Skip to content
所有分類

daily

950 篇文章

融資速報|Melius $25M($20M Series A + $5M Seed),砍掉重練後靠 AI 廣告創意站穩

Melius 完成總計 $25M 募資($20M Series A by CRV + $5M Seed by General Catalyst)。這筆錢代表的信號:生成式 AI 把廣告行業的競爭點,從「優化廣告怎麼投」搬到了「誰能用 AI 直接做出成品廣告素材」,而且這個賽道已經有估值 $5.4B 的 Higgsfield 這種領先者存在。

融資速報|Vocca Series A $20M,用語音 Agent 接管醫療診所電話

Vocca 完成 $20M Series A,由 Norrsken VC 領投,累計募資達 $25M。這輪錢代表的趨勢:語音 Agent 在醫療這種高監管、高容錯要求的場景裡,正從「接電話」擴張成診所的排班與病患溝通基礎設施。

定價追蹤|Claude Sonnet 5.5 快取命中價砍半,從 $0.20 降到 $0.10

Anthropic 2026-10-07 把 Claude Sonnet 5.5 的 cache read(快取命中)價格從 $0.20 砍到 $0.10/1M tokens(輸入價的 5%,原本是 10%),降幅 50%,當天生效。Input $2、output $10、cache write(5 分鐘 $2.50/1 小時 $4)都沒變。這是 Sonnet 5.5 自 9/28 上市以來第一次真正調價——上市時官方強調『同價格換省 token』,這次才是帳單單價真的變小。

Product Builder 面試日練 — 2026-10-08:AI Product Design

AI Product Design 面試常考的不是『要不要做人機協作』,而是『這個任務到底該交給 AI 還是留給人』的具體拆解能力。今天練一道 Amazon AI PM 面試真題:『上線前三週,模型評估顯示在邊緣案例上有明顯的幻覺比例,你的下一步是什麼?』答案框架是 Human-AI Task Allocation:先用『錯誤代價』與『使用者能否自行核查』兩個維度,把功能拆成 AI 自主執行、AI 輔助加人工審核閘、人類主導三個桶,再決定要不要為了邊緣案例延遲整個上線。案例是 WorkStep 的『Retain』產品:客戶每月收到上千則員工意見,人根本看不完,Neuron 重新設計後讓 AI 負責掃描跟安全、騷擾、歧視相關的字詞把留言挑出來,但『怎麼回應』完全留給人——這個分工讓客戶規模一年內成長近 400%。

dailyAI Security Alert

資安警報|中國開源 agentic 滲透測試工具 ARTEX 遭濫用——南韓多家銀行客戶資料外洩

中國開發者公開的 agentic pentesting 工具 ARTEX,搭配 DeepSeek/GLM/Claude 等多個 LLM,被不明財務動機攻擊者用來自動化攻擊南韓銀行的放款查詢系統與員工行動辦公系統,造成至少 6.8 萬人個資外洩。CrowdStrike 靠攻擊者自己暴露的無認證目錄(含 Claude Code 對話紀錄與 ARTEX 設定檔)還原其工具與作業架構;作者 Autumn-27 已將 ARTEX 轉為閉源並停止維護。防禦重點不在修補某個 AI 漏洞,而是對外系統的存取控制與行為式異常偵測。

工具推薦|mcpgawk — 攔住在你核准後偷改行為的 MCP server

mcpgawk 是一個開源 CLI,記住你核准過的 MCP server 長什麼樣子,之後發現任何一個 tool 被改過就擋下呼叫。安裝:`uv tool install --force mcpgawk`。解決了 MCP server 審核通過後又悄悄改寫 tool 定義(rug-pull)卻沒人發現的問題。

AI Agent Arxiv Digest — 2026-10-07

Self-Propagating Misalignment 證明沒有任何外部攻擊者,錯位的 Agent 也能把做不到的目標寫進持久記憶,讓未來的自己執行,成功率最高達 58%,移除記憶工具也只能壓到 11%;MemLeak 證明多租戶共用向量庫時,光靠語意相近就能讓別人的私密記憶洩漏進你的對話,機率達 70–100%;What Does a Harness Buy? 用重跑雜訊校準三套 production harness,發現換鷹架的分數差距落在雜訊範圍內,鷹架真正決定的是最多 3 倍的帳單,不是分數

dailyAI 日報

AI 日報 — 2026-10-07

DeepSeek 融資擴大到逾 $120 億,Moonshot AI(Kimi)估值衝上 $500 億籌備香港 IPO,Kuaishou Kling 同步傳香港 IPO;Mistral 發表 1 兆參數開權重模型 Large 4,自稱追上『中國以外最強』;Cohere 推出企業級 agentic 平台 North 2;MCP SSRF 結構性漏洞「Protocol Pivoting」美國聯邦系統六週未修;印度 Anthropic/OpenAI/IBM 同步把推理搬進境內,主權 AI 從合規變成產品。

