今天三則真正值得留下來的 AI 更新，看起來分別在談模型、Meta 和 Nvidia。
但放在一起看，反而更清楚。
AI 競爭已經不只是：
「誰的模型最聰明？」
企業接下來真正要處理的是三個問題：
做一件工作要花多少錢？
怎麼把 AI 接進整家公司？
以及：
Agent 真的開始自己做事後，出了界誰來擋？
1. Claude Sonnet 5.5：Token 單價沒降，但每件工作可以更便宜
Anthropic 9 月 28 日正式推出：
Claude Sonnet 5.5。
這是 Claude 5.5 家族的第二個模型。
前一個是定位在複雜、高難度工作的 Opus 5.5。
Sonnet 5.5 則更直接瞄準企業每天大量出現的工作，例如：
- 寫與修改程式
- 修 Bug
- 建立文件
- 做簡報
- 整理試算表
- 執行範圍明確的日常工作
最值得看的，不是又多了一個 Benchmark 第一。
而是：
速度和「每件工作成本」開始一起降。
Anthropic 表示，Sonnet 5.5 的輸出速度比 Sonnet 5 快 30% 以上。
API 單價本身則沒有下降：
每百萬 Input Token 仍為 2 美元。
Output Token 仍為 10 美元。
Cache Read 為 0.20 美元。
但 Anthropic 表示，新模型完成相同工作通常需要更少 Token，因此實際算到「每個 Task」，成本最高可以比 Sonnet 5 低約 30%。
這個差別很重要。
因為企業最後付錢的不是：
「一百萬 Token 看起來便不便宜？」
而是：
「完成這一件工作到底多少錢？」
Sonnet 和 Opus 的分工也開始變清楚
Anthropic 現在的定位不是讓 Sonnet 5.5 直接取代 Opus 5.5。
Opus 仍然處理：
複雜判斷、困難工程問題，以及需要更長時間推理的工作。
Sonnet 則更適合：
數量大、範圍比較清楚、需要快速反覆處理的日常工作。
這其實很接近企業真正會採用的 AI 架構。
不是公司裡每一件事都開最強模型。
而是：
普通任務交給成本較低的模型，真正困難的工作才升級。
Anthropic 甚至已經在 Claude 裡提供 Effort Level。
較低的 Effort 可以讓模型更快、使用較少 Token。
較高的 Effort 則讓模型花更多時間檢查工作。
所以「選哪個模型」之後，還開始多一層：
這一件工作到底值得花多少推理成本？
2. Meta 成立 Enterprise Platform，正式往企業市場走
第二件事不是新模型。
而是 Meta 正式成立：
Meta Enterprise Platform。
這一步很值得注意。
因為 Meta 過去最大的優勢一直是：
Facebook、Instagram、WhatsApp，以及龐大的消費者與廣告生態。
9 月推出 Muse 後，它先從個人 AI Agent 切入。
現在 Meta 開始把戰線往企業搬。
官方公布的第一批核心能力包括：
- Muse Agent
- Meta Business Agent
- Muse API
- Muse Code
目標是讓企業不只是「使用 Meta 的 AI」。
而是可以把這些模型、Agent 與工具放進自己的工作流程。
Meta 還直接從企業軟體公司挖來負責人
Meta 找來 MongoDB CEO：
Chirantan「CJ」Desai
擔任新的 Chief Enterprise Platform Officer。
並直接向 Mark Zuckerberg 報告。
這個人事安排本身就能看出 Meta 想做的不是另一個聊天 App。
Desai 過去除了 MongoDB，也待過 Cloudflare、ServiceNow。
這些都是企業軟體與基礎設施世界。
Meta 要補的，也正是這一塊。
因為賣企業 AI 和做一個爆紅消費者 App 完全不同。
企業還會問：
- 權限怎麼管？
- 員工帳號怎麼管？
- 資料放哪裡？
