Skip to content

AI Agent 週回顧 — 2026-10-16

2026年10月16日1 分鐘
首頁›daily
TL;DRWorkday 收購 Agent 身分新創 C1.ai、AWS Bedrock AgentCorruption 漏洞鏈、CrowdStrike 揭露南韓銀行遭 AI agent 入侵，同週把焦點從模型能力拉到執行治理；歐盟 AI Act 首度執法、台灣金管會發布代理 AI 安全諮詢文件、新加坡 IMDA 推出測試工具包，三地監管同週要求 Agent 拿出證據；AppWorld／WorkArena 查核器漏洞、τ-bench reward function 未還原資料庫、Arena 排行榜 72 小時內洗牌三次，證明評測基礎設施本身在失真；Meta Muse Wonder／Wonder Full 與開放權重 Muse Spark Open 同週發布；Modal $750M Series D 衝上 $15.75B 估值，Agent 沙箱正式成為獨立大生意。
#ai-agent#weekly#daily
系列: AI Agent 週回顧 (10 / 9)
AI Agent 週回顧 — 2026-10-09AI Agent 週回顧 — 2026-10-23

查詞與收藏

正在載入查詞工具…

🌏 English version

本週最重要的 5 件事

1. 企業與監管同週把焦點從「Agent 多聰明」拉到「執行層能不能被信任」

這週最密集的訊號不是模型發布，是身分與執行治理。Workday 直接收購 C1.ai，一家專做「人與 Agent 共用身分平台」的新創；同一天，SBI、Everspin 與 KB 國民卡宣布跨境「Know Your Agent」信任閘道的日韓 PoC；CrowdStrike 揭露南韓九家銀行疑似遭中國攻擊者用 AI agent 配合 Claude Code 入侵，日本資安事故月增 18%；再往前一天，Zenity Labs 揭露 AWS Bedrock AgentCore 的 AgentCorruption 漏洞鏈——一句提示注入就能偷到執行角色的暫時憑證，靠過寬的 wildcard 權限橫向入侵同帳號同區域的所有其他 agent，讀對話、下毒記憶、拉走密鑰。四件事分屬不同產業、不同國家，卻在同一週指向同一個缺口：企業搶著讓 Agent 上線的速度，遠超過幫它建好一套身分與存取治理的速度。（Workday 收購 C1.ai、SBI／KB 國民卡 KYA Trust Gateway、南韓銀行遭 AI agent 攻擊、Zenity Labs：AgentCorruption）

2. 三地監管機關同週要求 Agent「拿出證據」

歐盟 AI Office 首度依 AI Act 執法，就 rogue agent 事件向 OpenAI 與 Anthropic 發出資訊請求；同一週，台灣金管會發布「金融業運用代理 AI 安全諮詢文件」，三軸風險分級、就高不就低，徵詢 30 日；新加坡 IMDA 推出 Agent 安全測試工具包，Anthropic 同日與新加坡簽 MOU 評估模型安全性。三份文件的共同點是都不再滿足於「模型通過了哪個 benchmark」，而是要求能證明 Agent 實際做了什麼、留了什麼紀錄、出事能不能停。台灣金管會的做法尤其值得注意：它管理的單位是「應用場景」而不是模型，意味著換模型不用重新送審，但每多一個能讀寫資料或呼叫工具的場景，就多一條要單獨舉證的治理路徑。（歐盟首次執法 — Euronews、金管會新聞稿、新加坡 IMDA 工具包 — Straits Times）

3. 評測基礎設施本身這週連環曝出漏洞，benchmark 排名的可信度被動搖

本週三個獨立事件疊在一起，共同指向一個結論：分數本身可能是假的。研究者對 AppWorld／WorkArena 兩個電腦操作 agent benchmark 做稽核，發現 WorkArena 查核器對 23 筆事先選出的可疑案例全部判通過，但獨立讀值證實其中 21 筆的資料確實寫錯了；另一篇論文對 τ-bench 的打分路徑做稽核，發現 reward function 重設資料庫卻沒有還原，4,320 回合重放後成功率從 94.3% 掉到 65.5%；同一週，Arena Agent 排行榜在短短三次發布之間洗牌三次——GPT-6 Sol 一天內從首度闖進前三掉到第七，上次登頂的「Claude Opus 5.5（High）」整批從榜上消失卻找不到官方停用公告。三件事合起來說明：在你相信一個分數之前，先問它測的是不是你以為的那個東西,以及這個名次是不是只是信賴區間重疊下的隨機跳動。（AppWorld／WorkArena 查核器漏洞 — arXiv、τ-bench reward function 稽核 — arXiv、Arena Leaderboard Dataset — Hugging Face）

