SASADAILY ARTICLES
Browse AI news, tools, guides, workflows and business cases by what you need now — or search directly.
EXPLORE
Topics are entry points, not limits. Existing article URLs and categories remain intact.
INDEX
Ask Gemini in Google Chat can search Gmail, Drive, Calendar, and Chat for work data, but avoid vague prompts like 'summarize this project.' Before searching, define the scope, time frame, what you want to find, and specify not to take immediate action. This approach reduces errors and outdated…
Read story →Google 今天開始推出 Ask Gemini in Google Chat，把 Gemini 從側邊欄變成 Google Chat 裡的工作入口。你可以直接問「上週誰寄了新版簡報？」「我今天有哪些待辦？」「幫我整理這個專案最新進度」，讓它跨 Gmail、Drive、Calendar 與 Chat 找資料，也能草擬訊息、建立 Docs／Sheets／Slides、安排會議，甚至叫出 Workspace Studio 已建立的 Skill。真正的新東西不是又多一個聊天框，而是工作不必一直在 Email、檔案、行事曆與聊天室之間來回切換。
Read story →Today's AI news highlights a common theme: AI is moving beyond simple chat responses to systems where permissions, source verification, approvals, and boundaries become crucial. Google’s Gemini Enterprise for Legal integrates these elements into legal workflows; Scalable links AI assistants to…
Read story →Traditional hearing aids amplify sounds, but in noisy places like restaurants or gatherings, amplifying everything can make conversations harder to hear. Sonova's latest Phonak EON, especially EON Sphere, uses real-time AI and deep neural networks to separate speech from background noise…
Read story →Tonight’s top AI news spotlights Accelerated Understanding, founded by Caltech’s Anima Anandkumar and Benedikt Jenik. Their physics-based AI skips Transformer models and processes 5 trillion data units at once, aiming to tackle chip cooling, extreme weather, robotics, and geology by learning how…
Read story →This hypothetical SasaDaily case study explores how a small handmade dessert brand with 4 employees organizes scattered social media, Meta Ads, and customer inquiries using Meta AI. The AI helps turn fragmented data into weekly marketing tests by answering what works, what’s speculation, and wha…
Read story →Meta AI’s access to real Facebook, Instagram, and Meta Ads data offers stronger insights than guesses. However, correlation—like more shares on posts featuring real people—does not prove causation. True cause needs cleaner comparisons or A/B tests to verify beyond observed patterns.
Read story →Meta AI can now analyze Facebook, Instagram, and Meta Ads performance. When it shows 'posts with real people perform best,' don’t immediately conclude this is why. Learn one simple method today: break AI insights into three parts—facts, hypotheses, and next tests—to truly discover what works.
Read story →Meta AI 正把小型企業最常分散查看的資料拉進同一個 AI 工作空間。你可以選擇連接 Facebook、Instagram 專業帳號、Meta Ads，以及 Gmail、Docs、Sheets、Slides，直接詢問哪些內容表現最好、哪群廣告受眾有效、哪些素材開始疲乏，甚至要求 AI 建立簡報、試算表與固定週報。真正的新價值不是再多一個幫你寫貼文的 AI，而是開始用你自己的社群與廣告數據回答「接下來該做什麼」。
Read story →Three AI news stories today show a clear shift: tech firms are moving from relying on external AI to owning models, chips, data, or user platforms themselves. Thomson Reuters invests $40M in proprietary AI model Thomson; Xiaomi releases Xring O3 chip and reportedly develops AI NPU; Nvidia may…
Read story →Taiwan’s Keelung District Prosecutors charged 9 individuals in a case involving 130 Super Micro AI servers equipped with Nvidia B300 chips. Prosecutors allege false end-user and equipment use declarations led to 74 units reaching China through various routes, while 56 units were intercepted by…
Read story →This SasaDaily hypothetical business case features a 6-person website management team using Slack Code to handle daily client tweaks like button changes or date updates. AI agents generate plans, code diffs, and previews; human teams approve launch steps to save time without removing engineers.
Read story →AI theoretically boosts productivity and lowers costs, but why might it increase inflation in the short term? Swiss National Bank board member Petra Tschudin warns that AI investments can initially cause shortages in chips, computing power, and other resources. Studies from the Bank of England…
Read story →Viewing Plan, Code Diff, and Preview in Slack Code improves transparency and collaboration but doesn’t guarantee the code passed full testing, has correct permissions, or is ready for production. Proper testing and formal approval are still essential before deployment.
