Google 10/9 起把免費版 Gemini App（個人帳號）的模型選項從「Flash-Lite／Flash／Pro（受限）」砍到只剩 Flash-Lite；AI Plus（$7.99/月）失去 Pro 存取權但保留 Flash；AI Pro（$19.99/月）與 AI Ultra 不受影響，AI Pro 還首次獲得原本 Ultra 專屬的 Deep Think。這不是 Gemini API 或 AI Studio 的定價變動，純粹是消費端 App 的用量政策緊縮。
Product Sense 題目裡最容易翻車的不是想不出功能，而是在資源有限時說不出『為什麼先做這個、不做那個』的具體理由。今天練一道真實面試題：『一個社群 App 在青少年族群中成長中，但工程資源有限，身為 PM 你要怎麼排序 stories、活動、個人檔案、訊息、分析這五個功能？』答案骨架延用 CIRCLES——先問清楚情境與限制，鎖定要服務的使用者，找出真正需求，再用清單列方案——但這次把『Cut 列方案』到『Ladder 排優先序』這兩步換成 RICE 評分法：Reach（觸及多少使用者）、Impact（對每位使用者的影響程度）、Confidence（這個估計有多少把握）、Effort（要花多少工程成本），四項算出一個分數，讓排序從『感覺哪個重要』變成可以被挑戰、可以重現的數字。案例是 Intercom 自己——RICE 正是 2018 年 Intercom 產品經理 Sean McBride 在公司內部部落格發表的框架，起因是團隊排 roadmap 時長期被『聲音最大的人』主導，缺乏一致的比較基準，於是他們把四個因素做成一套可重複使用的計分法，後來變成全產業最常用的優先序框架之一。
mcpspan 是一個開源自架的 MCP server 分析儀表板。安裝：`docker compose up -d` 啟動儀表板，`npm install mcpspan` 幫 server 接線。解決了 MCP server 上線後『不知道是誰在呼叫、呼叫多久、為什麼失敗』的黑箱問題。
招聘指南把『Tell me about an LLM feature that failed』列成 LLM 工程師行為面試的固定題，考的不是你會不會修 bug，而是你怎麼從一個被平均數字蓋住的失敗裡，用切片資料挖出真正的根因、量化改善幅度，再把修法變成團隊的系統性檢查項目。今天用『RAG 內部知識庫問答對含表格的 PDF 答錯，整體準確率看起來還好，拆開表格類問題才發現只有 32% 正確率』走一輪完整 STAR，並回顧本週 ML Fundamentals、Deep Learning、ML System Design、LLM & Agent Engineering、Coding、Paper Reading 六天的練習重點——這週七天全數產出，沒有缺口。
Arena Agent 排行榜 10-02 發布：Claude Fable 5.1（Max）14.31% 蟬聯第一、Claude Opus 5.5（High）13.82% 第二、09-29 才上線的 Claude Sonnet 5.5（Max）12.52% 直接空降第三，GPT-6 Astra（Max）分數微升到 12.27% 卻被擠到第四；Arena 官方 X 帳號同步公告 Sonnet 5.5 比前代 Sonnet 5（目前排第 13）跳了 8.1 個百分點；但四家排名的信賴區間彼此重疊，單次快照看不出真正的勝負
Parakeet Health 完成 $10M Series A，由 Canvas Ventures 領投，累計融資達 $13M。這輪錢代表的趨勢是：醫療產業的 Agent 落地不是從「看診」切入，而是從排程、催辦這類規則明確、營收直接可歸因的行政流程開始，用「可驗證的財務結果」說服保守的醫療採購方。
Kolibri 1（`Aleph-Alpha/Kolibri-1`，FP8；`Aleph-Alpha/Kolibri-1-BF16` 為全精度版）：2026-10-03 開源，78.1B 總參數／3.46B 活躍參數 MoE（384 個 experts 選 6 個＋1 共享），context window 最高驗證 1,048,576 tokens（建議 ≤262,144）；Apache 2.0 全開源權重，無官方 API 定價，自架為主；AIME 2025 96.9%（前代 Kolibri Origin 81.9%，未公開發布）、GPQA Diamond（EN）84.3%、τ³-bench Banking 38.1%（遠超競品最強 15.5%）；用 Merlin-Arthur 協定訓練拒答能力，context 不支援答案時主動說不知道；德國訓練、德英雙語，瞄準公部門／工業／航太等受歐盟 AI Act 與 GDPR 規範的場景
Google 於 2026-09-30 發表 Gemini 4 Argon，API 促銷價 input $2.00、output $10.00（USD/1M tokens，cached input $0.10），promo 結束後標準價倍增為 $4.00/$20.00（cached $0.20）——漲幅 100%。官方公告只在註腳寫『促銷期結束後』會調整，沒給任何到期日期，且目前僅開放給受信任資安夥伴，一般 API 存取時程未定。
