「Token」的搜尋結果
#Token也是一個關鍵字標籤
過去 1 天有 1 篇標成這個標籤 · 目前不在排行榜上
過去 3 天每小時篇數
11/14（六）
開源工具遭濫用 AI自動滲透測試請求單月暴增30倍 | LIFE生活網
商傳媒｜何映辰／台北報導開源資安工具一旦落入攻擊者手中，威脅迅速擴大。網路安全公司Cloudflare發布研究指出，自10月1日以來，結
Gemini 4 Hydrogen 發表：對標 Claude Sonnet 5.5，API 輸入每百萬 token 1…
Gemini 4 Hydrogen 是 Google 在 11 月 12 日發表的新一代 Gemini 模型，主打速度與成本，鎖定日常寫程式與代理工作流程。官方將它定位為「日常主力」，API 價格為每百萬 token 輸入 1.5 美元、輸出 7.5 美元，對需要大量呼叫模型的開發者與團隊來說，這是
美股代幣化迎重大突破 真股票上鏈告別合成衍生品時代
商傳媒｜吳承岳／台北報導全球金融市場的資產代幣化迎來劃時代發展。以往加密市場常見的「代幣化美股」，多半只是追蹤股價的合成衍生品，持有人根本無法享有實質股東權利；如今，具備真實股權與法律保障的代幣化股票正加速落地。 所謂資產代幣化（Tokenization），簡單來說就是將實體資產或傳統金融證券轉換為區塊鏈上的數位代幣，讓資產能直接在鏈上進行即時交易與移轉。美國證券市場近期在監管與交易機制上雙雙取得進展，打破過去投資人對代幣化資產「看得到股價、拿不到股權」的疑慮。 根據外媒報導，那斯達克上市公司 Canton Strategic Holdings 於 11 月 4 日完成了全美首筆涉及真實普通股的鏈上交易。這場交易依循美國證管會（SEC）宣布為期五年的「創新豁免」（Innovation Exemption）監管框架進行，由 Five North 將持有的真實股票部位轉換為代幣化股票，DRW Cumberland 出手買下，並由 Flowdesk 提供市場流動性。 值得注意的是，這筆交易由美國證管會立案的過戶代理機構（transfer agent）正式記錄，持有人享有完整股東權利。該交易是在 TSV 背後的自動做市商協議 Tradecraft 專屬池完成。TSV 執行長 Ali Abrar 指出，市面上多數代幣化股票僅複製股價走勢，不具備所有權，而透過自動做市商（AMM）的鏈上運作，買賣能在執行瞬間同步完成股權交割，直接消除了傳統證券市場「T+1」（成交後隔一個工作日交割）體制內生的交易對手與結算風險。 各大加密巨頭亦加快布局真實股權架構。Coinbase 於 8 月推出代幣化股權產品，鎖定符合美國 S 規則（Regulation S）的合格非美投資人，首波支援蘋果、輝達、Meta 與 Alphabet 等科技巨頭。該產品基於 B20 代幣標準，每個代幣對應 Alpaca Securities 獨立隔離帳戶中持有的 1 股底層真實股票，保管架構受阿布達比金融自由區（ADGM）監管，具備破產隔離保護。 雖然 Coinbase 的代幣化股票目前股息採取自動再投資機制、投票權尚未正式上線，但 Coinbase 執行長布萊恩·阿姆斯壯（Brian Armstrong）已公開表示，具備底層真實資產的代幣化股票才是確立真實所有權的產業標竿。隨著監管框架與基礎設施到位，代幣化股票正從單純的價格投機工具，轉型為具備完整法律權利的新型資本市場載體。 參考來源 TSV CEO: Tokenized Equities Could Transform U.S. Stock Marke…（Traders Magazine） Coinbase outlines three models for tokenized equities and cl…（Crypto Briefing）