Read story →Before asking AI Coding Agent to modify your website or app using Slack Code, don’t just say ‘fix this.’ Learn this one method: write acceptance criteria as three columns—‘current state,’ ‘desired state,’ and ‘unchangeable’—so everyone shares the same goal and can better evaluate AI’s changes.
Read story →Slack Code is Slack's new AI collaboration feature that moves AI coding agents from private chats into shared project Code Channels. Teams can view plans, code diffs, live previews, suggest changes, and keep full records together—making AI coding a transparent, team-based workflow.
Read story →Today's three AI news stories highlight a shift from model capability to real-world operation: OpenAI calls for tougher California AI safety rules (SB 53); DeepSeek moves to all-day off-peak pricing on weekends; Walmart reports Sparky AI assistant users grew 70% and spend 40% more per order. The…
Read story →Alibaba announced a $10.2 billion Hong Kong share placement, pledging to invest 100% of net proceeds into full-stack AI, including infrastructure, chips, and AI models. With AI Cloud revenue growing 45%, the competition now hinges on continuous capital access alongside technology.
Read story →這是一個 SasaDaily 假設商業案例。一家 5 人婚禮攝影工作室，從第一次詢價到婚禮當天，重要資訊常散落在數週甚至數月的 iMessage、SMS 與 RCS 對話裡。團隊利用 ChatGPT Apple Messages 外掛搜尋特定新人、時間與主題，把改期、場地、拍攝需求、交件問題整理成確認清單並準備回覆；但價格、退款、合約修改與正式承諾仍由人決定。真正值得自動化的不是「替攝影師聊天」，而是減少每次回覆前重新翻找整段對話的時間。
Read story →不等於。開啟 ChatGPT Apple Messages 外掛，代表你授權它在 Mac 上讀取與搜尋 iMessage、SMS、RCS，不代表 OpenAI 官方已說「整個 Messages 資料庫會一次全部拿去訓練模型」。真正要分成兩件事看：外掛能讀哪些訊息，以及被帶進 ChatGPT 工作中的內容是否可用於模型改善。個人 Free／Plus／Pro 帳號可在 Data Controls 關閉「Improve the model for everyone」；Business、Enterprise、Edu 則預設不使用工作區輸入與輸出訓練模型。
Read story →ChatGPT 現在可以在 Mac 上搜尋 Apple Messages，但不要只說「幫我找之前那則訊息」。今天只學一個方法：搜尋前先寫清楚「對象＋時間＋主題」，例如「找我和王先生最近 30 天談到冷氣維修時間的訊息」。搜尋範圍愈清楚，愈容易找到真正相關的 iMessage、SMS 或 RCS 對話，也能減少 AI 從大量私人訊息裡抓錯上下文。
