<div class="field field-name-field-news-column-category field-type-taxonomy-term-reference field-label-hidden"><div class="field-items"><div class="field-item even"><a href="/tags/%E6%96%B0%E8%81%9E">新聞</a></div></div></div><div class="field field-name-body field-type-text-with-summary field-label-hidden"><div class="field-items"><div class="field-item even"><h3><span style="vertical-align: top; color: rgb(0, 0, 255);">重點新聞（0724～0730）</span></h3>
<p><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">機器學習 </span> </strong></span><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">模型訓練 </span> </strong></span><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">Yelp </span></strong></span></p>
<p><span style="font-size:22px;"><strong>Yelp打造統一模型訓練平臺，AI團隊可以少寫一點「膠水程式」</strong></span></p>
<p>美國知名點評平臺Yelp推出一套框架Training Orchestrator，可統一不同機器學習團隊的模型訓練流程。過去，每個團隊都得各自撰寫Spark訓練腳本和通知系統等「膠水程式」 ，不只重複造輪子，設定也不一致；即使只是小改程式，還是得啟動Spark叢集，才知道哪裡出錯，也拖慢測試速度。</p>
<p>新版框架把這些共通工作抽離，開發者只需描述模型訓練流程與設定，其餘像是執行順序、環境切換、監控與紀錄，都交給系統自動完成。開發者以Pydantic設定訓練步驟、輸入輸出與相依關係，系統再自動組成有向無環圖（DAG），依序執行資料準備、模型訓練等工作。相同的步驟可直接在本機、Jupyter或正式Spark環境執行，也能先檢查設定錯誤、替單一步驟撰寫測試，避免跑了數小時才失敗。</p>
<p>每次訓練的完整設定會自動存入MLflow，方便重新執行、追蹤和部署，Slack通知等功能也改由共用設定啟用。接下來，Yelp還計畫加入模型評估、版本比較、可解釋性及資料血緣追蹤。<a href="https://engineeringblog.yelp.com/2026/07/training-orchestrator-unifying-model-training-at-yelp.html">（詳全文）</a></p>
<p><img alt="" src="https://engineeringblog.yelp.com/images/posts/2026-06-30-training-orchestrator-unifying-model-training-at-yelp/figure2-architecture.png" /></p>
<p><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">Gemini Spark </span> </strong></span><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">AI Agent </span> </strong></span><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">Google </span></strong></span></p>
<p><span style="font-size:22px;"><strong>Google開放Gemini Spark給臺灣用戶，24小時AI代理正式上線</strong></span></p>
<p>Google宣布，全天候AI代理Gemini Spark正式開放臺灣Google AI Pro用戶使用。有別於傳統聊天機器人，Spark可在背景持續執行多步驟任務，即使使用者離開電腦或手機，也能在雲端繼續完成工作，把繁瑣流程交給AI處理。</p>
<p>Gemini Spark還能編輯Google Workspace文件，並串接Google Keep、Google Tasks，以及Canva、Dropbox等第三方服務，也支援MCP，可連接更多外部工具。Google也給出一些應用範例，比如「只要收到航班或飯店確認信，就自動把資訊存進『峇里島行程』的試算表」、「閱讀我過去的 50 封電子郵件並歸納出寫作風格指南。將此設為名為『代筆專家』的專屬技能，自動套用到未來草擬的信件」，或是「在每月 1 號檢查 Gmail 上個月的數位發票。如果有訂閱服務漲價或試用期即將結束的服務，請通知我並預先草擬取消訂閱的信」。<a href="https://blog.google/intl/zh-tw/products/devices-services/gemini-spark-ai/">（詳全文）</a></p>
<p><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">Perplexity </span> </strong></span><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">AI Agent </span> </strong></span><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">Windows </span></strong></span></p>
<p><span style="font-size:22px;"><strong>Perplexity自主代理登上Windows，開始接手Office和本機工作</strong></span></p>
<p>Perplexity AI推出Windows版Personal Computer自主AI代理，不只能在網頁上查資料，還能跨本機檔案、Microsoft 365和各類企業應用程式執行任務，首波開放Max和Enterprise Max方案用戶使用。</p>
<p>在操作上，使用者可交代一整串工作，例如從「下載」資料夾找出檔案、整理到指定位置，再讀取Outlook郵件和網頁資料，最後更新Excel或PowerPoint檔案。即使使用者暫時離開電腦，AI代理還是能繼續執行；使用者也能從手機下指令，再回到桌機查看成果。</p>