4. Meta 重返前沿模型賽局：Muse Wonder／Wonder Full 與開放權重 Muse Spark Open 同週發布

這是 Meta 自 2025 年 8 月重組 AI 團隊後最密集的一週：10/12 發佈首款前沿級模型 Muse Wonder 與僅限訂閱的 Wonder Full，官方自測 Terminal-Bench 4.0-AA、SWE-Marathon 都超過 Claude Opus 5.5，但獨立評測機構 Artificial Analysis 把 Wonder 排在第 9（52 分）、Wonder Full 排第 4（56 分），雙雙低於 Meta 自己公佈的數字與 Opus 5.5 的 58 分；10/16 再發佈開放權重的 Muse Spark Open，816B 參數（42B 啟用）多模態 MoE，號稱美國最強開放權重模型，兩台 Mac Studio 就能本地跑。Wonder 與 Wonder Full 的能力分工也不對稱——API 版在 AutomationBench、GDP.pdf 領先，訂閱版在 JobBench、Vals Finance、MemoryBench 大幅領先，代表這是針對不同任務輪廓分別訓練出的兩個模型，而不是同一顆模型的兩個推理檔位。（Meta AI Research Blog：Muse Wonder、OrcaRouter 獨立評測對照、Muse Spark Open — Hugging Face）

5. Modal $750M Series D 衝上 $15.75B 估值，Agent 沙箱正式成為獨立大生意

Modal 完成由 Accel 領投的 $750M Series D，投後估值 $15.75B，是 5 月 C 輪 $4.65B 的 3.4 倍，年化營收剛破 $10 億，其中 Sandboxes（讓 agent 執行自己寫的程式碼的隔離環境）就佔了近三分之一。這筆錢的信號很直接：以前被視為框架附帶小元件的「agent 沙箱」,本身已經是一個隨 agent 數量一起長的獨立市場，而不是模型能力的衍生品。（Modal 官方部落格、SiliconANGLE 報導）

本週認知更新

  • 之前以為評測基準分數不準主要是模型太弱或基準設計太簡單，現在知道更常見的是評測基礎設施本身有漏洞——查核器會把做錯的任務判通過、reward function 重設資料庫卻沒還原導致成功率虛高近 30 個百分點，連「誰是 benchmark 冠軍」在同一週內都能洗牌三次而不代表產品真的變了。
  • 之前以為 Agent 安全的焦點主要是防外部 prompt injection，現在知道同一週企業端（Workday 收購身分新創）與監管端（台灣金管會、新加坡 IMDA、歐盟 AI Act 執法）全部把焦點轉向「內部執行角色與證據鏈」——外部攻防只是故事更好懂、更容易公關的那一半。
  • 之前以為 agent 沙箱只是各家框架附帶的小功能，現在知道 Modal 一項 Sandboxes 業務就能撐起近 $3.3 億的年化營收，代表「讓 agent 安全地執行程式碼」本身已經獨立成一個跟著 agent 數量一起長的市場。
  • 之前以為同系列模型的「輕量版／完整版」只是推理預算差異，現在看到 Meta Muse Wonder 和 Wonder Full 在不同 benchmark 上互有勝負才知道，廠商可能是針對不同任務輪廓分別訓練出兩個模型，而不是同一顆模型的兩個推理檔位——讀廠商自報分數時也該多看一句「挑了哪些項目公佈」本身就是訊號。

企業落地觀察

我認為本週企業落地最值得注意的分野，是 Agent 身分與執行治理正從「nice to have 的附加功能」變成企業導入 Agent 時不得不先補齊的「互補資產」。

