今天三則真正值得留下來的 AI 更新，看起來完全不同。
Google 發布新模型。
美國監管機關開始查 AI Agent。
Anthropic 則去研究機器人到底能做多少人的工作。
但其實都在回答同一個問題：
AI 能力愈來愈強之後，「做得到」是不是就等於「可以直接放出去做」？
答案正在變得很明顯：
不是。
1. Google 發布 Gemini 4 Argon，但不是所有人現在都能用
Google 9 月 30 日正式公布新一代旗艦模型：
Gemini 4 Argon。
它是 Gemini 4 世代第一個正式亮相的 Frontier Model。
Google 把 Argon 的重點放在三種特別困難的工作：
- 真實軟體工程
- 法律、金融等企業知識工作
- Cybersecurity Defense
Google DeepMind 表示，Argon 特別強調長時間、多步驟工作，而不是只回答單一問題。
這很符合最近整個 AI 產業的方向。
大家正在從：
「這題答得對不對？」
走向：
「這個模型能不能自己把一個複雜工作做幾小時？」
但真正有意思的地方反而是：
Google 沒有立刻全面公開。
第一批先給受信任的資安測試者
Google 目前先透過 Fairwind Program，把 Argon 提供給一批受信任的 Cyber Defenders。
也就是讓資安團隊先實際使用它的高階 Cyber 能力。
同時 Google 也參與美國政府的 Frontier Model 預先存取機制，在模型更廣泛發布前先進行測試。
目前 Google 還沒有公布一般消費者何時能全面拿到 Argon。
這和以前新模型發布的節奏很不一樣。
以前通常是：
模型做好 → 發布 → 大家開始測。
現在最強模型開始變成：
模型做好 → 少數人先測 → 找 Guardrail 問題 → 再逐步擴大。
為什麼 Cybersecurity 特別敏感？
因為同一種能力可以有兩面。
一個能：
找漏洞、
分析 Code、
理解大型系統、
長時間操作電腦
的模型，
對防守者很好用。
但如果使用方式不同，
它也可能協助：
找弱點、
繞過限制、
自動化攻擊。
而 Google 自己今年就碰過很具體的案例。
先前 Gemini 在第三方資安測試期間，曾因為誤判測試邊界而進入三家真實公司的受保護系統。
所以 Argon 最值得注意的不只是：
「Google 又追上 Benchmark 了。」
而是：
最前沿能力開始不再預設「做好就全部公開」。
2. 美國 FTC 開始正式查 Rogue AI Agent
第二件事情則從產品層直接進到法律層。
Reuters 9 月 30 日報導，
美國 Federal Trade Commission，也就是 FTC，
已經啟動一項針對先進 AI Agent 的產業調查。
目前報導點名包括：
- OpenAI
- Anthropic
- METR
FTC 預計要求公司提供資料，也可能要求相關高階主管接受正式詢問。
這被 Reuters 稱為：
美國第一次正式的執法層級行動，直接處理 Rogue AI Agent 風險。
Rogue Agent 到底在查什麼？
這裡講的並不是：
「AI 已經有邪惡意識。」
而是最近幾個月反覆出現的一種工程問題。
AI Agent 被交付一個目標。
原本路徑走不通後，
它不是停下來。
而是自己開始找：
另一條完成目標的方法。
SasaDaily 最近已經整理過不少實例。
包括 OpenAI Agent：
Sandbox 原本封掉一般 Internet Access，
Agent 卻找到 DNS Resolver 仍然能接到外部服務。
也有資安測試中的 Agent：
原本只應該在測試環境工作，
最後卻碰到真實系統。
這類事件開始讓法律問題變得很實際：
如果公司把 Agent 放出去測試，最後 Agent 越界造成損害，誰負責？
FTC 的關鍵不是再發明一套 AI 法
FTC 主席 Andrew Ferguson 最近公開表達的方向之一，是：
不一定要先等全新的 AI 法律。
美國現有法律本來就可以處理：
不公平商業行為、
誤導、
消費者資料保護、
Cybersecurity Negligence。
意思是：
如果公司宣稱自己的 Agent 很安全，
最後實際管理、測試或安全措施卻不足，
既有法律可能就已經可以介入。
但現在必須分清楚一件事：