<p>Personal Computer採多模型協作架構，除了Windows原生工具和Microsoft 365，還能透過App Connectors串接Snowflake、Salesforce和HubSpot等400多種服務。Perplexity也規畫加入混合式推論調度能力，依任務需求在本機與雲端之間分配AI運算。<a href="https://www.perplexity.ai/hub/blog/personal-computer-on-windows">（詳全文）</a></p>
<p><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">Codex Security </span> </strong></span><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">AI資安 </span> </strong></span><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">CI/CD </span></strong></span></p>
<p><span style="font-size:22px;"><strong>OpenAI開源Codex Security工具鏈，AI漏洞掃描可直接接進CI流程</strong></span></p>
<p>OpenAI日前開源Codex Security命令列工具和TypeScript SDK，開發團隊可直接用來掃描本機程式碼、Git版本差異和尚未提交的變更，並把AI漏洞檢查接進程式碼提交前與持續整合（CI）流程。</p>
<p>Codex Security不只能尋找可疑程式碼，還能搭配系統架構、威脅模型及安全政策等文件，理解專案用途與安全要求，再產生漏洞驗證結果和修補建議。團隊也能設定風險門檻，一旦掃描發現達到指定嚴重程度的問題，就讓CI流程自動失敗，阻止有風險的程式繼續往後部署。</p>
<p>掃描結果可匯出為SARIF、JSON或CSV檔案，並比較不同時間的結果，追蹤漏洞是新出現、持續存在、再次發生還是已經修正。TypeScript SDK則方便企業把掃描功能嵌入內部開發平臺。不過，這次開源的是工具與執行流程，核心分析仍需連接OpenAI雲端模型，無法完全離線運作。<a href="https://github.com/openai/codex-security">（詳全文）</a></p>
<p><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">Claude Opus 5 </span> </strong></span><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">Anthropic </span> </strong></span><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">AI模型 </span></strong></span></p>
<p><span style="font-size:22px;"><strong>Anthropic推平價版旗艦模型Claude Opus 5，半價逼近Fable 5效能</strong></span></p>
<p>Anthropic日前推出Claude Opus 5，鎖定程式設計、知識工作和電腦操作等日常任務。它的最大賣點不是單純變更強，而是用約一半的成本，達到接近旗艦模型Claude Fable 5的效能。目前Opus 5是Claude Max方案預設模型，也是Claude Pro用戶可使用的最強模型。</p>
<p>在多檔案程式開發測試CursorBench 3.2中，Opus 5拿下70.0%的分數，只比Fable 5少0.5個百分點，平均每項任務成本只花8.23美元，不到Fable 5的一半。它也更擅長檢查、修正自己的回答，例如自行建立電腦視覺流程重建3D模型，或找出開源軟體錯誤後，進一步補上原本修補程式漏掉的問題。</p>
<p>不過，能力提升也伴隨資安風險。Opus 5尋找軟體漏洞的表現，已逼近高階模型Mythos 5，Anthropic也因此限制滲透測試、二進位漏洞掃描和漏洞利用程式生成。Opus 5的API型號為claude-opus-5，每100萬個輸入及輸出Token分別收費5美元和25美元，與Opus 4.8相同。Anthropic另提供速度快2.5倍的Fast模式，價格則是一般模式的兩倍。<a href="https://www.anthropic.com/news/claude-opus-5">（詳全文）</a></p>
<p> </p>
<div class="media_embed" height="315px" width="560px">
<iframe allow="accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share" allowfullscreen="" frameborder="0" height="315px" referrerpolicy="strict-origin-when-cross-origin" src="https://www.youtube.com/embed/4WQd-8d5j4k?si=8Dvt-eEMkfDVp8PO" title="YouTube video player" width="560px"></iframe></div>
<p> </p>
<p><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">ChatGPT Health </span> </strong></span><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">數位健康 </span> </strong></span><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">電子病歷 </span></strong></span></p>
<p><span style="font-size:22px;"><strong>ChatGPT Health在美上線，病歷和Apple Health都能拿來聊健康</strong></span></p>
<p>OpenAI正式在美國推出ChatGPT Health，18歲以上用戶可用來串接Apple Health和醫療院所的電子病歷。因此，ChatGPT不只能聽使用者描述症狀，還能參考檢驗結果、用藥紀錄、看診資料，以及睡眠和活動數據，協助整理健康資訊。</p>
<p>原本OpenAI打算把這些功能放在獨立的Health專區，但測試發現，超過七成健康對話仍發生在一般聊天中。於是，新版把健康資料帶進日常對話，例如推薦餐廳時避開過敏食物，或規畫活動時考慮近期傷勢；使用者也可輸入「@Health」，要求ChatGPT讀取健康資訊。</p>
