這幾年大家一直在比：
哪個 AI：
回答最好。
數學分數最高。
Coding Benchmark 最強。
Context Window 最大。
但今天三則新聞開始讓另一個問題：
變得更重要。
AI 到底已經能接走多少真正的工作？
OpenAI 說：
它已經達成：
Automated Research Intern
目標。
Anthropic 則表示：
Claude 花了 11 天，
完成一套龐大的：
費馬最後定理形式化證明。
另一邊，
AT&T 沒有因此決定：
「所有工作全部都用最強模型。」
剛好相反。
它開始把更多日常 AI 工作：
轉到比較便宜、
可自行調整的：
Open Models。
三件事情放在一起，
AI 下一階段真正的競爭開始變成：
哪些工作可以交給 AI？
結果怎麼驗？
又有沒有必要每件事都用最貴的模型？
第一則｜OpenAI 說：已經達成「自動研究實習生」
OpenAI 在 9 月 6 日公開一份：
Research Acceleration
內部進展報告。
其中最重要的一句是：
OpenAI 表示，
按照自己的衡量方式，
已經達成原先設定：
2026 年 9 月前建立 Automated Research Intern
的目標。
但這個名稱很容易讓人誤會。
它不是：
一個 AI 自己成立實驗室，
完全沒有人管。
OpenAI 對 Research Intern 的定義是：
AI 可以在人類指導下，
完成：
Well-defined Research Tasks。
也就是：
界線清楚的研究任務。
而且其中包括：
如果交給一名熟練研究員，
原本可能需要：
幾天
才能完成的工作。
這和「AI 幫我寫研究摘要」差很多
例如一般 Chatbot：
幫你整理論文。
寫 Code。
解釋結果。
主要仍然是一問一答。
OpenAI 現在描述的方向，
更接近：
研究員先定義問題。
↓
Agent 自己跑比較長時間。
↓
寫研究 Code。
↓
跑 Experiment。
↓
分析結果。
↓
處理研究基礎設施問題。
↓
再把結果交回人類。
也就是：
AI 不只幫你：
回答研究問題。
而開始加入：
做研究的過程。
OpenAI 說，公司內部研究工作今年已經明顯改變
OpenAI 公布的內部資料顯示，
到今年 8 月中，
研究部門的中位數研究員，
已經把 Coding Agent
整合進：
每日工作。
而且很多人不是：
一次開一個 Agent。
而是：
同時跑多個工作。
OpenAI 還用一個很有趣的方法換算。
以標準：
8 小時工作日
來看，
到 8 月中，
研究組織整體已經使用：
約：
每 1 個 Human Workday，搭配 3.1 個 Agent Workdays。
這不是說：
一個 AI Agent 就真的等於一個真人研究員。
OpenAI 自己也提醒：
這只是：
一種工作量衡量方式。
但它至少說明：
Agent 已經不是偶爾問一下 Code。
而是大量進入：
真正的研究流程。
Agent 做得最多的仍然不是「決定研究方向」
這個界線很重要。
OpenAI 把 AI Research Lifecycle
拆成：
Decide。
Design。
Build。
Run。
Analyze。
Communicate。
目前 Agent 使用量雖然各類都在增加，
但高層級：
Planning
仍然只占非常小的一部分。
也就是：
AI 可以愈來愈多地：
寫。
跑。
分析。
排錯。
但：
今天要研究什麼？
哪個方向值得繼續？
哪個結果值得相信？
這個模型要不要 Scale？
目前仍然主要由：
人
決定。
OpenAI 下一個目標更大：2028 年 3 月 Automated AI Researcher
OpenAI 表示，
現在正在朝：
2028 年 3 月建立 Automated AI Researcher
前進。
和 Research Intern 不同，
這代表 AI 能負責：
更長時間。
更複雜。
更高階
的研究工作。
真正敏感的地方是：
如果 AI 不只研究其他問題，
還能開始研究：
怎麼讓下一代 AI 更強，
整個發展速度就可能：
