圖形寬度不按比例。
原文:https://easyvibecoding.app/curated/3666-openai-linux-kernel-ai-vulnerability-pipeline
agent-desktop 1.2.0 將桌面控制命令提供為 MCP 工具
Vercel Labs 的 agent-desktop 在 v1.2.0 加入 MCP 支援,讓 AI 代理可透過 MCP 呼叫桌面操作命令。貼文特別提到,type、set-value 和 clipboard-set 可從標準輸入讀取文字;macOS 上也能點選只有清單本身可以選取的列,例如 Spotlight 搜尋結果。這次更新把既有桌面控制命令接上 MCP,讓採用 MCP 的代理有另一種呼叫入口。
MCP 怎麼接上桌面命令?
MCP 是讓模型或代理透過一致的工具介面呼叫外部功能的協定。agent-desktop 的 README 說明,執行 agent-desktop mcp 後,命令會透過標準輸入/輸出(stdio)以 MCP 工具形式提供;工具名稱對應命令,例如 desktopsnapshot、desktopclick 和 desktopsessionstart,呼叫時傳入該命令的參數,並取得 JSON 回應。README 也示範如何在 MCP 用戶端設定中指定 agent-desktop mcp 作為伺服器啟動命令。
這裡的分工是:MCP 提供代理呼叫工具的介面,agent-desktop 則提供桌面操作命令。README 指出,agent-desktop 透過作業系統的輔助使用樹讀取桌面介面,回傳可操作元素的參照;代理可以點選或輸入後再次讀取畫面資訊。產品本身不包含模型,操作流程仍由代理負責。
README 所述的 MCP 工具介面流程,圖中標示「呼叫工具」、「提供命令介面」與「回傳」;不代表本次實機測試。
貼文與示範涵蓋什麼?
貼文列出三項更新:每條 agent-desktop 命令都可作為 MCP 工具、部分文字輸入命令可讀取 stdin,以及 macOS 可點選 Spotlight 結果等由清單容器選取的列。Vercel Labs 的 v1.2.0 發行紀錄也列出 MCP 支援與 agent-desktop MCP 功能。貼文和發行紀錄說明了功能公告與版本變更;它們本身不等於在特定電腦上完成安裝或實測。
隨貼文的短片是無聲螢幕錄影:畫面展示 MCP 命令與工具清單、以 agent-desktop type @e2 --stdin 將文字送進文字編輯器,以及點選 Spotlight 結果列。這能說明影片展示了哪些操作畫面,但沒有呈現一次完整的 MCP 呼叫往返,也未驗證工具在實際應用中的運作結果。
README 另提醒,桌面快照、剪貼簿讀取、截圖、命令輸出和除錯資料可能含有私人桌面內容,應避免放進公開記錄或上傳。對會把桌面資料帶入代理工作流程的使用者來說,這是設定與資料處理時需要一併考慮的範圍。
Agent Desktop MCP 示範:展示 MCP 工具清單、從 stdin 輸入文字,以及 macOS Spotlight 結果列的點選操作。
Agent Desktop MCP 示範:展示 MCP 工具清單、從 stdin 輸入文字,以及 macOS Spotlight 結果列的點選操作。 影片中的 Prompt 與操作:
操作步驟: 1. (00:01)畫面輸入 `agent-desktop mcp`,接著顯示 desktop MCP 工具清單。 2. (00:04)畫面顯示 `agent-desktop type @e2 --stdin`,文字編輯器內容隨後呈現從 stdin 輸入的文字。 3. (00:07)展示 macOS Spotlight 結果列,並以點選列項目呈現選取操作。
原文:https://easyvibecoding.app/curated/3665-agent-desktop-mcp-tools