<p>Health專區則負責管理各種健康資料來源，如Apple Health、電子病歷、醫療服務One Medical和Function Health等，還能查看檢驗趨勢、疾病與用藥紀錄。OpenAI表示，相關資料不會用於訓練基礎模型或投放廣告，解除串接後，來源資料會在30天內刪除。不過，ChatGPT仍可能出錯，定位仍是協助理解健康資訊，而不是取代醫師判斷。<a href="https://openai.com/index/health-in-chatgpt/">（詳全文）</a></p>
<p><img alt="" src="https://www.ithome.com.tw/sites/default/files/styles/picture_size_large/public/field/image/0724-health_in_chatgpt-960.jpg?itok=9uU2SuFf" /></p>
<p><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">Visual Studio </span> </strong></span><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">GitHub Copilot </span> </strong></span><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">AI Coding </span></strong></span></p>
<p><span style="font-size:22px;"><strong>Visual Studio強化Copilot代理，內建.NET、Azure技能與團隊共用指令</strong></span></p>
<p>微軟更新Visual Studio 2026，為GitHub Copilot Chat加入新版Agent預覽功能。它不只能回答問題，還能依開發者要求，自行讀取程式碼、修改檔案並完成多步驟任務，用來開發功能、修正錯誤或重構程式。新版採用與GitHub Copilot CLI相同的SDK，開發者可在CLI、VS Code或GitHub開始工作，再回到Visual Studio檢查成果。</p>
<p>這次更新也內建.NET和Azure團隊製作的技能，就像是產品團隊寫給AI代理的操作手冊，協助Copilot處理Azure升級、環境檢查、C#指令碼和.NET追蹤資料收集等任務。企業還能設定組織共用指令，讓不同開發者使用Copilot時，遵循一致的回答格式與開發偏好。</p>
<p>此外，開發者現在不必切換Git分支，就能把指定分支交給Copilot分析、摘要程式變更。可以說，Visual Studio正把AI代理從個人助理，進一步變成可共用技能、銜接工具並理解團隊規範的開發工作層。<a href="https://devblogs.microsoft.com/visualstudio/visual-studio-july-update-meet-the-new-agent-powered-by-copilot-sdk/">（詳全文）</a></p>
<p><img alt="" src="https://devblogs.microsoft.com/visualstudio/wp-content/uploads/sites/4/2026/07/vs18.8_new-agent.webp" /></p>
<p><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">MAI-Cyber-1-Flash </span> </strong></span><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">AI資安 </span> </strong></span><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">微軟 </span></strong></span></p>
<p><span style="font-size:22px;"><strong>微軟揭露首款自研資安模型，AI找漏洞成本比GPT低一半</strong></span></p>
<p>微軟最近發布首款自行開發的資安模型MAI-Cyber-1-Flash，還整合至多代理漏洞檢測與修補平臺MDASH，主打以更低成本完成漏洞分析和修補工作。官方表示，相較於原本搭配多個GPT模型的方案，新模型的執行成本可降低約50%。</p>
<p>MAI-Cyber-1-Flash可搭配多支AI代理，自動完成找漏洞、分析、修補建議與驗證等流程。微軟在CyberGym基準測試中指出，結合MAI-Cyber-1-Flash與GPT-5.4的MDASH成功率達96%，表現比Google Gemini 3.5 Flash Cyber、GPT-5.6 Sol及Mythos 5等模型還要好。微軟也同步發表代理式資安系統Project Perception，可讓多個AI代理持續監控新漏洞、修補弱點並執行防護工作，未來也將導入MAI-Cyber-1-Flash。<a href="https://microsoft.ai/news/introducing-mai-cyber-1-flash-inside-mdash/">（詳全文）</a></p>
<p><img alt="" src="https://microsoft.ai/wp-content/uploads/2026/07/Cyber-1-New-Header.png" /></p>
<p>圖片來源／Yelp、Anthropic、OpenAI、微軟</p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> AI近期新聞 </span></strong></span></p>
<p><strong>1. <a href="https://www.ithome.com.tw/news/177687">AMD擴大AI Everywhere布局，涵蓋AI PC、開發平臺到Physical AI</a></strong></p>
<p><strong>2. <a href="https://www.ithome.com.tw/news/177668">Google更新OKF開放知識格式，加入AI代理知識來源追溯與查詢結果驗證</a></strong></p>
<p><strong>3. <a href="https://www.ithome.com.tw/news/177710">Hugging Face公布AI代理人入侵始末，4天半執行1.76萬項操作</a></strong></p>
<p>資料來源：iThome整理，2026年7月</p>
</div></div></div>