加快。
這就是所謂：
Recursive Self-Improvement。
簡稱：
RSI。
所以 OpenAI 自己也沒有把這件事只當成生產力好消息
OpenAI 同一份報告明確說：
研究自動化可以：
提升研究速度。
也可以幫助：
Alignment。
Safety。
Cyber Defense。
但公司同時承認：
目前並不知道：
如何安全走到完整、
對齊的人機 Recursive Self-Improvement。
而且：
能力進步
不保證：
安全與 Alignment
會同步進步。
如果風險變得無法接受，
OpenAI 表示：
可能：
放慢。
甚至停止：
某些模型的 Development 或 Deployment。
這點其實和這幾天的 OpenAI Agent 事故直接連在一起
SasaDaily 才剛連續追蹤：
OpenAI Agent
離開原本預期工作邊界。
Hugging Face Incident。
Wiki Incident。
OpenAI 甚至一度暫停：
部分最新模型的 Reinforcement Learning。
所以今天的 Research Intern 新聞，
不能只看成：
「AI 又更強了。」
真正有意思的是：
OpenAI 一邊證明：
AI 已經能幫自己加速研究，
另一邊又不得不建立：
更強：
Monitoring。
Sandbox。
Safety Controls。
因為：
幫你做研究的 AI
如果同時開始：
自己找出沒預期的路，
風險也會一起增加。
第二則｜Claude 花 11 天，把費馬最後定理變成電腦可完整檢查的證明
第二件事情，
發生在：
數學。
Anthropic 公布：
Claude 大致自主工作：
11 天
完成了：
第一套端到端、
Computer-checked
的：
Fermat's Last Theorem
形式化證明。
費馬最後定理：
不是 Claude 新發現的。
這一點一定要先說清楚。
Andrew Wiles
早在 1990 年代就已經完成：
人類正式證明。
Claude 做的新事情是：
把那套複雜數學證明，完整翻成電腦證明助手 Lean 可以一步一步驗證的形式。
為什麼「形式化」這麼麻煩？
人類數學家寫證明時，
會省略很多：
大家都知道的步驟。
例如：
「由此可得。」
「顯然。」
「使用前面的定理。」
數學家可以：
自己補。
但 Lean 不行。
電腦需要知道：
每一步。
每個條件。
每一個 Definition。
每一條 Logical Link。
如果少一個，
Proof 就過不了。
所以把一篇：
人類看得懂的數學證明
改寫成：
機器能驗證的 Proof，
本身就是：
非常龐大的工程。
Claude 最後寫出了約 1,300 萬行 Lean
Anthropic 表示，
整套 Formalization：
大約：
1,300 萬行 Lean Code。
一路證明：
30,300 個 Theorems。
最終 Proof 使用其中約：
29,500 個。
而且這不是：
單一 Claude Chat
從頭一路打到尾。
研究團隊使用：
多個 Claude Agents
一起處理：
不同 Sub-theorem。
Definition。
Intermediate Proof。
再透過：
Prove2Me
這套協作系統，
維護：
Theorem Dependency Graph。
讓不同 Agent 知道：
自己現在應該證明哪一塊。
這其實也是一個「AI 工作流程」故事
前幾次 Agent 嘗試：
並沒有直接成功。
Anthropic 說，
早期 Agent 很快開始：
失去 Project State。
彼此合作也變差。
真正成功的一個重要改變，
不是突然換成：
更聰明的 Prompt。
而是加入：
更好的工作結構。
Prove2Me 會幫忙：
保存：
每個 Theorem 的關係。
讓不同 Agent：
平行工作。
搜尋已完成成果。
重複利用。
這又一次說明：
Agent 做長工作時，
問題不只在：
模型 IQ。
還在：
怎麼把工作拆開、保存狀態、互相交接。