Behavioral 面試考的不是你有沒有衝突故事，而是你敢不敢講一個真的有張力的衝突、清楚呈現自己的立場與證據，並且在決定 commit 之後是真的全力執行而不是消極抵抗。今天的框架是 STAR（把 60% 篇幅放在 Action 與 Result，而非 Situation/Task）加上 Amazon「disagree and commit」這個決策原則。練習題是「你曾經跟主管意見不合過嗎，後來怎麼處理」，拆解思路是先挑一個真實且雙方都有理的衝突、具體敘述自己的立場與根據的數據、呈現決定 commit 的那個轉折點、交代之後怎麼全力執行、最後定義衝突落幕後的結果與自己學到什麼。案例是 Jeff Bezos 在 2016 年股東信裡親自示範的 disagree and commit：他對 Amazon Studios 一部原創劇的商業條件有疑慮，但在表達完整意見後立刻回信「I disagree and commit and hope it becomes the most watched thing we've ever made」，讓團隊按自己的判斷往前走。文末附本週 Product Sense 到 Technical PM 六篇主題的回顧表與下週預告。
shipstores 是一個 MCP server，讓 Claude 之類的 agent 直接操作 App Store Connect 和 Google Play Console 完成上架。安裝：`claude mcp add shipstores -- uvx shipstores`。解決了「app 寫完了但上架那 40 個手動步驟、一半還沒公開 API」的問題。
今天的 Paper Reading 輪練是 arXiv:2609.37658《EnterpriseBench: Benchmarking LLM Agents on Enterprise-Level Strategic Reasoning and Decision-Making》——2026 年 9 月 29 日才掛上 arXiv 的新論文,設計了一個兩層評測架構:基礎層是重組現有企業/財務 QA 資料集(資訊擷取、數值計算、領域知識、複雜推理),互動層則是三個全新情境——模擬顧問面談(Consulting)、經典啤酒遊戲供應鏈模擬(Beer Game)、企業數位分身專案規劃(EDT)。用九種 agent 方法(CoT、Self-Refine、Reflexion、Debate、Discussion、AMEM、DC、GEPA、ACE)跑四個 backbone(DeepSeek-V3、GPT-4.1、DeepSeek-V4-Pro、GLM-5.2),核心發現是靜態 QA 表現好的方法,換到互動決策任務不一定還是贏家,而且『誰是最佳方法』會隨任務、隨 backbone 變來變去,沒有一個通用贏家。核心概念涵蓋這個『靜態—互動評測落差』、為什麼 Self-Refine/Reflexion 在多輪顧問案例裡反而輸給簡單 CoT、GEPA/DC/AMEM 在不同任務與 backbone 上的勝負逆轉說明了什麼,以及論文怎麼用三層驗證(20 案例粗篩、500 筆逐字稿多人標註、prompt 穩健性測試)去證明自己的 LLM-judge 可信。練習題走評測設計師視角,討論怎麼把『沒有通用贏家』這個結論轉成實際的 agent 選型決策流程,以及怎麼判斷一個 LLM-judge 的信度數字『夠不夠好』可以上生產環境。
Pydantic AI v2.53.0 三個重點：(1) 資安——GHSA-6fqq-452j-qhrp（high）：透過 ConcurrencyLimitedModel 或 limit_model_concurrency 發出的串流請求，若消費端提早離開（中止疊代、丟例外、被取消）或把 stream_text() 完整跑完（預設有 debounce），併發槽位可能卡在「已釋放但未真正釋放」的狀態，重複觸發會讓共用同一限流器的所有請求全部卡住；(2) 連帶調整限流器語意——model wrapper 若與發出請求的 agent 或外層 wrapper 共用同一限流器，現在會丟出 UserError，`ConcurrencyLimiter.acquire()` 改成每次呼叫都佔一個槽位（即使同一個 task 也一樣），自訂的 `AbstractConcurrencyLimiter` 必須允許從別的 task 呼叫 `release()`；(3) 新增 `ToolCallJudge`，讓工具呼叫在真正執行前先經過一層審查，`repair_messages` 訊息修復流程也從內部工具正式開放成公開 API。
Supabase 完成由 GIC 領投的 $150M 新一輪資金，距離 6 月的 $500M Series F 僅 4 個月，同步收購 Turso 以支援 Agent 大量建立隔離資料庫的工作負載。這筆錢代表的趨勢是：後端基礎設施的客戶正從人類開發者快速轉向會自己開資料庫的 AI Agent，籌資節奏被迫跟著 Agent 的用量曲線加速。
Clef（27B，基於 Qwen3.8-27B 後訓練）與 Clef-flash（9B，基於 Qwen3.5-9B）：64k context window、支援圖片/影片輸入、Clef 定價 $0.24/1M input tokens（Clef-flash $0.09，無 output 計費)、BFCL case exact 98.5%、BANKING77 macro-F1 94.2%、CLINC150+OOS macro-F1 97.4% 均超越 Typesafe Jev；架構上以 prefill-only 打分取代逐 token 生成，接在 Typesafe Jev、OpenAI Decisions API、Amazon Strands Decider 2B 之後，是一週內第三個登場的「決策模型」
