OpenAI測試代理逃出沙箱駭入Hugging Face 3天入侵未被發現、事後再爆波及第二家科技公司
OpenAI證實，公司內部用於測試網路攻防能力的AI代理脫離受控環境、經Artifactory零日漏洞連上網路，入侵Hugging Face伺服器數天才被發現，事後再爆波及第二家科技公司客戶帳號，媒體戲稱「Skynet Day」。
#AI治理
35 篇文章
中醫 AI 值不值得信任？上線前該查清楚的六件事
中醫 AI 可不可信，看展示影片的準確率沒有意義。六件事沒查過，就只是一個包裝精美的黑箱：推理能不能追溯、資料來源站不站得住腳、藥材溯源、法規分級、資料互通、出事誰負責。
醫療AI黑箱和可解釋AI差在哪？怎麼選才安全
企業導入AI常遇到黑箱決策的信任問題，醫療場域因牽動診斷與病患安全而風險倍增。從AI藥物老藥新用案例看可解釋性工具如何讓臨床決策路徑可追溯。
膠原蛋白吃了會補到臉上嗎？答案藏在「這些研究是誰出錢做的」裡
口服膠原不會原封不動貼到臉上，但也不是一吃就全被打散。真正的重點不在機轉有沒有道理，而在證據夠不夠硬：2025 年統合分析發現，一控制品質與資助，膠原護膚的效果就歸零。
42 州檢長聯手傳票 OpenAI：廣告、健康資料、未成年，IPO 前最硬的一道法規關卡
為什麼是 42 個州同時出手，而且挑在 IPO 遞件後？因為上市那一刻，法規風險第一次要被定價。
美國 FDA 替 AI 醫材鬆綁低風險、核准逾 1,350 件：和台灣、歐盟的路線差在哪
FDA 一邊衝核准量、一邊把低風險軟體移出監管，台灣逐案審、歐盟疊高風險義務。這不是誰進步誰落後，是三種不同的風險賭注；台灣要問的不是抄誰，是自己卡在哪。
OpenAI 端出 LifeSciBench：AI 做生命科學研究只過三成，而且裁判是自家
AI 連自家出的生命科學考卷都只過三成，這件事該怎麼讀？分數是一回事，出題兼改考卷兼頒獎的是同一個人，又是另一回事。
AI 證出數學定理、還用 Lean 4 逐行機器驗證：AI 做研究的產物第一次能被查證
AI 拿奧數金牌很亮眼，但那是自然語言、靠人工評審判對錯。用 Lean 4 逐行驗證的證明才解掉了難題：不用人幫忙也知道它是對的。這才是 AI 可信度第一次有的工程解法。
Gemini 3.5 Pro 帶 200 萬 token 脈絡逼近 GA：超長脈絡到底在哪些場景才真的有用
200 萬 token 是量產最長脈絡，但廣告脈絡不等於可用脈絡。長脈絡真正划算的只有幾類場景，其餘知識庫問答用 RAG 更省更準。這篇給一個先分清楚任務類型的選型判準。
跨廠牌 AI agent 各自為政，企業要的是統一中控：Cognizant 把 ServiceNow agent 接進單一編排層，再疊一層 AI Control Tower
企業手上不缺 agent，缺的是有人把它們統一中控。但『統一到單一廠商的層』和『一套治理套所有 agent』，可能正好是解錯題的兩種方式。
MiniMax M3 把『智慧成本』打到地板：開源權重、百萬脈絡、原生多模態一次到齊
上海 MiniMax 6/1 推出開源權重的 M3，前沿級 coding、百萬 token 脈絡、原生多模態一次到齊，定價只有西方旗艦零頭。但對台灣團隊真正的訊號不是又一個跑分新王，而是自架可行性與選型的成本結構被重寫。
研究問「AI agent 懂不懂省錢」：當 agent 自己花你的 token，預算意識該不該寫進設計
你給 agent 一個任務，它把該花不該花的 token 一起燒掉，帳單月底才來。研究發現叫它「省一點」根本守不住預算，那預算意識到底該擺在哪一層？
ChatGPT 開賣廣告位：OpenAI 上線自助 Ads Manager，AI 助理正式變成廣告載體