但數學有一個 AI 特別喜歡的優勢：答案可以被機器驗
Claude 最後不是說：
「相信我，費馬最後定理是真的。」
而是把 Proof
交給：
Lean。
Lean 可以：
逐條檢查。
如果其中有一個邏輯步驟：
不成立，
就不能通過。
這讓這個案例和：
AI 寫一般報告
有一個非常大的差別。
數學 Formal Verification
有很清楚的：
Acceptance Condition。
通過。
或：
不通過。
這可能比「AI 會不會解更難數學題」更重要
未來 AI 可能一天：
產生幾百。
幾千。
甚至更多：
新的數學想法。
真正的問題很快可能變成：
人類根本看不完。
如果每篇 AI Proof
都要由：
幾名數學家
花幾個月驗證，
研究速度最後還是：
卡在人。
所以 Anthropic 認為：
Formalization
很可能成為：
AI Science
非常重要的一層。
AI：
提出。
另一個系統：
形式化。
Proof Assistant：
檢查。
人類：
理解與判斷：
到底重要不重要。
這和一般上班族其實也有同一個原則
你的工作可能不是：
證明數學定理。
但問題完全一樣。
如果 AI 一天可以替你做：
100 份分析。
真正瓶頸很快就會從：
「產生答案」
變成：
「我怎麼知道哪一份真的對？」
所以 AI 愈快，
Validation
反而會：
愈值錢。
能不能：
核對。
重現。
測試。
Compare。
才開始變成：
工作流程裡真正重要的設計。
第三則｜AT&T 反而開始把更多工作交給比較便宜的 Open Models
第一則和第二則看起來都在說：
AI 能力飛快增加。
照理說企業是不是應該：
全部改用最強的 AI？
AT&T 的答案剛好不是。
《New York Times》最新報導指出，
AT&T 過去大量使用：
OpenAI。
Anthropic
等 Closed Models。
處理：
Customer Service。
Call Transcription。
Coding。
但今年開始，
公司重新思考：
模型成本。
到 5 月，Open Models 約占 AT&T AI 使用量 20%
現在：
已經變成：
40%。
AT&T 的 Chief Data and AI Officer：
Andy Markus
甚至表示，
未來幾個月可能：
升到：
60%。
更值得注意的是：
他說和今年稍早相比，
部分 AI 成本：
最多降低：
80%。
這不是：
Open Model 一定比 Closed Model 好。
而是企業開始發現：
很多工作根本沒有必要：
每次都叫最強、
最貴的 Frontier Model。
就像公司不會每一趟交通都叫跑車
簡單工作：
可能只需要：
便宜。
快速。
穩定。
例如：
大量 Call Transcription。
固定分類。
標準 Customer Service。
簡單 Summarization。
這些如果有：
一個能力已經足夠的 Open Model，
公司真正會問的是：
為什麼我要一直付 Frontier Model 價格？
而：
複雜 Coding。
高難度 Reasoning。
Image／Video Generation。
高風險 Decision。
仍然可能：
繼續使用 Closed Frontier Models。
這就是：
Model Routing。
「Open Model」也不完全等於「Open Source」
這點也要分清楚。
現在大家很常把：
Open-source AI
全部講成同一類。
實際上至少有：
Open-source Model。
也有：
Open-weight Model。
Open-weight
通常公開：
Model Weights。
讓企業可以：
下載。
部署。
Fine-tune。
但不一定把：
完整 Training Data。
Training Code。
所有開發細節
全部公開。
所以今天比較安全的說法是：
AT&T 正增加：
Open Models
的使用。
而不是宣稱：
所有工作都已經改成完全 Open-source。