xAI 的 grok-imagine-image-quality 將於 2026-11-02 停用（9/2 發出 60 天預告），屆時所有請求自動轉給 grok-imagine-image-2.0 並強制套用 quality: low，每張圖從 $0.05 降到 $0.04（↓20%）。重點是 2.0 本身不分 quality 計價——主動遷移並手動指定 quality: medium 可以拿到更好的畫質，價格完全一樣，只是被動等轉址的人會被鎖在最低畫質。
Technical PM 面試考的不是你會不會畫架構圖，而是你能不能把一個破壞性 API 變更，拆解成客戶分群、相容層設計、分階段淘汰時程這幾個具體決策，並且敢真的設一個會執行的下線日期。今天的框架是 Use Case → Contract → Compatibility → Operability → DX 五層 API 設計框架，搭配 ADR（背景→決策→後果→回頭觸發點）把決策寫下來。練習題是「如何規劃一個破壞性授權變更的 API 淘汰計畫」，拆解思路是先釐清變更性質、用呼叫量數據把客戶分群、評估相容層的可行性、分四階段淘汰（警告→溝通→軟性截止→下線），最後用流量遷移率當領先指標。案例是 Stripe 從 2011 年至今用日期命名版本與版本轉換模組，讓每個帳號在第一次呼叫時自動釘選版本，之後所有破壞性變更都由內部轉換模組吸收，開發者可以永遠留在自己被釘選的版本上；2024 年 9 月起進一步把節奏公開為每月小版本、每年兩次大版本。
HarnessRouter Community Edition 是一個 Apache-2.0 自架平台，用 Unified Harness Protocol（UHP）把 Codex、Claude Code、Hermes 等 agent harness 包成同一個 API。安裝：`docker run -d --name harnessrouter -p 127.0.0.1:3000:3000 -v harnessrouter:/data harnessrouter/harnessrouter`。解決了產品要接多個 coding agent harness 時，每個都要重寫 session／串流／檔案／取消邏輯的問題。
今天的 Coding 輪練換個方向，不再碰前幾週已經練熟的 batching scheduler 跟 tokenizer，改做幾乎每個 LLM API 都會暴露、卻很少人真正手刻過的功能：實作一個吃 logits、temperature、top_k、top_p 四個參數的 sample_token 函式。核心概念涵蓋 softmax 數值穩定性（exp 之前要先減去最大值，否則大 logit 直接 overflow 成 inf）、temperature 的邊界情況（T=0 在公式上是除以零，業界慣例是退化成 greedy decoding 而不是丟例外）、top-k 與 top-p 的套用順序（先 temperature 整形分佈，再 top-k 砍固定數量，再 top-p 依累積機率動態砍）、以及 top-p 最容易寫錯的邊界判斷（要用「加入這個 token 之前」的累積機率跟門檻比較，不是加入後）。練習題來自 AI Engineering 面試題庫收錄的真實題目，額外延伸到 top_k 超過字典大小、renormalize 分母為零這類容易被面試官抓到的邊界案例。
Arena Agent 排行榜 09-30 發布：Claude Fable 5.1（Max）14.55% 第一、Claude Opus 5.5（High）13.78% 第二、GPT-6 Astra（Max）12.18% 第三；Anthropic 官方宣稱 Opus 5.5「效能近 Fable 5.1 但省 40% 成本」，但在這個由真人投票決定的 Agent 類別裡，Opus 5.5 仍落後旗艦版約 0.8 個百分點，且第三方測算其滿力模式每題耗用 token 是 GPT-6 Astra 的 4 倍；本篇同時記錄一個方法論突破：改用 Arena 官方發布在 Hugging Face 的歷史資料集（datasets-server API），繞過一個多月來擋住 swebench.com／arena.ai 等排行榜網頁渲染的結構性故障
Agno v3.1.0 三個重點：(1) 新增 `agno.os.authz` 套件，AgentOS 內建角色儲存、scope policy、審計日誌與使用者目錄，提供原生與 `fga` 兩種可插拔授權引擎；(2) 新增 `agno.fs`／`DbFileSystem`，AgentOS 多一組 `/filesystem` 路由管理檔案，但既有 `agno_fs` 資料表需停機跑遷移腳本，否則直接噴 `SchemaOutdatedError`；(3) Breaking：`MCPConfig` 的內建預設工具與生命週期工具（`continue_run`／`cancel_run`）從『自動附贈』改成要顯式打開。