Read story →ChatGPT 現在可以直接連接 Mac 裡的 Apple Messages。新的 Apple Messages 外掛能搜尋與閱讀 iMessage、SMS、RCS 對話，再根據過往訊息整理重點、找出約定內容或準備回覆；需要時甚至可以透過 Messages 送出訊息。OpenAI 預設仍要求使用者確認訊息內容與收件人後才送出，真正實用的地方不是「讓 AI 自動聊天」，而是把原本散落在訊息 App 裡的資訊第一次帶進 ChatGPT 工作流程。
Read story →今天三則 AI 新聞共同指向一個新階段：AI 正從聊天框走進真實世界。DeepSeek V4 Flash Vision 開始讓低成本模型直接讀圖片、文件與介面；Nvidia AI 伺服器卻據報因記憶體成本上升，部分新系統價格可能調高逾 15%；北京世界人形機器人運動會上，機器人 100 公尺正式跑出 9.39 秒。下一場 AI 競爭不只比誰回答得更聰明，而是比誰看得懂現實、能在實體世界行動，而且整套系統仍然付得起。
Read story →韓國正準備成立「未來應對基金」，把半導體景氣與 AI 晶片需求帶來的額外稅收，不只重新投入 AI、實體 AI、資料中心等下一波產業，也拿去支援青年就業、住房、教育與人才培養。這不是另外向 AI 公司課一筆新稅，而是把 AI 熱潮創造的財政紅利先存起來，再處理 AI 轉型可能同時帶來的成長機會與社會壓力。真正值得看的，是政府開始把 AI 政策從「補助科技」推進到「誰得到紅利、誰承擔轉型成本」。
Read story →這是一個 SasaDaily 假設示範案例。一家 4 人企業培訓工作室，每接一個客戶都要重新整理課程介紹、日程、講師、教材下載、FAQ 與聯絡資訊。團隊改用 ChatGPT Sites，先把已確認資料做成可預覽的客戶專案入口，再依需要限制分享範圍；但正式報價、合約、付款資料、員工名單與其他敏感資訊仍留在原本系統。真正省下的不是「做一個漂亮網站」的時間，而是每個案子反覆整理、改版與重新交付的成本。
Read story →不代表。「內容、連結、手機版」檢查主要確認網站看起來正確、操作正常，但正式公開還多了另一層問題：到底誰看得到、表單會收什麼資料、登入後能進哪裡、上傳檔案是否適合公開，以及新版部署後會不會改變原本行為。最簡單的理解是：三項檢查能證明網站比較「可用」，卻不能單獨證明它已經「安全、合規、適合所有人公開」。
Read story →ChatGPT Sites 可以很快把需求做成網站，但「Preview 看起來完成」不代表現在就適合公開。今天只學一個發布前動作：先檢查內容有沒有錯誤或敏感資料、所有連結與互動是否真的能用，再用手機尺寸重新看一次版面。三項都過關後才 Publish，可以擋掉很多 AI 網站最常見的「漂亮但不能正式用」問題。
Read story →ChatGPT Sites 可以直接在 ChatGPT 裡把文字需求、文件與資料做成互動網站或輕量 App，先預覽、修改，再發布成網址分享。它適合快速製作活動頁、專案 Dashboard、內部入口、簡易工具與 Prototype，不必先從空白程式碼開始。OpenAI 最新又替 Plus／Pro 補上實用功能：既有 Site 的 ChatGPT-hosted URL 可以直接改名，不必重新部署，舊網址還會自動轉向新網址。
Read story →今天三則新聞看似分別在談模型價格、債券與資料中心，實際上都指向 AI 商業化的一個新矛盾：前端 AI 正快速變便宜，後端建設它的錢卻愈來愈貴。OpenAI 把 GPT-5.6 Sol 的 API 價格降逾 20%；美國大型 AI 業者今年相關債務發行已達約 2,200 億美元，投資人開始要求更高利率；Nvidia 則再次直接投資能替資料中心找土地、電力與冷卻條件的基礎設施公司。下一場競爭不只看誰模型最強，而是誰能把愈便宜的 AI 服務，建立在負擔得起的算力之上。
Read story →AI 對印度 IT 外包業真正致命的衝擊，可能不是工程師會不會被取代，而是客戶開始拒絕為「做了多少小時」付錢。Reuters 最新調查顯示，TCS 在財務、人資等部分企業服務中約 80% 合約已採成果型計價；其他客戶甚至要求相同工作降價 25%～30%，同時還要更快交付。當 AI 把十個人的工作縮成五個人，傳統靠人數與工時計價的商業模式，也就失去原本的理由。
Read story →這不是一個已經證明成功的商業案例，而是一套正在公開驗證的信任模型。DSJ AI Board 現階段先用 Testnet、模擬資金與主帳號透明戰績降低第一次接觸門檻，再讓 30、60、90 天紀錄逐步累積；未來若進入 Mainnet，才進一步用真實交易與規劃中的鏈上資料提高可驗證性。真正的商業邏輯不是先說服更多人入金，而是先把「相信平台」改成「先看得到、查得到，再自己決定要不要使用」。