自由時報偏綠非中國開源模型另一選擇: Thinking Machines Inkling 2 Small 594B 支援百萬 To…
〔AI頻道／綜合報導〕美國人工智慧新創 Thinking Machines Lab 11月12日正式開放 Inkling 2 Small 模型權重下載，採用 Apache 2.0 授權，允許開發者自行部署與微調。這款模型最早於11月5日發表，初期僅能透過官方 Tinker 平台使用，待外部安全測試完成後才開放權重。Inkling 2 Small 擁有5940億總參數（594B），每次推論約啟用170億參數（17B），支援最高100萬 token 上下文，主要支援 AI 代理、程式開發、資料分析及企業自動化應用。Inkling 2 Small 採用混合專家（MoE）架構，具有48層 Transformer，每次處理文字時會從384個專家中選出8個參與運算，藉此減少推論所需的計算量。模型可同時理解文字與圖片，並以文字輸出結果，也支援工具呼叫及不同程度的推理設定。開發者能依需求將它用於聊天機器人、編碼助理或檢索增強生成（RAG）系統，不過新版本並未提供音訊輸入功能。
Google推極速AI模型Gemini 4 Hydrogen 搜尋與寫程式效率大升級
圖／本報資料庫商傳媒｜何映辰／台北報導Google 發表主打極致運算速度的全新 AI 模型 Gemini 4 Hydrogen，鎖定日常工作、程式開發與自動化流程，目前已在全球 Google 搜尋與 Gemini 應用程式中正式上線，開發者也能透過 API 存取。 不同於 OpenAI 的 GPT-6.1 Sol 或 Anthropic 的 Claude Sonnet 5.5 等競品持續往高難度推理發展，Google 這次刻意轉向追求「高執行速度」與「低推論成本」。Google DeepMind 資深副總裁 Koray Kavukcuoglu 表示，雖然旗艦模型 Gemini 4 Carbon 與 Gemini 4 Argon 擅長處理深度的複雜難題，但 Gemini 4 Hydrogen 的核心定位在於高效率執行各種任務，可作為獨立助理，也能在多模型協同架構下擔任快打部隊。 執行速度提升 2.5 倍 主攻程式開發與工作流 根據外媒報導，Gemini 4 Hydrogen 脫胎自 Gemini 4 Carbon，執行預設任務的速度比前一代 Gemini 3.8 Flash 快上 2.5 倍。在第三方評測機構 Artificial Analysis Intelligence Index 中，Hydrogen 獲得 51 分，超越了先前推出的 Gemini 4 Argon（50 分），最高階模式下更可達到 54 分，緊追滿分 55 分的頂級模型。 在軟體開發領域，新模型於終端測試 Terminal-Bench 4.1 拿下 57% 的成績，大幅優於 Gemini 3.8 Flash 的 18.2%。此外，防範模型越權操作的安全性比前代提升兩倍，但官方也指出，Hydrogen 仍有約 8% 的幻覺率（即 AI 自行捏造錯誤資訊的機率），與現行多數生成式模型相同。 整合進 Google 搜尋 導入圖表與深入理解能力 對一般使用者而言，最直接的改變落在日常搜尋體驗。Google 搜尋產品副總裁羅比·斯坦（Robby Stein）形容，這是「Google 搜尋迄今最大的模型升級」。 使用者在 Google 搜尋的「AI Mode」中點擊加號圖示，即可選用 Gemini 4 Hydrogen。新模型強化了對長句子與複雜意圖的理解，搜尋結果不再只有條列文字，而是會自動生成結構化圖表與視覺化圖片。