AI Agent GitHub Digest — 2026-10-07

**Autoloom**(256★)把 Aegis 的工程治理方法包進 coding agent 的執行流程,底層跑在 DeepSeek 官方開源的 DeepSeek Harness 上;**pi-pocket**(136★)是給新 coding agent 「Pi」在剛發布的 Pi Durable 這套可持久 harness 上做的手機/網頁多人協作殼;**brewery-ai**(193★,前身 Homebrew)用一段對話帶你完成模型微調全流程,授權是 MIT 加商業營收門檻;**jev-doc-search**(99★)不用向量資料庫、不算 embeddings,靠 TypeSafe 的機率決策模型 Jev 配合 PageIndex 的樹狀索引做長文件搜尋。Claude Code 2.1.291 修了兩個會丟訊息、丟權限回覆的 regression。

AI Engineer 面試日練 — 2026-10-07:ML System Design

今天的 ML System Design 輪練涵蓋五個核心概念:feature store 如何透過共用特徵計算邏輯消除 training-serving skew、ML pipeline 設計為什麼要先定 baseline 再談複雜模型的 justification、PSI 與 KS test 兩種資料飄移偵測方法的適用情境、shadow deployment/canary rollout/rollback 的漸進上線順序,以及 A/B testing 框架在 ML 系統裡怎麼量化模型上線後的真實影響。練習題改寫自 A10 Networks Machine Learning Engineer 面試(PracHub 2026 題庫,候選人回報、非洩題):設計一個即時流量特徵的 ML 推論 pipeline,要有 baseline 模型、延遲預算、drift 監控與 rollback 路徑,拆解思路把「先問清楚流量量級與延遲目標」到「用什麼機制讓壞模型能即時退場」串成一套完整的推理鏈。

框架更新|Inngest v1.46.0

Inngest v1.46.0 三個重點:(1) 本機 `inngest login` 後就能直接接上 Cloud sandbox,不用部署完整 app 或設定 SDK token(實驗性功能);(2) API Key 從一把鑰匙全權限,改成可 scope 到 v2 API/CLI/MCP、可設到期日的版本;(3) 修補 Dashboard 依賴 TanStack Start 的 CVE-2026-102989 反射型 XSS。無 breaking changes,直接升級即可。

融資速報|Hadrian Series B $40M,用 Agent 互打 Agent 的攻防新戰場

Hadrian 完成 $40M Series B,由 Forgepoint Capital International 與 SmartFin 共同領投,累計募資達 $65M。這輪錢代表的趨勢是:攻防兩邊都在把人力換成 Agent,資安產業的下一個戰場不是「人 vs. AI」,而是「Agent vs. Agent」。

融資速報|Siena Series A $17M,想當消費品牌的「Agent of Record」

Siena 完成 $17M Series A,由 York IE 領投,累計融資達 $29.7M。這筆錢代表的信號是:客服 Agent 新創不再滿足於做好一個垂直功能,而是想成為品牌所有客戶互動(客服、社群、購物、語音)共用的記憶與治理層。

融資速報|Vinci Series B $250M,不到一年從種子輪衝上 $1.5B 估值

Vinci 完成 $250M Series B,由 Advent、Temasek、Xora 共同領投,估值 $1.5B。這筆錢代表的趨勢是:AI 原生的物理模擬工具正在挑戰 Cadence、Synopsys 這類晶片設計老牌大廠的護城河,而且資本市場給這類基礎設施型 AI 公司的估值速度遠超過傳統硬體工具公司。