Read story →看到 AI 量化績效時，不要只問「賺多少」。真正需要一起看的至少有六個數字：累計報酬率告訴你最後賺或虧多少；最大回撤 MDD 告訴你途中最痛曾跌多深；勝率看贏的頻率；盈虧比看平均賺一次和平均賠一次差多少；交易次數與實測天數則告訴你這些數字到底累積了多少證據。今天用一篇把六個指標一起看懂。
Read story →DSJ AI Board 目前仍在 Testnet 公開實測階段。它不是先要求你拿真金白銀驗證 AI，而是用即時市場資料搭配模擬資金，讓你先觀察主帳號透明戰績，也可以依自己的意願嘗試自己交易或測試跟單。真正值得看的不是幾天賺多少，而是 AI 在真實行情持續變化下怎麼下單、怎麼累積紀錄，以及 Testnet 與未來 Mainnet 之間還有哪些不能直接畫上等號的差距。
Read story →今天三則新聞都在說同一件事：AI 競爭已經進入「誰有能力長期養得起算力」的階段。Alibaba 的 AI Cloud 與算力服務收入成長 45%，但大量 AI 基礎設施投資也讓季度淨利大跌 75%；Broadcom 據報正洽談超過 600 億美元新債務，替 Anthropic 等 AI 客戶擴充晶片與算力；巴西則投入約 4.44 億美元，同時與中國 Huawei、iFlytek 及預期的美國 Nvidia 供應鏈合作建立國家級 AI 算力。模型愈來愈強後，真正的競爭正在轉向資本、算力與自主權。
Read story →美國 CFTC 正式公開徵詢「算力衍生品」監管意見，討論現貨市場、價格操縱、投資人保護與永久型算力期貨。這不是遙遠概念：CME 已計畫在 10 月推出追蹤 Nvidia H100 與 B200 每小時租用價格的期貨，ICE 也準備加入。真正值得注意的是，AI 算力正在從科技公司的雲端帳單，變成可以被定價、避險甚至投機的新資產類別；如果這個市場成熟，未來一家 AI 公司的成本風險，可能像航空公司的燃油成本一樣被提前鎖定。
Read story →這是一個 SasaDaily 假設示範案例。一家 5 人客製印刷工作室，每天把客戶尺寸、數量、紙材、交期與修改狀態散落在訊息、試算表與紙本工單裡。團隊不用一開始就買大型 ERP，而是先用 Replit Free Mode 做出最小訂單追蹤 App，需求先 Plan、功能小步 Build，真正複雜的搜尋與權限再升到 Power。AI 可以幫忙做軟體，但正式報價、付款、客戶敏感資料與正式上線仍由人負責。
Read story →不代表。Replit Plan Mode 的價值，是讓你在 Agent 改 Code 或 Data 以前先看到它準備怎麼做，但「計畫看起來完整」不等於計畫本身沒有漏掉舊功能、資料關聯或例外情況。比較安全的流程是：先審 Plan、再小步 Build、實際測試，出了問題還要知道怎麼回到修改前的 Checkpoint。Plan 是把錯誤提早暴露，不是替 App 加上不會出錯的保證。
Read story →Replit Free Mode 可以降低日常 Agent 工作的 credits 壓力，但真正省成本的方法不是一直叫 AI 重做。今天只學一個動作：準備新增功能或修改 App 前，先切到 Plan Mode，要求 Agent 列出「要改什麼、不改什麼、怎麼驗證」，確認範圍沒問題後才開始 Build。先把方向改對，通常比寫錯後再叫 AI 修正更省。
Read story →Replit 新增 Free Mode，讓日常聊天、規劃、修改與第一版 App 建置可以先使用包含式額度，不必每一個小任務都消耗月度 credits；Free Mode 由 GPT-5.6 Luna 驅動並自動選模型，真正複雜的功能再切到 Power 或 Max。它真正實用的地方不是「免費做所有軟體」，而是把 AI 開發成本分級：先便宜地想清楚、做出第一版，難題才使用更昂貴的能力。
Read story →美國產品經理 Erin Kistler 表示，自己有近 20 年工作經驗，四年來申請了數千個職缺，卻一次面試都沒拿到。現在她與另一名求職者控告 AI 招募公司 Eightfold AI，主張平台在求職者不知情下蒐集資料、產生 0～5 分的預測評分，可能影響履歷是否優先被人看到。這場官司尚未證明 AI 就是她長期求職失敗的原因，Eightfold 也否認指控；但它揭開一個更大的問題：如果 AI 已經影響你的工作機會，你卻連自己被它評分過都不知道，要怎麼發現錯誤、要求更正？
Read story →今天三則新聞都指向同一個轉折：AI 最稀缺的東西開始不是模型，而是能把模型真正跑起來的實體容量。Google 擴大與 Marvell 的客製晶片合作，並取得最高約 122 億美元持股選擇權；Samsung 據報因 AI 晶片需求與先進製程產能吃緊，部分新代工訂單漲價最高 15%；歐洲新一代大型資料中心更平均往主要城市外移到 175 公里，因為現在選址第一個要問的已經不是「客戶在哪」，而是「電在哪」。