為了化解外界對 AI 掠奪原創內容流量的擔憂，新介面也放大了來源網站的縮圖與外部連結，提供新聞專屬的來源輪播推薦，協助使用者探索原始網站。 降低 API 定價搶攻開發者市場 在商業應用端，Gemini 4 Hydrogen 透過 Gemini API、Google AI Studio 以及企業版服務全面開放。收費標準訂為每百萬輸入 Token 1.50 美元、每百萬輸出 Token 7.50 美元，若命中快取（Cache hit）費用更降至每百萬 Token 0.075 美元，標準輸出上限則達 65,536 個 Token。 Google 同步支援使用 Antigravity 工具調度任務，讓 Hydrogen 負責高頻率的日常執行與測試，遇到系統架構等複雜難題時再自動分流給 Carbon 等重量級模型，藉由「速度與成本兼具」的策略，在競爭激烈的生成式 AI 市場中吸引更多開發者建構應用。
鏡報偏綠黃仁勳揭神秘晶片 AI推理速度飆350倍 竟意外改口「光銅並存」
真相終於大白。黃仁勳先前賣關子的「前所未見的晶片」，其實是將輝達Vera Rubin機櫃與推理晶片Groq整合，推理Token生成速度可望提升350倍。不過比新晶片更意外的是，在今日GTC上，向來力挺「銅進光退」的黃仁勳，卻改口宣布2028、2029年的Feynman架構將走向「銅光並存」，直言「兩種我們都要」。
AI時代下點子容易複製怎辦？YC合夥人：理解問題比寫程式更重要
AI讓寫程式的門檻大幅降低，連不懂程式的人都能開發軟體，過去靠技術建立優勢的新創，還能憑什麼建立護城河？Y Combinator（YC）客座合夥人傑布斯（Boris Jabes）接受《遠見》專訪指出，即使給兩個人同樣的AI工具與無限Token，做出來的產品仍有高下之分。他認為，關鍵在於創辦人是否真正理解客戶的問題，以及能否把功能整合成客戶願意付費的產品。
奧丁丁新聞
LIFE生活網
硬是要學
商傳媒
遠見雜誌11/13（五）
Supermicro 搭載第六代 AMD EPYC™ 9006 系列 CPU 的新一代伺服器現已付運，支援雲端、HPC…
Supermicro 最新 H15 伺服器產品組合搭載第六代 AMD EPYC 9006 系列處理器（此前代號為「Venice」），在基準測試中取得優異成績，旗下 2U Hyper 及 CloudDC 伺服器創下多項 SPEC CPU 世界紀錄，展現效能與速度的跨代提升 H15 代伺服器產品組合的核心數量最多增加 33%，PCIe 頻寬達到 2 倍，每插槽記憶體頻寬達 1.6 TB/s，支援 AI 推理及 HPC 工作負載 Helios 及 Helion 新一代機架級解決方案以 Supermicro DCBBS 為基礎，搭載 AMD EPYC CPU 及 AMD Instinct™ GPU，針對大規模及代理式 AI 部署作出優化 加州聖荷西2026年11月13日 /美通社/ — Super Micro Computer, Inc.（納斯達克股票代碼：SMCI）今日宣佈，旗下 H15 代伺服器產品組合現已開始付運。公司以 Data Center Building Block Solutions®（DCBBS）為特色，提供涵蓋 AI、企業應用、儲存及 5G/邊緣運算的全方位 IT 解決方案。H15 產品組合搭載第六代 AMD EPYC 9006 系列處理器（此前代號為「Venice」），是 Supermicro DCBBS 架構的核心組成部分。這些業界領先的系統針對新一代 GPU（包括 AMD Instinct 加速器）作出優化，提供為代理式 AI 時代而設的機架級效能，讓客戶更迅速部署高效能 AI 基礎設施。 