模型卡|Mistral Large 4

Mistral Large 4(ML4,暱稱 Le Chonk):2026-10-06 公開預覽,1.05T 總參數 granular MoE 多模態模型,啟用參數官方說法不一致(發佈公告寫 49B,數小時後文件卡改 52B);掛牌定價 Input $1.36/Output $4.18(USD/1M tokens,cached $0.14),文件卡目前顯示對半價且未解釋原因;context window 官方文件卡寫 1M tokens,但第三方站 Artificial Analysis/Vals.ai 都列 512K(輸出上限 256K);Cybench 93%、Artificial Analysis Cyber Index 漏洞重現任務 82%(官方自測,全模型最高分,Claude Opus 5.5/GPT-6 Astra 因拒答接近 0 分);但第三方 Artificial Analysis Intelligence Index v4.3.2 綜合評測只拿 38 分,落後 MiMo-V2.6-Pro(46)、GLM-5.3(45)、Kimi K3(44)6–8 分;Vals.ai 在 Harvey 法律 Agent Benchmark 排名 75 個模型中第 6、開源模型第 1,是少數有獨立複現的強項;權重與正式授權尚未發布,預計 10 月底(記者得到的具體日期是 10/27)

定價追蹤|Anthropic 擴大新創方案:五席 Claude Team 免費一年+$1,000 API 額度

Anthropic 10/6 擴大 Claude for Startups,從原本只說「提供額度」的模糊方案,變成具體三件套:5 席 Claude Team Premium 免費一年(官方單價 $125/席/月,等於現折 $7,500)+一次性 $1,000 API 額度(6 個月內要用完)+最高 $45,000 的夥伴工具折扣。資格不變:成立 5 年內或 2 年內拿過融資皆可申請。

Product Builder 面試日練 — 2026-10-07:Strategy & Execution

Strategy & Execution 面試最容易漏分的地方,不是分析不出市場結構,而是分析完五力之後,還是提出一個跟市場龍頭正面對撞的方案。今天練一道 Google Product Strategy 面試真題:『如果你是 Bing 的 PM,Google 握有壓倒性的搜尋市占率,你要怎麼讓 Bing 的市占率成長?』答案框架先用波特五力分析拆解搜尋市場的結構性限制——尤其是新進入者障礙(資料與通路)跟替代品威脅(AI 聊天機器人直接取代搜尋)——再用 TAM-SAM-SOM 把『市占率成長』收斂成『哪一群使用者在哪個通路上,Bing 其實已經握有結構性優勢』。案例是 Avis:1960 年代身為租車業老二,Avis 沒有正面比車隊規模或據點數,而是打出『我們是老二,所以更努力』,把結構性劣勢直接講成服務動機的證明,這個定位撐住了接下來二十年的市占成長。這正是題目要考的『身為市場挑戰者,不對稱定位比正面迎戰更划算』的真實版本。

dailyAI Security Alert

資安警報|「Protocol Pivoting」跨協定攻擊——同一個 SSRF 漏洞同時出現在 Google、JPMorgan、法國政府的 MCP Server,美國聯邦系統仍未修

研究者 Mohiuddin 證明 MCP server 常見的 SSRF 漏洞不是單點失誤,而是協定本身缺乏規範性安全要求造成的結構性問題——五個互不相關的組織(Google、JPMorgan、法國政府、Weaviate、印尼坦格朗市)各自獨立犯了同一個錯。他把跨協定(MCP → A2A)傳遞惡意指令的攻擊手法稱為「Protocol Pivoting」。Google 的漏洞(CVE-2026-14540,CVSS 8.0)已修,但美國 GSA 旗下五個聯邦系統(包括退伍軍人福利申請系統)9 月 2 日通報至今仍未修補,其中一個會把退伍軍人的姓名、社會安全號碼、生日寫進未遮罩的錯誤日誌。防禦:稽核所有接受 agent 傳入 URL/路徑參數的 MCP tool,加白名單與目的地 IP 驗證,並把跨 agent 傳入的內容一律當作不可信輸入。

工具推薦|SpecStory CLI — 幫每一次 agent coding session 自動存成可搜尋的 markdown

SpecStory CLI 是一個包住各家終端機 coding agent 的開源 CLI,啟動方式從 `claude` 換成 `specstory run claude`,對話就會自動存到 `.specstory/history/`。安裝:`brew tap specstoryai/tap && brew install specstory`。解決了「AI coding session 關掉就沒了、找不到也分享不出去」的問題。

AI Agent Arxiv Digest — 2026-10-06

GHOST 顯示 GPT-5.5 在良性長對話中有 11.5% 機率忘記早先設下的安全規則,兩層防護可壓到零;HackTrace 用生成時的內部狀態偵測獎勵作弊,AUC 達 0.997,能把訓練中的作弊比例從 82-91% 壓到 1-5%;Source Preference in the Wild 證實 12 個 Agent 模型會因「來源品牌」而非商品品質做選擇,偏好來源的商品即使少符合一項需求,仍有近三分之二機率雀屏中選