Read story →中國人形機器人公司 Unitree 今天在上海 STAR Market 掛牌，盤中一度較 IPO 價暴漲 629%，收盤仍上漲 460%，市值被推到約 500 億美元。真正值得看的不是一天漲多少，而是市場正在提前押注「Physical AI」從展示走向大量生產。但目前許多機器人仍主要銷往研究與教育市場，美國又已限制未來中國製人形與四足機器人進口。Unitree 接下來真正要證明的，是中國擅長的量產能力能不能變成持續、大規模的商業需求。
Read story →這是一個 SasaDaily 假設示範案例。一家 6 人活動執行公司，每接一場活動都要重複查場地周邊停車、住宿、餐廳、交通與供應商網站。團隊利用 Chrome Auto Browse 處理跨網站搜尋、比較與預約前準備，但正式訂房、採購、付款、取消與對外承諾全部停下來由人確認。真正值得自動化的不是最後決定，而是中間那些耗時又重複的網頁操作。
Read story →不建議。Gemini in Chrome Auto Browse 本身確實會在付款、送出表單、建立帳號或其他敏感操作前要求確認或接管，但這只是系統安全層，不代表你可以完全不設定自己的工作邊界。Google 也明確提醒，Agent 仍可能誤解指令、點錯按鈕或做出非預期操作。比較安全的做法，是把 Google 的確認機制當最後一道煞車，而不是唯一一道煞車。
Read story →Gemini in Chrome Auto Browse 可以替你搜尋、比較、填資料並跨網站完成多個步驟，但不要只說「全部幫我辦好」。今天只學一個動作：在 Prompt 最後加上明確停止點，例如「付款、建立帳號、送出表單、接受條款或產生不可取消費用以前，一定停下來讓我確認」。AI 可以替你跑腿，最後那一步仍然留給人。
Read story →Google 8 月 18 日把 Gemini in Chrome 帶到美國 Android 使用者，除了直接摘要目前網頁、回答頁面問題，Google AI Pro／Ultra 用戶還能使用 Auto Browse，讓 Gemini 跨網站找住宿、訂停車、更新固定訂單等多步驟工作。它真正重要的地方不是「手機多了一個聊天 AI」，而是瀏覽器開始能替你操作網站；但付款、送出資料與敏感操作仍不能完全放手。
Read story →今天三則新聞都在替高速前進的 AI 加上不同層級的煞車。OpenAI 在 Agent 越界入侵 Hugging Face 後放慢前沿模型開發，Astra 訓練仍暫停；Anthropic 則據報準備在 IPO 前賦予創辦人額外投票權，避免上市後被短期股東壓力牽著走；美國賓州更直接取消 AI 資料中心快速審批，要求地方同意、能源與環境承諾及資訊透明。AI 下一階段不只比誰跑最快，也開始比誰能證明自己跑得可控。
Read story →百度第二季營收年減 4% 至 313 億元人民幣，低於市場預期；核心線上廣告收入年減 19%，但 AI 驅動業務反而成長 25% 至 125 億元，其中 AI Cloud Infra 成長 50%、GPU Cloud 更成長 283%。真正值得看的不是「百度 AI 有沒有成長」，而是新 AI 生意能不能在舊搜尋廣告持續縮水時，夠快長成下一具主引擎。
Read story →這是一個 SasaDaily 假設示範案例。一家 8 人品牌顧問工作室每天同時要整理會議、研究競品、寫企劃與準備客戶提案。如果所有工作都固定使用同一個 AI，簡單任務可能浪費時間與資源，複雜分析又可能做得不夠深。團隊利用 Notion AI Model Picker 把工作分成「快、平衡、深度」，但報價、合約、正式客戶承諾與敏感外部資料一律保留人工確認。
Read story →不一定。較小的 AI 模型通常速度更快、成本更低，處理簡單整理工作也可能完全夠用；但 Notion 特別提醒，小型模型面對外部網頁、陌生文件或其他不可信內容時，可能更容易受到 Prompt Injection 影響。所以選模型不能只問「這題簡不簡單」，還要再問：「AI 接下來會讀什麼資料、碰到什麼權限？」
Read story →Notion AI 現在會顯示不同模型的速度、能力與成本，但看到一排分數後，還是可能不知道該選哪個。今天只學一個方法：選模型前先把手上的工作標成「快、平衡、深度」其中一類。簡單整理優先速度，日常內容找平衡，真正需要比較資料、找矛盾與推理的工作才提高能力與 effort。