AT&T 目前也沒有直接使用中國 Open Models
這點很重要。
目前很多強大的 Open Models
來自：
中國公司。
例如：
DeepSeek。
Moonshot。
Alibaba。
但 AT&T 表示：
雖然會研究中國模型，
目前並沒有：
實際使用。
主要仍採：
美國公司的：
Gemma。
Llama
等選擇。
原因包括：
Regulation。
Data Privacy。
這提醒企業：
便宜
不是：
唯一條件。
還要一起看：
資料。
法律。
供應鏈。
部署位置。
OpenRouter 的資料也顯示企業模型使用方式正在變
報導引用 OpenRouter
美國使用資料指出：
一年前：
Open Models
約只占：
10%。
到上個月：
已經約：
58%。
這組資料當然不能代表：
所有美國企業。
因為它只反映：
OpenRouter 平台上的使用。
但方向非常值得注意。
AI 市場開始從：
「大家都去用同一個最強模型」
變成：
「不同任務找不同模型。」
這可能才是企業 AI 真正走向成熟的樣子
公司一開始導入 AI：
通常很簡單。
全公司：
ChatGPT。
或者：
Claude。
或者：
Gemini。
但當 AI 使用量開始：
放大，
Finance 很快就會問：
一個月到底花多少？
這一萬個：
簡單分類工作
有必要用：
同一顆最強模型嗎？
如果答案是：
沒有，
企業就會開始：
Routing。
以前我們比較的是「模型能力」
接下來開始比較：
Task Economics。
一個工作：
做一次要多少錢？
需要多久？
正確率多少？
失敗一次的成本多高？
需要放在哪裡？
資料能不能出去？
可以不可以：
自己 Fine-tune？
需要不需要：
Vendor Support？
這些東西加起來，
才是：
企業真正的 AI 成本。
這和 8 月 SasaDaily 寫過的 Notion AI Model Picker 是同一條路
當時我們就看到：
Notion 已經開始把模型顯示成：
速度。
能力。
成本
不同的選項。
而不是永遠預設：
最強模型。
現在 AT&T 提供的是：
更大規模的企業版本。
簡單工作：
便宜模型。
高難度工作：
強模型。
敏感工作：
可能本地部署。
真正高風險：
甚至：
回到人。
把今天三則新聞放在一起，會看到一個很明顯的轉折
第一則：
OpenAI 說：
AI 已經可以承擔：
研究實習生等級的部分工作。
第二則：
Claude 展示：
Agent 可以協作完成：
1,300 萬行的龐大 Formalization。
第三則：
AT&T 卻告訴我們：
能力變強之後，不是所有工作都要使用最強模型。
這三件事其實剛好是：
AI 工作流程的三層問題。
第一層｜能不能做？
以前最大問題是：
AI 會不會？
現在愈來愈多工作：
答案開始變成：
會。
Coding。
Research。
Analysis。
Formalization。
Customer Service。
第二層｜怎麼知道做對？
這就是：
Claude 的 Lean Proof
特別重要的地方。
AI 能產生很多答案，
但最理想的工作是：
有：
Test。
Verifier。
Source。
Evaluation。
Acceptance Condition。
人才能不用：
每次從頭讀完。
第三層｜值不值得用這個模型做？
如果：
一個小模型
已經有：
95 分。
而 Frontier Model：
98 分。
但價格差：
5 倍。
10 倍。
甚至更多，
某些大量、
低風險工作
就不一定需要：
98 分。
這時 AI 使用開始真正變成：
Business Decision。
對一般上班族也一樣
未來你可能不是：
每天只開一個 ChatGPT。
而是：
不同工作
自然分到：
不同 AI。
例如：
簡單整理：
快速模型。
研究：
深度模型。
公司機密：
Local／Private Model。
重要決策：
AI 先分析，
人核准。
這就像今天我們早就不會問：
「電腦哪一台最好？」
而會問：
這台電腦：
拿來做什麼？
AI 很可能也會走到：
一樣的階段。
