「Automation」的搜尋結果
11/10（二）
Meta 推出最小模型 Muse Ember，能力追平 Claude Haiku 5.5、每任務成本只要三分之一
Muse Ember 領先幅度最大的地方是企業流程自動化：在涵蓋 Gmail、Salesforce 等雲端應用 657 個任務的「AutomationBench-AA」上，它比 Haiku 與 Luna 領先 17%，其他基準的優勢多半只有幾個百分點。這是 Meta 第一個用自家旗艦模型 Muse Wonder
谷歌限制搜尋存取惹議 美政界批強推AI入校
商傳媒｜吳承岳／台北報導谷歌（Google）近期針對美國 K-12 學生帳戶實施一項新政策，引發政界強烈反彈。此政策規定，除非學校也採用谷歌的人工智慧（AI）教育工具，否則將限制學生存取其搜尋平台。美國參議員愛德華·馬基（Edward Markey）已要求谷歌的母公司 Alphabet公司（Alphabet）撤銷這項政策。 根據谷歌的新規定，若學校不提供如 Google Classroom 等應用程式的存取權限，K-12 學生的搜尋功能將被阻擋。參議員馬基嚴正指出，谷歌不應利用其在教育科技市場的主導地位，透過限制對 Google 搜尋這類關鍵研究工具的存取，來強迫學生接受其 AI 產品。他形容此舉將學校置於兩難境地，被迫在高風險技術與基本教育工具之間做出選擇。 針對外界批評，谷歌方面則回應表示，此政策變革旨在賦予學校更多控制權，以便管理 AI 的整合。Alphabet公司發言人解釋，由於谷歌的 AI 功能已與搜尋服務緊密整合，因此若不啟用 AI 服務，將無法提供搜尋功能。谷歌教育部門副總裁兼總經理 Chris Phillips 亦撰文強調，學校應擁有其課堂 AI 的自主權，且管理者應具備管理相關策略的控制選項。 然而，馬基參議員並不接受谷歌的說法，他要求 Alphabet公司承諾，在 K-12 學生帳戶中，允許學校在停用 AI 功能與聊天機器人的同時，仍能保有 Google 搜尋的存取權。此外，馬基也要求谷歌公開其對 AI 工具影響學生心理健康及 AI 功能安全性所進行的任何研究。紐約市長佐赫蘭·馬姆達尼（Zohran Mamdani）也加入批評行列，指責谷歌正試圖利用其壟斷地位，將 AI 強行推入公立學校。 參考來源 Why Boson AI’s Toronto office is growing faster than its Sil…（BetaKit） US elections and the future of AI in the Gulf（Inspenet） AI-analysis of ECG data measured by smartwatch may help dete…（American Heart Association） ASDS 2026: AI Shows Promise Across Mohs Surgery Workflow, bu…（The Dermatology Digest） Sequoia Quits London After US Team Lands Buzzy European AI D…（Bloomberg） Vanta to Acquire Pillar Security, Adding AI Agent Testing an…（citybiz） Nature Will launches 50-billion-parameter AI model for dexte…（Robotics & Automation News） Google faces mounting backlash for controversial AI school p…（cbsmoneywatch） ［스타트UP］ 캐릭터에 움직임 입히는 AI…유비스, 게임 제작 문턱 낮춘다（CHOSUNBIZ）
Meta發表小型AI模型Muse Ember 高效處理重複性任務成本更低
圖／示意圖商傳媒｜何映辰／台北報導Meta Platforms 今日宣布推出旗下最小、效率最高的 AI 模型 Muse Ember，這款新模型專為人工智慧代理（AI Agent）設計，擅長處理大量重複性與 Token 密集型工作，並以更低的成本提供更高的效率。Meta 執行長祖克柏（Mark Zuckerberg）指出，Muse Ember 專為 AI 代理全天候重複的 Token 密集型工作而打造，例如工具呼叫、程式編寫子任務、路徑規劃、資料擷取以及長文件解析等。 Muse Ember 的設計重點在於高效處理小型、結構化的步驟。它能夠執行端到端的商業工作流程，包括從提取記錄、按順序呼叫工具，到跨應用程式更新系統。這款模型具備高達 1M-Token 的上下文視窗（context window），也就是人工智慧模型在處理單一查詢時能「記憶」或參考的資訊量，以及最高 512K 的輸出 Token（AI 處理資訊的基本單位，可以是一個單字、詞彙或字元片段），使其能單次處理完整的程式碼庫或文件集。此外，Muse Ember 也適用於 AI 代理頻繁執行的程式編寫子任務，像是讀取文件、執行測試和進行精準修復。 Muse Ember 最大的亮點在於其多模態理解能力，它能原生理解文字、圖像、音訊和視訊，讓 AI 代理無需額外模型即可處理視覺和聽覺資訊。這項能力使其能夠操作電腦的螢幕截圖，並辨識出細微的視覺細節，甚至處理長篇的實際文件。 在成本效益方面，Muse Ember 表現卓越。每百萬個輸入 Token（Token）僅需 0.10 美元，而每百萬個輸出 Token 則為 0.50 美元，這使其在執行人工分析（Artificial Analysis）任務時，每次任務成本約為 0.14 美元。根據《The Decoder》報導，Meta 表示 Muse Ember 在每個推理層級上，都能比 GPT-6 Luna 或 Claude Haiku 5.5 提供更優異的「每美元智慧」。與較大的 Muse Spark 1.3 模型相比，Muse Ember 的成本約低 12 倍，卻能在許多 Meta 自家的測試中取得領先，例如在 AutomationBench-AA 測試中獲得 37.8% 的分數，超越 GPT-6 Luna 的 20.2% 和 Claude Haiku 5.5 的 13.9%。儘管如此，在實際程式編寫任務的 FrontierCode 2.0-AA 測試中，Claude Haiku 5.5 以 34.9% 的分數略優於 Muse Ember 的 27.2%。 安全性也是 Meta 關注的焦點。Muse Ember 已通過 Meta 超級智慧擴展框架（Meta Superintelligence Scaling Framework）的評估，其中包括化學與生物、網路安全以及失控風險等，所有風險均保持在閾值以下。該模型也接受了與大型模型相同的核心安全訓練與測試。目前，Muse Ember 已透過 Muse Code 和 Meta Model API 平台以「muse-ember-1.0」版本提供，同時也在 Google Cloud 和 Oracle Cloud 上架。
電腦王阿達
商傳媒
奧丁丁新聞