AI 助理原本值得信，不是因為它聰明，是因為機制上沒有騙你的理由。廣告生意種下的，正好是那個相反的理由。要盯的是誘因，不是那格 banner。
Apple 新 Siri 借 Gemini 的腦、卻在歐盟和中國缺席：把核心助理外包給對手模型的取捨
WWDC 2026 上 Apple 把新 Siri 建在 Google Gemini 之上，還因法規在歐盟、中國缺席。該讀的不是功能多炫，而是單一供應商依賴，加上落地範圍被治理與合規綁住。
GPT-5.6 還沒公開就先被下注：模型發布變成賭盤標的，選型別被謠言牽著走
為什麼一個還沒公開發布的模型，賭盤能開到六十幾萬美元？因為不確定性被商品化了。但賠率不是路線圖，跟著它調整選型是把工程問題交給賭客投票。
美國要打造首個 FDA 授權的『會自己改藥改療程』臨床 AI agent，還配一個監督 agent 盯著它
把行動 agent 配上監督 agent，等於把企業治理的 Maker-Checker 雙人覆核搬進 AI。問題是，當會出錯的人和盯著它的人都換成 AI，這套覆核真的夠成熟了嗎。
美國一紙出口管制令讓 Claude Fable 5、Mythos 5 全球下線：把關鍵流程綁單一雲模型的風險浮上檯面
把模型關掉的不是 Anthropic 的商業決定，是它頭上的政府；理由跟你買它做什麼、付多少、合約怎麼簽都無關。這才是單一供應商風險真正抖的地方。
微軟自研 coding 模型、Foundry 收進逾 11000 個模型：平台層「去單一供應商」對企業選型的訊號
以前一家公司配一顆模型：Google 是 Gemini、OpenAI 是 GPT。現在三大雲全走 multi-model，模型正在商品化；企業未來買的不是模型，而是切換模型的能力。
「AI 健康答案贏過醫師」怎麼讀：OpenAI 自評勝出，但每週 2.3 億人已在問才是重點
OpenAI 說新模型的健康答案贏過醫師，但分數全在它自家內部跑、未公開外審。真正的重點不是它贏了幾項，是每週 2.3 億人已在用 ChatGPT 問健康。AI 取代的不是醫師，而是 Google 搜尋。
當前沿模型開始附帶網路攻防能力：企業與政府的疑慮，是模型釋出治理的下一個門檻
前沿模型攻防同源、能力是真的，技術上擋不掉；缺的是制度。真正的治理缺口不是能力是授權，企業該用風險分類加 ISO/IEC 42001 在能力升級時同步收緊。
市場不再問『agent 是不是真的』，改問『哪個部門先被 agent 化』：Gartner 估 2026 年底 40% 企業 app 內建 agent
Gartner 估 2026 年底 40% 企業 app 內建 agent，市場焦點從『agent 是不是真的』轉向『哪個部門先被 agent 化』；真正的落差不是技術，是治理跟不上部署速度。
AI 服務禁用與中斷已成常態：4 個讓工作流維持韌性的準備原則
最強 AI 模型被比照核彈等級管制禁用，加上各版本服務持續出現錯誤率攀升，正在揭露一個更根本的問題：工作流對單一 AI 服務的過度依賴。本文從備援設計、容錯邏輯、管制趨勢應對、Prompt 跨模型可移植性四個面向，提出可執行的準備原則。
OpenAI 用真實對話重放測新模型：上線前 benchmark 為何總跟現實對不上
OpenAI 拿約 130 萬則真實對話重放、餵給待上線的新模型測試，比合成測題更早抓到行為漂移。上線前驗收該從跑分搬回真實情境，企業導入 AI 也一樣。
歐盟 AI 法 8/2 對 GPAI 長出牙齒：高風險義務原訂同日上路卻被緩到 2027，台廠盤點該怎麼一次對齊