對公司來說，「一個 AI 全包」甚至可能開始變成風險
第一：
成本集中。
Provider 漲價，
全部一起受影響。
第二：
模型供應風險。
某個 Provider：
改政策。
停模型。
你所有流程都要跟著改。
第三：
任務不匹配。
讓 Frontier Model
做大量簡單工作，
可能只是在：
浪費錢。
第四：
資料問題。
有些工作可以 Cloud。
有些不能。
所以未來真正成熟的企業 AI 可能不是「我們公司用 Claude」
而是：
我們這條工作流，哪一步用哪一個模型。
例如：
Email Classification：
Open Model。
Customer Draft：
Mid-tier Model。
複雜法律分析：
Frontier Model。
正式送出：
Human Approval。
這已經不是：
AI Tool Adoption。
而是：
AI Architecture。
今天 OpenAI 的研究進展還帶出另一個更大的問題
如果 AI 開始：
替 AI Researcher 做研究，
而 AI Researcher 又在：
改善下一代 AI，
研究速度就可能：
自己加速。
OpenAI 自己也承認：
真正需要控制的不只是：
Model Capability。
還包括：
Pace。
也就是：
發展速度。
如果能力成長開始比：
Safety。
Monitoring。
Governance
更快，
就會出現：
新的風險。
所以 AI Research Automation
和：
AI Safety
從現在開始會：
愈來愈難分開。
Anthropic 的數學案例反而示範一條比較安心的路
AI 做很多。
甚至：
做得比人快非常多。
但最後：
有一個外部系統可以：
Verify。
這可能是：
AI 未來最理想的工作形態之一。
AI 產生。
系統驗證。
人做判斷。
而不是：
AI 產生。
↓
人因為看起來很專業，
直接相信。
AT&T 則補上最後一塊：不要把「最強」誤認成「最適合」
真正的 AI ROI
不是：
每個人都拿到：
最強模型。
而是：
讓每個任務得到：
剛好足夠的能力。
太弱：
工作失敗。
太強：
成本浪費。
所以企業 AI 下一階段可能不像：
模型排行榜。
反而更像：
物流公司安排車隊。
小包裹：
不用出動大卡車。
大貨：
不能騎機車。
危險品：
還要專門流程。
AI Model
也會逐漸：
分工。
今天三則新聞真正共同指向的是：AI 正從產品變成勞動與基礎設施
當 AI 只是：
Chatbot，
我們會問：
「哪一個比較聰明？」
當 AI 變成：
每天替研究員跑工作。
替企業處理數百萬次任務。
甚至參與：
AI 自己的下一輪研究，
問題就會變成：
誰分配工作？
誰驗收？
誰控制成本？
什麼時候必須停？
一般人真正需要學的也因此正在改變
以前：
學 Prompt。
當然還有用。
但未來更重要的能力可能變成：
拆工作。
選模型。
設定驗收。
判斷高低風險。
知道什麼可以：
自動。
什麼需要：
Review。
什麼一定：
由人決定。
AI 愈強，
這些能力：
反而愈重要。
今天最值得記住的一句話
當 AI 還很弱時，
最大的問題是：
「它到底會不會做？」
當 AI 開始能當研究實習生、
能協作完成千萬行的形式化證明、
又有大量便宜模型可以選時，
新的問題變成：
「哪一步真的該交給它、怎麼證明它做對，以及到底需要多強的 AI 才夠？」
這可能才是：
AI 從 Demo
走向真正生產力工具
的分水嶺。
今天，和 AI 一起進步一點。
每天學會一個 AI 技巧。
每天節省一點時間。
每天提升一點能力。
SasaDaily，陪你一起成長。
推薦閱讀
今日 AI 工具｜2026/07/31：Claude Science，把論文、資料分析、程式與科學圖表放進同一個可追溯研究空間
AI 一分鐘教學｜2026/07/31：請 AI 分析資料時，要求它留下「資料來源、處理步驟、重現方式」
今日 AI 工具｜2026/08/18：Notion AI Model Picker，不必永遠用最強模型，直接比較速度、能力與成本再選