適用於代理式 AI、企業應用及 HPC 的 H15 AMD 平台伺服器 Supermicro 市場推廣高級副總裁 Michael McNerney 表示：「隨著 H15 產品組合開始付運，Supermicro 與 AMD 正為客戶提供更快捷、更高效的途徑，建立代理式 AI 基礎設施。這些伺服器以我們的 DCBBS 架構為基礎，搭載第六代 AMD EPYC 9006 處理器，大幅提升核心密度、記憶體頻寬及 PCIe 吞吐量。我們與 AMD 在工程領域的緊密協作，讓客戶能夠靈活且更有信心地擴展 AI、雲端及企業工作負載。」 AMD 高級副總裁兼運算及企業 AI 業務總經理 Dan McNamara 表示：「最新高效能 AMD EPYC 處理器開始付運，對推動各種規模的 AI 發展至關重要。我們與 Supermicro 的緊密合作，確保客戶獲得經過優化的平台，結合領先的 CPU 效能、Instinct GPU、AMD Pensando™ 網絡技術及模組化設計。這些平台可讓機構在同時運行更多 AI 代理、處理高要求企業工作負載之餘，更快部署 AI 基礎設施、提升資源使用率、減少能源消耗並降低總擁有成本。」 了解更多有關 Supermicro H15 代伺服器的資訊，並按此觀看本次發佈的摘要影片。 現可付運的 H15 伺服器產品組合，涵蓋針對雲端、HPC 及代理式 AI 工作負載而設的高密度系統，效能卓越，旗下 2U Hyper 及 CloudDC 平台更創下多項 SPEC CPU 世界紀錄。Supermicro 的 AMD EPYC 9006 伺服器產品線涵蓋 SP7 及 SP8 插槽平台，由高效能工作站、邊緣系統，以至高密度多節點及企業級 GPU 伺服器一應俱全，讓 Supermicro 成為數據中心 CPU、GPU 及儲存方案的一站式合作夥伴。同時，Supermicro 正透過全新 Helios 及 Helion 平台，擴展搭載 AMD CPU 及 GPU 的機架級基礎設施，提供涵蓋代理式 AI 以至超大規模 AI 部署的端到端方案。 Supermicro 的 DCBBS 提供完整、模組化的 AI 基礎設施，以及貫穿端到端部署流程的靈活性，以更短的上市週期，將採用最新 AMD 技術的數據中心解決方案帶給客戶。結合 DCBBS 設計與 AMD 伺服器 CPU、GPU 及網絡架構，可協助客戶更快將新一代 AI 基礎設施推向市場，同時實現核心數量增加 33%、PCIe 頻寬達到 2 倍、記憶體頻寬達到 2.6 倍。綜合上述優勢，Supermicro 與 AMD 可讓企業客戶的前沿模型主機節點每秒 token 處理量，達到採用前代 AMD CPU 時的 1.8 倍。 Supermicro 的全面產品組合涵蓋逾 20 款經過優化的系統，包括： Hyper — 為企業應用、AI 推理、虛擬化及雲端工作負載而設的旗艦雙插槽平台，採用先進散熱設計，支援最高效能的 AMD EPYC 處理器 CloudDC — 適用於大規模雲端環境的單插槽系統，以 Open Compute Project（OCP）的數據中心模組化硬件系統（DC-MHS）
Sidrune AI 全球擴張：AI 模型管理平台獲逾百企業青睞 | LIFE生活網
商傳媒｜葉安庭／綜合外電報導根據《TheManilaTimes》報導，人工智慧（AI）平台供應商SidruneAI於昨日（12日）宣布，
Sidrune AI 全球擴張：AI 模型管理平台獲逾百企業青睞