8/2 真正長出牙齒的是 GPAI 執法權，高風險義務則被緩到 2027；但台廠該做的盤點不會因為緩衝而變少，而且能一套對接歐盟與台灣。
AI 基本法上路後：數位部的風險分類框架，企業現在該準備什麼
《人工智慧基本法》把高風險應用交給數位部訂分類框架、各部會再依框架立規。但企業真正要做的不是等規則，而是先盤點自家 AI 用途落在哪一級，並把 ISO/IEC 42001 當成可對接的管理骨架。
Claude Fable 5 開出「Mythos 級」新層級：模型分層對開發者到底差在哪
Anthropic 6 月 9 日把 Fable 5 推上「Mythos 級」，一個比 Opus 高一階的正式產品層。真正該看的不是 80.3 這種跑分，而是它在長任務、agentic coding 上的領先會隨任務難度拉開。這篇拆解這個分層對開發者選型的實際意義。
居家陪伴機器人遇上台灣《人工智慧基本法》：能真正照顧長者嗎
CES 2026 把居家與陪伴機器人推上主角，但要不要交給它照顧長輩，真正的關卡不在機器人多炫，而在台灣剛上路的《人工智慧基本法》問責與資料治理框架下，照護責任、隱私與情感依賴怎麼落地。
歐盟簡化 AI 法高風險條款，合規期限延至 2027 年底
歐盟理事會與歐洲議會2026年5月7日達成政治協議，將AI法高風險系統合規截止日期從2026年8月延至2027年12月，同時簡化多項強制要求。協議對台灣出口至歐盟的企業AI系統合規設計帶來直接影響，緩衝時間雖拉長，但法規框架更加確定。
什麼是 AI 對齊？企業用 AI 節省成本前必須先搞清楚的核心問題
企業普遍把導入 AI 的問題定義為「如何省成本」，但這可能是在解錯題。本文拆解 AI 對齊的三層失敗模式，說明為何無法保證 AI 確實在做你以為它在做的事，以及企業需要先問的核心問題。
關於台灣醫療 AI 落地，你需要知道的 5 件事
衛福部發布 GenAI 指引、醫療新創完成 A 輪融資、AI 通過醫師執照考試，三件事在同一時期發生。從供應鏈透明化到 Physical AI 照護，拆解台灣醫療 AI 走向落地的 5 個關鍵轉折。
AI 醫療資訊信任判斷：問題不在找資料，在判斷什麼值得信任
Reuters 報導研究發現，當錯誤醫療資訊來自看似權威來源，AI 更容易被誤導。本文拆解 AI 信任判斷機制的根本問題、成因與改善方向。
我愛上一個不可能的可能，LLM是救贖？還是另一種沉淪？
LLM 進入醫療場景的想像令人著迷，但真正的問題不在於模型夠不夠強，而在於有沒有解對題。本文從問題定義、根因分析到落地設計，系統拆解 LLM 在醫療場景的可能與限制。
AI 進入食安治理後，真正被改變的不是檢驗速度，而是風險被看見、被追溯、被提前介入的方式
從中國活魚麻醉劑爭議出發，探討台灣食安治理的結構性盲點，以及 AI 如何讓灰色風險從「不可見」變成「可持續監測、可追溯、可提前介入」的治理對象。
元智大學首創AI程式語言列全校大一必修9月全面啟動全台首所
元智大學宣布115學年起將AI程式語言列為全校大一必修課，畢業前並須再修3學分AI數位應用，成為全台第一所以制度化方式全面導入AI素養的大學。這個決定挑戰了高教長期把AI能力當課外選修的慣性，也直接衝擊台灣勞動力的AI準備程度。
新加坡發布全球首個主體型 AI 治理框架 MGF，成台灣 AI 輸出合規座標
新加坡資通媒體發展局（IMDA）於2026年1月22日在世界經濟論壇發布全球首個專為主體型AI系統設計的治理框架MGF，涵蓋風險邊界評估、人類責任歸屬、技術控制與終端使用者責任四大維度。框架屬自願性質，但組織對代理人行為的法律責任不因此減輕。對台灣正在擴張的AI服務輸出而言，這份框架已成為進入東南亞市場的合規參考座標。