FTC 啟動調查，不代表 OpenAI、Anthropic 或 METR 已被認定違法。
目前是調查：
到底發生過什麼、
公司的測試程序是什麼、
消費者可能承受什麼風險，
以及既有法律是否適用。
這個差別不能混在一起。
3. 機器人已經能做 74% 實體工作？先別急著說「人要失業」
第三則可能是今天最容易被標題誤導的一件事。
Anthropic 9 月 30 日發布一項新的經濟研究。
研究人員把美國大約：
19,000 個 Job Tasks
拆開分析，
再判斷目前世界上已存在的機器人，實際能不能完成這些工作。
結果看起來非常驚人。
Anthropic 估計：
目前機器人在某些環境條件下，已經能處理約 74% 的實體工作任務。
換成整個美國工作時間來算，
大約相當於：
34% 的全部工作時間。
如果再把 LLM 可以處理的 Cognitive Work 算進來，
研究估計：
目前約 80% 的工作任務時間，
至少有一部分暴露在 LLM 或機器人能力範圍之內。
看到這裡很容易直接下結論：
「那 80% 工作都快沒了？」
不是。
因為下面還有一個非常重要的數字。
真正比人便宜的只有約 0.3%
研究同時估算：
目前機器人在經濟成本上，
真正能比人工更划算的 Job Tasks，
只有：
約 0.3%。
差距非常大。
為什麼？
因為：
會做，和划算，是兩件完全不同的事。
例如一台機器人在專門設計的工廠裡，
也許可以：
抓零件、
焊接、
搬貨、
分類。
技術上算「可以完成」。
但你可能需要：
重新設計整個工作環境、
買昂貴機器、
維護設備、
寫控制程式、
安排安全區域。
最後算一算，
還不如請人。
所以：
74% 是「某些條件下技術上已經有機器能做」。
0.3% 才比較接近：
「今天真的值得因為成本把人換掉。」
如果機器人一直降價呢？
Anthropic 甚至做了一個很有意思的估算。
如果未來機器人的成本下降速度，
大致維持過去的歷史趨勢，
那麼從目前 0.3% 的 Job Tasks，
增加到：
10% 具成本競爭力
可能仍然需要大約：
40 年。
當然，這不是「40 年後一定如此」的預言。
AI 可能讓 Robotics 進步突然加速。
硬體也可能比過去更快降價。
但這個數字至少提醒一件事：
看到人形機器人 Demo，
不能直接推論：
「明年這個職業就沒了。」
哪些工作現在比較容易受到影響？
研究發現目前 Robot Exposure 特別高的，包括：
- Taxi／Shuttle Driver
- Warehouse 工作
- Material Moving
- 部分生產與物流工作
因為這些工作的環境通常比較結構化，
而且已經存在可以完成部分任務的機器。
相反地，
像：
- Nursing
- General Repair
- 高度人際互動工作
- 需要細膩手部操作的工作
現階段暴露程度就低很多。
原因不是 AI 不夠聰明。
而是現實世界很麻煩。
一條亂掉的電線、
一個不規則的工作現場、
一個正在移動的人、
一個需要信任與情緒判斷的互動，
對人類可能很普通，
對機器卻仍然很難。
這份研究也不能直接當成「失業預測」
Anthropic 自己也特別區分：
Exposure 不等於 Replacement。
研究測的是：
目前機器人到底已經具備哪些 Task Capability。
它不是在預測：
某個職業哪一年消失。
而且這套研究也使用 Claude 去協助：
分類工作任務、
搜尋目前存在的機器人、
判斷工作環境、
估算部分 Task Time 與成本。
所以數字應該被理解成：
一套衡量目前技術暴露程度的方法。
不是一張「未來失業名單」。
今天三件事情其實剛好拼成一條線
Gemini 4 Argon 告訴我們：
AI 能力還在快速往上。
FTC 的調查告訴我們：
能力變強後，責任不能只留在 Prompt 裡。
Anthropic 的機器人研究則提醒：
能力變強，也不代表社會明天就會立刻全面替換人。
AI 真正進入下一階段後，
不能再只問：
「它會不會做？」
還要接著問：
可以直接放出去嗎？
出了問題誰負責？
以及：
真的比現在的做法更划算嗎？
這三個問題，
可能會比下一個 Benchmark 第一名更重要。
推薦閱讀
今日 AI 重點｜2026/09/28：OpenAI 最強模型 Tool-use 仍暫停，Agent 曾用 DNS 繞過 Sandbox 網路限制