商傳媒｜葉安庭／綜合外電報導根據《The Manila Times》報導，人工智慧（AI）平台供應商 Sidrune AI 於昨日（12 日）宣布，其多模型存取解決方案已在全球範圍內服務超過 100 家企業客戶，遍及東南亞、中東、北美洲和歐洲等地區，註冊用戶數更突破 4 萬人。 Sidrune AI 提供的平台專為需要將 AI 部署到實際產品和客戶營運的團隊設計。該平台的核心優勢在於支援多模型工作流程，讓企業團隊能評估不同的模型路徑、監控使用量與計費，並在技術或商業需求改變時，靈活地切換到其他模型。這對於需要整合 AI 於全盤加密（Full Disk Encryption, FDE）工作流程的團隊尤其重要。全盤加密是一種資安技術，能將整個儲存裝置的資料都加密，保護數據不被未經授權的存取。 目前，Sidrune AI 的平台平均每月處理超過 3 兆個 Token，顯示其龐大的運算能力。其「模型廣場」（Model Plaza）列出了逾百種模型與路由選項，並提供具競爭力的價格，例如 OpenAI 的 GPT-Azure 模型的價格比 GPT-6.1 Sol 顯示的基礎價格低 60%，而 GPT-OpenAI Official 則低 55%。 Sidrune AI 共同創辦人 Sean 指出，對 FDE 團隊而言，模型存取只是第一步，真正的挑戰在於當所需模型、路由或成本條件改變時，如何維持客戶工作流程的可用性。他表示，公司的目標是讓多模型存取在實際生產環境中更易於比較和管理。 該公司的未來發展藍圖包括提供更彈性的路由選擇、更強大的隱私控制，以及支援將 AI 整合到現有工作流程中。這些發展旨在協助 FDE 團隊，從最初的模型測試階段，順利過渡到更易於管理的多模型生產設置。
AI成本飆升企業現金流吃緊 逾六成專案超支卻難獲利
圖／示意圖商傳媒｜何映辰／台北報導隨著人工智慧（AI）技術日益整合至企業營運，其成本失控問題已成為全球企業財務長（CFO，負責管理公司財務的最高主管）亟需面對的挑戰。根據《CFO Dive》報導，約有六成受訪企業在過去一年中，AI相關支出明顯超出預期或預算，而其中三分之二因此面臨負面財務影響，包括自由現金流（公司在支付營運開銷和資本支出後，所能自由運用的現金）減少或可支配支出（公司可自行決定分配的非必要開支）縮減。 報導指出，超支的專案平均超出預算達 24%，更有 21% 的專案超支逾 30%。儘管財務長在重大 AI 投資的審批流程中的參與度從一年前的 42% 提升至目前的 52%，但問題依然嚴峻。過去兩年獲得資金的 AI 專案中，平均僅不到一半（49%）實現了預期價值，且僅有 15% 的企業能將 AI 投資與具體的獲利能力（投資案能為公司帶來的收入與獲利表現）成果完全連結。 Capgemini Invent 執行長 Volker Darius 表示，AI 日益深入企業工作流程，企業需要停止將 AI 成本視為單純的技術或採購問題，而應將其視為一組經濟成果的投資組合來管理。他強調，企業需同時衡量成本、品質與商業價值，並針對不同任務選擇最適合的模型，同時考量達成成果所需的人為監督。 目前，六成受訪企業缺乏全面的 AI 費用視角，半數企業在未充分掌握完整成本的情況下便批准了 AI 支出。僅有 56% 的企業對擴大採用 AI 後的成本預測能力有充分信心，而僅四分之一的財務長對估算人力監督與治理等間接 AI 成本表示完全有信心。此外，逾六成高階主管預期，未來 12 個月內企業將採行多模型 AI 策略，這可能使成本管理更為複雜。 《Search IT Operations》指出，AI agents（能自主執行任務的智慧型軟體代理程式）可能導致無法預測的成本，因為單一任務可能觸發重複的模型呼叫，或涉及其他 agents，進而消耗更多 Token（大型語言模型處理資訊的最小單位，用於計算運算成本）及運算資源。Forrester Research 首席分析師 Kevin Ogunsua 建議，可透過設定 AI agents 的使用限制、要求供應商負責，以及將支出與業務成果連結來管理成本。 為有效控制 AI 成本，企業可運用「價值矩陣」來定義 AI 價值，該矩陣從財務成果（如營收創造、營運效率、成本降低、風險最佳化）及影響槓桿（如生產力、客戶參與度、轉型）兩個維度進行分析。同時，亦可透過「Big T framework」來分析 Token 消耗，以便在收到帳單前掌握成本概況。具體解決方案包含：縮小請求規模、利用快取、減少模型呼叫次數，以及限制 AI agents 之間的互動。此外，企業應要求供應商提供更高的「可觀察性」（observability，指能夠查詢 AI 模型呼叫，包括提示、Token 使用量及處理流程的能力），以便進行預算編列。
