AI模型加速迭代！科技巨頭上周密集更新 業界憂「模型疲勞」與失控風險
AI產業上週再度迎來一輪密集更新：Anthropic先升級Fable與Mythos模型，Meta、谷歌相繼推出新版模型，OpenAI緊接著發布 GPT-6 Astra。短短一週多家競逐AI技術領先地位的公司接力出招，節奏之快令人目不暇給。
OpenAI執行長奧特曼上週四(3日)接受《CNBC》訪問時坦言：「我們都在加快迭代節奏。」他認為，近期更新速度加快的部分原因，在於「大家都結束暑假回來了」。
不過，對AI模型與服務的用戶而言，這種快速迭代也帶來複雜與混亂。為避免掉隊，企業執行長與IT主管不得不投入大量時間與資源，比較不同產品的價格與能力。
AI新創公司Runpod執行長 Zhen Lu直言：「我覺得『模型疲勞』確實已成為一個真實存在的問題。別誤會，我對目前發生的各種創新感到非常興奮，但我確實認為，我們現在所處的環境有太多泡沫，企業不得不不斷製造聲量。」
聖母大學門多薩商學院教授、擁有25年AI從業經驗的Ahmed Abbasi指出，各家模型開發商如今都在爭奪用戶預算份額，一方面努力跟上對手節奏，一方面不斷提醒開發者，自己至少與其他公司一樣快地推進創新。
由於Anthropic與OpenAI正朝IPO上市邁進，競爭節奏格外激烈。目前，私募投資人給這兩家公司的估值都已接近1兆美元。Google 與 Meta 亦各有戰略目標，而快速發展的開源 AI 社群最近又迎來重量級新成員—輝達。
上週更新潮由Anthropic在上週二(1日)率先揭開序幕。該公司發布Claude Fable 5.1與Claude Mythos 5.1，號稱是「全球最先進的程式設計與知識工作模型」。
隔天，Meta發布Muse Spark 1.3，谷歌推出Gemini 3.8 Flash，兩家公司都主打新模型在程式設計與AI Agent 任務上的能力提升。
到了上週四，OpenAI發布GPT-6 Astra，重點強化網路安全與電腦操作能力，並稱其為「多年研究和重大投入」的成果。同日，位於阿布達比的穆罕默德·本·扎耶德人工智慧大學也向開源社群發布K2 Horizon系列模型，再次凸顯AI研究與投資已是一場全球競賽。
與此同時，全球市值最高的公司、本波AI 熱潮核心晶片供應商輝達也不甘示弱，宣布以129億美元收購開源AI平台Hugging Face。
近期，輝達亦持續推出開源模型，包括上個月發布的Nemotron 3.5 Lightning，強調這是一款可在筆電或桌機單顆GPU上運行的「輕量級」模型。
2.59 萬億美元大餅當前
這些公司無不希望從今年規模高達2.59兆美元的 AI 支出中分一杯羹。根據調研機構顧能(Gartner)預估，該數字將比2025年成長47%。該機構在今年5月的報告中指出，逾半AI支出將用於AI基礎設施，而服務、軟體、網路安全、模型及其他工具的支出總額也將超過1兆美元。
如此密集的模型更新，加上AI監管政策仍存在諸多不確定性，也加劇外界對先進 AI 模型風險的疑慮。
過去幾週，OpenAI、Anthropic 與 Meta 開發的模型都曾造訪原本不該造訪的第三方網站；OpenAI的模型上個月更成功入侵 Hugging Face，在整個產業引發震動。
Abbasi等專家尤其擔憂AI Agent快速發展。他表示，令人憂慮的不僅是這些能力，更在於「它們正被如此輕易地部署。隨著這些 Agent出現，它們不只存在於你的電腦，也開始活躍在網路上，整個威脅與漏洞環境都變得更複雜。如果我們不夠謹慎，局面可能徹底陷入混亂」。
他並認為，各大開發商恰好在同一週宣布更新，「這並非巧合」。
AI金融新創公司Farsight技術負責人Noah Faro也抱持類似看法。他指出，企業可透過多種方式掌握對手動向，例如觀察雲端運算資源供給，因為這些公司都在爭奪少數供應商的大規模算力；產業內部亦有大量資訊交流，「任何一點微小風吹草動，都會以極快速度傳播出去」。
當然，並非所有更新都同等重要。Faro指出，不同於OpenAI的 GPT-6 Astra，Anthropic、Meta 與谷歌上週推出的多數更新屬於「點版本更新」，也就是在既有模型上升級，而非從零開發全新模型。
Faro認為，近期真正對產業格局產生重大影響的兩款模型，是 Anthropic 6 月發布的 Fable 5，以及中國月之暗面 7 月推出的 Kimi K3。
不過，企業AI新創Clockwork Systems執行長Suresh Vasudevan認為，即使只是漸進式更新，在AI快速改變商業與軟體開發方式的當下仍具意義。「現在每一次發布的產品都強得離譜，以至於人們已很難判斷什麼才算真正的跨越式進步。大家都知道，當你身處指數成長曲線之中，往往意識不到自己正在經歷什麼；只有退後一步，回頭看看自己原來在哪裡、現在又走到哪裡，才能真正感受變化。」
Vasudevan也坦言，持續追蹤每一次模型更新已成頭痛之事，尤其評估過程還需消耗寶貴算力。若新創公司想針對某項任務評估 10 個模型，最終可能只挑其中5個測試，「要把目前所有正在推出的模型逐一評估，真的非常困難」。
更多鉅亨報導