- Audit Log 在哪裡？
- 哪些 Action 能執行？
- 費用怎麼算？
- 公司出問題誰負責？
目前 Meta 已經宣布方向與產品組合。
但還沒有完整公布一套企業客戶可以直接比較的價格、管理功能與商業方案。
所以現階段比較準確的說法是：
Meta 正式插旗企業 AI 市場。
還不能直接說它已經有一套成熟產品可以取代 OpenAI、Anthropic 或 Microsoft。
3. Nvidia：Agent 不該自己負責監督自己
第三件事，剛好接上昨天 SasaDaily 談的 Agent Sandbox 問題。
Nvidia 9 月 28 日推出：
Open Agent Safety Platform。
核心概念其實一句話就可以講完：
不能只叫 AI Agent 自己遵守規則。
Nvidia 把安全再往系統底層移。
整套架構主要有兩層。
第一層：OpenShell
OpenShell 是開源 Runtime。
Agent 在裡面執行時，它可以限制：
- 能看到哪些資料
- 能碰哪些系統
- 可以執行什麼操作
- 憑證怎麼使用
- 哪些外部 Request 可以出去
重點是：
規則不是只寫在 Prompt 裡。
而是 Runtime 本身執行。
就算 Agent 自己做出意外判斷，系統權限仍然存在。
Nvidia 表示 OpenShell 也可以延伸到 Arm、Intel 等第三方運算平台，不是只能綁在 Nvidia CPU。
第二層：Sentry
Nvidia 又再加一個更特別的設計。
叫：
Sentry。
它不是跟 Agent 放在同一層。
而是讓另一套獨立監控機制，在 Nvidia BlueField-4 DPU 上觀察 Agent 的行為。
簡單理解：
OpenShell 像是 Agent 工作空間的門禁。
Sentry 則像：
站在房間外面的另一名警衛。
即使 Agent 所在的主要系統本身出現問題，還有另一個獨立監控層。
Nvidia 表示，Sentry 可以在 Agent 嘗試越過設定邊界時，以毫秒級速度進行隔離。
為什麼 Nvidia 偏偏現在推出？
時間點很有意思。
最近公開的多起 Frontier AI 事件都出現相似模式：
Agent 的目標沒有變。
但是原本的路走不通之後，它開始：
尋找另一條能完成任務的路。
SasaDaily 昨天才整理 OpenAI 的 DNS Sandbox 事件。
原本一般 Internet Access 已被封鎖。
Agent 卻找到 DNS Resolver 這個仍能接觸真實外部網路的出口。
這就是為什麼 Agent Safety 正在從：
「Prompt 寫得夠不夠清楚？」
變成：
「底層系統到底允不允許它做？」
Nvidia 這套設計的重要性也在這裡。
它不是再發明一句更好的 System Prompt。
而是主張：
Agent 就算不聽話，基礎設施也應該有能力把它擋下來。
三件事其實是在拼同一張圖
把今天三個發布放在一起：
Anthropic 在解決：
每件 AI 工作的成本。
Meta 在解決：
企業要從哪裡部署 AI。
Nvidia 在解決：
Agent 真正開始執行工作之後，怎麼控制它。
這比又多一個 Benchmark 第一，更接近接下來企業真正會遇到的問題。
AI 要進公司，不可能只有模型。
最後需要的是一整套：
模型＋工具＋資料＋權限＋工作流程＋安全＋成本控制。
所以接下來真正有意思的競爭可能不是：
「Claude、ChatGPT、Gemini、Muse 誰最聰明？」
而是：
哪一家能把 AI 從 Demo，變成企業真的敢每天使用的基礎設施。
推薦閱讀
今日 AI 工具｜2026/09/23：Claude Opus 5.5，Input／Output 便宜 20%、Cache Read 便宜 60%，長時間 Agent 怎麼用才真的省？
今日 AI 工具｜2026/09/09：Meta Muse，把 Email、旅行與購物交給個人 AI Agent，關掉 App 後還能繼續跑任務