當AI接手工作，企業更缺會管AI的人
本文作者：資策會MIC資深產業分析師／王琬昀 當AI開始接手工作，企業對人的能力要求也隨之改變。過去，員工運用生成式AI撰寫、摘要與分析，再自行決定下一步；如今，AI代理（Agentic AI）已能在授權範圍內拆解任務、呼叫工具，並依執行結果持續推進。企業交給AI的，正從單一問題擴大為一段完整的工作流程。 當AI承接更多執行步驟，人的角色便轉向決定哪些工作可以交付、應投入多少資源，以及何時必須介入。職能的衡量範圍也因此改變：除了個人的操作熟練度與產出速度，更在於能否管理整段流程的品質、成本與效益。與此同時，越權操作、錯誤在流程中連鎖放大，以及Token支出難以掌握等風險，也隨執行範圍擴大而增加。 代理擴張快於組織管理 根據微軟於今年5月對外公布的《2026工作趨勢指數》與新聞稿揭露，依其自身平台數據，Microsoft 365生態系中活躍的AI代理數量一年內成長約15倍，大型企業更達18倍；同一份報告針對10國、2萬名AI使用者的調查顯示，僅26%認為所屬領導團隊對AI的看法清楚且一致。 在AI成本方面也不如想像中單純。Anthropic工程部落格的對外公開文章揭露，根據其多代
Mirendil 募得 10 億美元 注力AI研發普及化
商傳媒｜林昭衡／綜合外電報導AI 新創公司 Mirendil Inc. 於週四宣布，已完成 A 輪募資，成功籌集 10 億美元（約新台幣 320 億元）。這筆資金將用於推動其使命，使最尖端的人工智慧研究與開發（簡稱前沿 AI 研發）變得更普及，讓更多科學家與工程師得以參與。 根據《Yahoo Finance》報導，此輪募資由風險投資公司凱鵬華盈（Kleiner Perkins）與 Clearlake Capital 共同領投。Mirendil 的目標是開發創新工具，大幅降低 AI 研發的門檻，讓個人與小型團隊也能夠承擔更複雜的 AI 專案。 Mirendil 認為，透過 AI 代理（agents）執行實務工作，研發團隊的規模限制將不再是問題。該公司展示了具體成果：一名研究人員在短短 3.5 個月內，以不到 1,000 萬美元的計算成本，就從零開始預訓練出一個具有競爭力的程式編寫模型 Mirendil-Base。隨後，Mirendil 更進一步將 Mirendil-Base 後續訓練為 Fern 模型，該模型支援高達 1,000 萬個 Token（處理資料的基本單位）的上下文長度。 此外，Mirendil 也開發了 Lor 平台，目前正處於私人測試階段。Lor 平台能夠讓數百個 AI 代理持續數天編寫程式碼並執行實驗，Mirendil 內部也每日使用該平台進行研發工作。此次獲得的巨額資金，將有助於 Mirendil 擴大其業務規模，並積極招募對普及前沿 AI 研發有興趣的人才。
搶下美企近九成開源AI支出還不夠 中國模型不想只賣API了
美企開源模型支出89%流向中國模型，Kimi占61%、DeepSeek占15%、智譜GLM占11% 開源模型Token消耗占比升至19%，支出占比卻降至4%；中國模型正承受流量增、收入跟不上的壓力 智譜、Kimi、MiniMax調漲API並轉向訂閱、AI代理與企業交付，尋找API外第二收入來源
睿傳媒
經濟日報
鉅亨網