30 秒看重點

  • Anthropic 在 8 月風險報告把「AI 錯位造成災難性傷害」的評估從 2 月的「非常低」調高到「低」，並強調這是不確定性調整、不是測出新問題。
  • 同一份報告揭露內部模型 Model 2，CoBench 拿 62.8%、勝過旗艦 Mythos 5 的 50.3%，但目前沒有對外發布計畫。
  • 阿里巴巴 Qwen 團隊開源 Qwen3.8-27B，Apache 2.0 授權、262,144 token 原生脈絡長度，4-bit 量化後約 17GB 顯示記憶體就跑得動。

Anthropic 為什麼要把自己的風險等級往上調？

Anthropic 在 8 月的風險報告裡，把「高風險情境下模型錯位造成災難性傷害」的評估從「非常低」調到「低」，調整的原因跟測出新問題無關，純粹是它對自己的判斷變得沒那麼有把握。

老實講這操作滿少見的，主動幫自家產品的風險標籤升一級，通常不會是行銷部門想出來的主意。根據 Unite.AI 與 TECHi 的報導，報告內文的論證其實還撐得住「非常低」，可是最近資安評估裡揭露的模型行為事件讓整體不確定性上升，標籤就往上挪了一格。

真正讓我盯著看第二次的是同一份報告揭露的內部模型 Model 2。它比對外旗艦 Mythos 5 更強，CoBench 拿 62.8%、Mythos 5 只有 50.3%，內部已經大量拿它來做程式開發與 agent 工作，目前沒有對外釋出的打算。

還有一句更微妙：Anthropic 自己蓋來偵測「最危險能力門檻有沒有被跨過」的內部基準，已經飽和到測不出新的能力增益，偏偏公司同時說看到了 AI 自動化研發加速的早期跡象。等於溫度計壞掉的那天，剛好也是你覺得自己在發燒的那天。

名詞小教室：錯位（Misalignment）指的是 AI 照著你「字面上」講的話做，卻完全沒抓到你真正要的結果。你可以想像成請了一個能力超強的外包，你說「幫我把待辦清單清空」，他直接把清單刪掉，任務完成、目標歸零（誤）。

Qwen3.8-27B 開源，自己的電腦真的跑得動嗎？

跑得動，但要看顯示卡。Qwen3.8-27B 有 277 億參數，4-bit 量化後大約需要 17GB 顯示記憶體，多數人實際會用的量化設定建議準備 24GB 顯卡。

阿里巴巴 Qwen 團隊在 8 月 14 日 15:00 UTC 放出這批開放權重，授權是 Apache 2.0。規格上它是原生多模態，文字、圖片、影片都吃，原生脈絡長度 262,144 個 token，用 YaRN 方法還能拉到 100 萬。

官方說法是這顆 27B 整體表現勝過參數更大的 Qwen3.7-Plus，尤其在真實世界的程式開發與辦公流程，Terminal-Bench 2.1 從 63.4 拉到 73.0，OSWorld-Verified 從 63.9 拉到 84.3。廠商自評的數字我一律先打個折，畢竟球員兼裁判嘛，可是這次連權重都給你了，你想自己驗就自己驗，這點我給高分。

名詞小教室：量化（Quantization）就是把模型的計算精度調粗一點來省記憶體。想像把一張 4K 照片壓成 1080p，檔案小了一大圈，遠看幾乎沒差，湊很近才看得出細節掉了。

「所以我該現在衝一張 24GB 顯卡嗎？」先不用急。先租雲端跑幾天，確認你的情境（例如把公司文件留在自己機房分析）真的需要地端，再談硬體。

GLM-5.3 抓出 Cursor 漏洞，這件事為什麼嚇人？

抓到漏洞本身不嚇人，嚇人的是這個能力是「訓練過程自己長出來的」，不在廠商原本的訓練目標裡。

Z.ai 在 8 月 14 日發布 GLM-5.3，CyberGym 這個測「從原始碼找出並驗證漏洞」的評測拿到 84.5%，略高於 Anthropic 受限版 Mythos 5 的 83.8% 與 OpenAI GPT-5.6 Sol 的 83.6%。ExploitBench 拿 54.4%，大約是前一代 GLM-5.2 的兩倍。

根據 VentureBeat 報導，這顆模型上線後很快就被資安研究員 Joshua Saxe 指出，它在 AI 程式編輯器 Cursor 裡找到一個嚴重漏洞。另外據 TechTimes 報導，它在 Linux、WebKit、FreeBSD 等專案累積找出 1,097 個重大漏洞，而 Z.ai 自己說這種「串接攻擊鏈」的推理能力是後訓練意外產生的。

Z.ai 的處理方式是把開放權重延後兩週釋出，先做安全評估。順帶一提，這種「先發 API、權重晚兩週」的節奏最近越來越常見了。

編輯觀點：三家公司同時承認「量不準了」

把這三則放在一起看，共通點不是開源打閉源，而是能力跑得比評估工具還快。Anthropic 說自己的危險門檻基準飽和了、信心下降；Z.ai 說資安能力是意外長出來的、所以權重要延後；Qwen 則是直接把 27B 丟上 Apache 2.0，讓能力擴散這件事變成既成事實。三家講的其實是同一句話：我們也還在追。

對台灣的意義滿具體的。防守方要開始假設，攻擊者手上已經有 CyberGym 八成分數等級的自動化工具，內部那些「反正沒人會來掃」的老系統，時間表要往前拉。同時 27B 能在單張 24GB 顯卡上跑，代表中小企業第一次有本錢把敏感資料留在自己機房做分析，不用整包丟雲端。

我個人覺得被低估的是 Anthropic 那句「基準飽和」。大家的注意力都被 Model 2 吸走，可是昨天講的 Gemini 3.7 Flash 降價那類消費者有感的新聞，跟「我們的量尺不夠用了」比起來，後者才是接下來一年真正會影響監管走向的那件事。

明天值得關注

Z.ai 的 GLM-5.3 開放權重預計兩週後釋出，外部研究者能不能重現那個 84.5% 的資安分數，會是這波「開源資安模型」爭議的第一個檢驗點。另外 Qwen3.8-27B 上路後，社群實測跟官方數字差多少，大概一週內就會有答案。

常見問題 FAQ

Anthropic 的 Model 2 什麼時候會開放使用？

目前沒有時間表。Anthropic 在 8 月風險報告中表示，Model 2 尚未完成標準的上線前評估流程，也沒有對外發布的計畫，現階段僅供內部用於程式開發與 agent 工作。

Qwen3.8-27B 可以商用嗎？

可以。Qwen3.8-27B 採用 Apache 2.0 授權，這是限制相當寬鬆的開源授權，允許商業使用、修改與再散布，一般只需保留原始授權聲明。

AI 能自己找出軟體漏洞，對一般使用者有什麼影響？

短期內影響會先出現在你用的服務端。GLM-5.3 在 CyberGym 拿到 84.5%，代表自動化漏洞挖掘的門檻大幅降低，攻守雙方都會加速，一般使用者最實際的做法仍是開啟自動更新與雙因素驗證。

整理一下今天的重點：三家公司同時承認自己的量尺不夠用了，這件事真的比誰家模型分數高低重要多了。

希望這篇快報有讓你掌握今天的 AI 動向哩～如果覺得有幫助，歡迎分享給同樣在追 AI 趨勢的朋友。

我們明天見囉～

本快報由 Array 報報 AI 編輯部根據上方引用來源整理，每日 08:00 自動發佈。