Read story →Notion 8 月 14 日更新 AI Model Picker，把「到底該選哪個模型」變得更直觀：不同模型會顯示速度、能力與成本等比較資訊，可以固定常用模型，複雜工作還能提高推理 effort。它真正實用的地方，不是讓你天天換模型，而是把簡單摘要、日常寫作與複雜分析分開，不必每一件小事都動用最昂貴、最慢的 AI。
Read story →今天三則新聞看似分別在談收入、資料與版權，實際上都指向同一個轉折：AI 競爭開始從「誰的模型最強」進入真正做生意的階段。Anthropic 年化營收據報已突破 650 億美元；Google 準備花 1,000 萬美元取得 Spirit Airlines 去識別化的內部工作資料，用於產品開發與 AI 訓練；ByteDance 則與好萊塢電影協會簽署協議，加強 Seedance、Seedream 的版權防護。下一場 AI 競爭，比的不只是模型，而是收入、資料與合法使用權。
Read story →《Guardian》8 月 17 日調查指出，Microsoft 內部文件顯示已安裝約 220 萬顆 AI 晶片，但依公司過去公布的資料中心容量推估，實際可運作規模可能存在明顯落差；Microsoft 則否認這套估算，稱相關假設不正確。更值得注意的是，Microsoft 自己早已承認 AI 算力供應仍受限制。這件事提醒市場：AI 基礎設施競爭已不只是誰買得到最多 GPU，而是晶片、電力、建築、冷卻與網路能不能同時到位，最後真正變成可以收費的算力。
Read story →這次不是假設案例。資安與合規平台 Vanta 導入 Granola，把主管的 1 對 1、Stand-up 與跨部門會議自動整理成摘要、待辦與可搜尋的共享知識。Granola 公開案例稱，6 個月內全公司採用率達 69%，每位使用者一年節省超過 260 小時；真正值得中小企業學的，不只是自動做筆記，而是「AI 整理、團隊共享、重要承諾仍由人確認」的工作流程。
Read story →不一定。Granola 可以把會議內容整理成清楚的決策與行動事項，但「被 AI 分到決策欄」不等於與會者真的正式拍板。逐字稿可能聽錯專有名詞，AI 也可能把提議、討論方向或尚未確認的日期整理得像正式結論。真正要執行前，仍要回頭確認原始對話與負責人。
Read story →Granola 會議結束後會自動產生 AI 筆記，但第一版不一定就是最適合工作的格式。今天只學一件事：把已完成的會議筆記換成更適合的模板重新生成，讓一大段會議內容直接整理成「已確認決策、行動事項、未解問題」，會後更容易直接開始工作。
Read story →ChatGPT Projects 原本就能把聊天、檔案與專案指令放在同一個工作空間；現在 OpenAI 又新增一個實用控制：符合條件的既有未分享專案，不必重新建立，就能直接在 Default memory 與 Project-only memory 之間切換。Project-only 開啟後，ChatGPT 可以使用同一專案裡的聊天與檔案，但不會引用其他專案或一般聊天中的記憶，專案內容也不會反過來影響外面的聊天。對長期客戶案、研究、內容製作與需要避免脈絡混線的工作，這比一直開新對話更實用。
Read story →今天三則新聞都在提醒我們：AI 下一階段已經不是「愈多愈好」。Nvidia 據報正考慮再投最多 30 億美元進 SB Energy，讓晶片商更深入 AI 資料中心的資本與能源鏈；全球大型科技公司為 AI 建設大量發債，也開始被市場視為推高實質借款成本的因素之一；澳洲部分學校則刻意不急著把生成式 AI 全面帶進課堂，擔心學生把真正需要練習的思考也一起外包。AI 仍在高速擴張，但接下來真正重要的問題會變成：多投入一美元、多蓋一座資料中心、多交一件事給 AI，得到的價值是否真的高於它帶來的新成本？
Read story →OpenAI 據報已在 7 月底解散原本專門評估「嚴重或災難級 AI 風險」的 Preparedness 團隊，生物、資安等工作改由既有團隊中的資深人員承接。但這不等於 OpenAI 已停止 Preparedness Framework：官方 8 月仍持續使用這套框架評估前沿模型，甚至因新模型的資安能力已無法排除達到 Critical 門檻而加強測試。真正值得追問的是，當安全從一個獨立團隊改成分散到研發組織後，誰負責提出反對意見、誰能要求延後部署，以及最後誰有權踩煞車？
Read story →ARCHIVE
Health, dance, past classes and videos keep their existing URLs, but no longer sit inside the primary AI discovery path.