用互補資產的角度拆解：Workday 這次不是去買一個更聰明的 Agent，而是直接收購 C1.ai 這家專做「人與 Agent 共用身分平台」的新創——這代表單靠「Agent 本身夠不夠聰明」已經不足以讓它進入企業核心系統，它還需要一整套配套的身分、存取、審計基礎設施才能被信任，而這套基礎設施現在貴到大廠選擇直接併購，不是自己從頭做。同一週 AWS Bedrock AgentCore 的 AgentCorruption 漏洞鏈與 CrowdStrike 揭露的南韓銀行入侵案，剛好從反面證明了這塊互補資產缺一角要付多少代價——一句提示就能橫向入侵整個帳號的所有 agent。

對台灣的啟示：金管會這次諮詢文件管的單位是「應用場景」而非模型，恰好呼應了這個互補資產邏輯——換模型不用重新送審，但每多一個能讀寫資料、呼叫工具的場景，就多一條要單獨舉證的治理路徑。台灣團隊若想把 Agent 賣進金融業，下一份提案應該先把「每個場景能碰哪些資料、留哪些紀錄、出事怎麼停」寫清楚，模型選哪家可以放在報告後面。

下週值得追蹤的

  • 台灣金管會「金融業運用代理 AI 安全諮詢文件」30 天徵詢期（10/13 起算，約 11/12 截止）後的定案版本，三軸風險分級會不會放寬或收緊
  • 歐盟 AI Office 對 OpenAI、Anthropic 的資訊請求後續回應，會不會成為 AI Act 對 agent 事故的第一張罰單
  • Modal、Workday 這類基礎設施／治理型公司這輪動作後，是否會有更多 agent 沙箱或身分管理新創跟進搶賽道（Pluto Security、Harbor 已是本週訊號）

Watchlist 更新建議

🆕 建議加入

✅ 本週無公司在訊號中獨立出現達 ≥ 3 次門檻的正式新增候選——本週新融資與新創多數各自只在單一報導與當日文章中出現 1–2 次，尚未構成跨事件的重複訊號。符合「本週首次出現」但未達門檻的公司已列入下方新創雷達觀察。

⚠️ 考慮移除

✅ 本週無符合移除條件的公司。

本週新創雷達

公司做什麼融資為什麼值得注意
Catalyst把自然語言意圖轉成可執行交易策略的散戶交易 AgentSeries A $30M（Sequoia 領投）早期輪金額已逼近傳統 A 輪規模，輪次命名本身正在變模糊
MistlabsAmbi，讓不同使用者的 agent 彼此溝通協調的環境智能Pre-A $26M（硬體代工廠華勤聯合領投）代工廠直接進投資名單，為未來穿戴裝置卡位而非只看軟體
Fragmentagent 動用企業資金前先自動對帳Series A $12Magent 碰錢之後，「事前對帳」變成跟權限控管同級的基本功
Zenzap取代 WhatsApp 群組的團隊工作聊天室＋agentSeries A $33M（累積 $44M）很多產業的「現有工作流程」是 WhatsApp 群組，不是 Slack／Teams
Confido Health把私募股權基金當分銷管道的醫療行政 agent 平台Series A 累積 $22.5M分銷策略比產品本身更值得研究——說服 PE 基金等於一次賣進整個投資組合
Pluto Security掃 agent workspace 設定與非人身分存取風險的資安新創Stealth 輪 $42M企業部署 agent 的速度已超過安全治理的速度
Harbor承保企業 Agent 風險責任的保險商品Seed $10M把 agent 風險變成可以買保險轉移的商品，不只是技術問題

我這週學到什麼

這週最大的認知差，是「Agent 安全」的主戰場已經從「防外部攻擊者」位移到「企業和監管機構同時逼問：你的 Agent 執行層能不能被信任、出事能不能舉證」。模型排行榜本週連續洗牌三次卻幾乎沒有意義，因為信賴區間重疊、名次本身隨時可能是抽樣噪音——這代表選型與導入的判斷依據，正從「哪個模型分數最高」換成「誰的治理與證據鏈撐得住稽核」。對台灣團隊來說，這週三份監管文件（歐盟、台灣、新加坡）同時指向一個具體動作：先把應用場景的資料存取與留存紀錄寫清楚，模型選哪家可以晚點再談。

參考資料

相關文章

AI Agent 週回顧 — 2026-10-231 minAI Agent 週回顧 — 2026-10-091 minAI Agent 週回顧 — 2026-10-021 min