EN

2026-06-09 AI 摘要

共 5 則更新

🔴 L1 - 平台級更新

Anthropic 發布 Claude Fable 5 與 Claude Mythos 5：旗艦 Mythos 級模型首次對外開放 L1

信心度: 高

重點: Anthropic 於 6 月 9 日同時推出 Claude Fable 5（面向所有用戶）與 Claude Mythos 5（限定網路安全防禦者）。Fable 5 為 Mythos 級模型針對大眾安全部署的版本，具備常態開啟的自適應推理、100 萬 token 上下文及 128K 輸出 token，部分高敏感查詢會自動降回 Claude Opus 4.8。定價為每百萬 token 輸入 $10、輸出 $50，Pro／Max／Team／Enterprise 計劃在 6 月 9 日至 22 日免費使用。Mythos 5 則解鎖部分安全防禦情境限制，號稱當前全球網路安全能力最強的模型。

影響: Fable 5 是首款面向一般大眾開放的 Mythos 級模型，意味著超強推理能力首次進入消費端。Pro 及以上計劃用戶在免費試用期間可無額外費用體驗頂級能力。Mythos 5 的推出則為網路安全防禦者提供解鎖更多限制的專業工具，有望加速企業安全自動化。

詳細分析

取捨考量

優點:

  • Mythos 級能力首次對大眾開放，推理力大幅提升
  • 自適應推理常態開啟，無需手動切換模式
  • 100 萬 token 上下文支援超長文件處理
  • Pro 以上計劃免費試用期至 6 月 22 日

缺點:

  • 輸出定價 $50／百萬 token，成本顯著高於前代
  • 高敏感查詢會自動降回 Opus 4.8，行為不完全可預期
  • Mythos 5 僅限網路安全防禦者，一般開發者無法存取
  • 定價對高用量 API 整合者成本壓力較大

快速體驗（5-15 分鐘）

  1. 登入 Claude.ai，確認帳號已升級至 Pro 或以上計劃
  2. 在 API 文件確認 claude-fable-5 模型 ID 及可用端點
  3. 評估現有工作流的 token 用量，計算升級後的實際成本
  4. 網路安全團隊可申請 Mythos 5 存取資格，了解解鎖情境

建議

現有 Anthropic 訂閱用戶應把握 6 月 22 日前的免費試用期，測試 Fable 5 在長上下文推理任務上的效果。API 整合者需注意輸出定價提升，建議先在非生產環境評估成本效益後再遷移。

來源: Anthropic (官方) | TechCrunch (新聞) | CNBC (新聞)

中國擬砸 2 兆人民幣（約 2,950 億美元）打造全國 AI 算力網格，強制八成採用本土晶片 L1

信心度: 中

重點: 據彭博社報導，中國國家發展改革委正草擬一項五年計劃，投入 2 兆人民幣（約 2,950 億美元）在全國建立統一 AI 資料中心網格，目標 2028 年完工，並強制規定核心技術（含 AI 加速晶片）80% 以上須來自華為、阿里巴巴等國產供應商。計劃由中國移動、中國電信主導運營，實質上將 NVIDIA 與 AMD 排除在外。消息公布後 AMD 股價跌逾 4%，計劃尚未正式發布，細節仍可能調整。

影響: 若計劃正式落地，將是全球史上最大規模的單一國家 AI 基礎設施投資，顯著加速中國本土 AI 晶片生態系的成熟。NVIDIA 與 AMD 在中國市場的份額將進一步壓縮，同時推動華為昇騰等國產算力規模化。此舉被普遍解讀為中國在美方出口管制下加速自主替代的重要戰略部署。

詳細分析

取捨考量

優點:

  • 大規模統一算力網格可降低企業 AI 基礎設施門檻
  • 推動國產晶片供應鏈成熟，形成規模效應
  • 2028 年目標完工若達成，算力總量將大幅領先
  • 有助中國在 AI 主權能力上減少對美方制裁的脆弱性

缺點:

  • 計劃尚未正式發布，最終規模與細節存在不確定性
  • 80% 本土晶片要求可能拉高短期算力建置成本
  • 現階段國產 AI 晶片效能仍與 NVIDIA H100/H200 有差距
  • 執行風險高，跨省市協調及標準統一面臨挑戰

快速體驗（5-15 分鐘）

  1. 關注彭博社後續報導，確認計劃是否正式發布
  2. 追蹤華為昇騰 910C／920 等國產 AI 晶片的最新效能資料
  3. 評估中國雲端算力供應鏈布局對亞太市場的影響
  4. 關注 AMD、NVIDIA 財報電話會議中對中國市場前景的說法

建議

關注中國 AI 市場的企業和投資者應密切追蹤計劃正式發布時機。對於部署在中國的 AI 應用，需評估本土算力替代路線的可行性；對 NVIDIA 與 AMD 有持倉的投資者則應關注中國市場收入佔比的長期走勢。

來源: Bloomberg (新聞) | Tom's Hardware (新聞)

🟠 L2 - 重要更新

Roblox Studio 助理新增分段 3D 模型生成（Early Preview）：支援 /generate_mesh 圖片輸入 L2GameDev - 3D

信心度: 高

重點: Roblox 在 6 月 8 至 12 日每週回顧中宣布，Studio AI 助理進入 Early Preview 階段，新增「Generate 3D Models Segmented Into Multiple Parts」功能。支援 /generate_mesh 與 /generate_procedural_model 指令，可接受圖片作為提示輸入，生成可分別設定材質與行為的多部件模型。進一步的分段匯入 Mesh 功能將在後續完整版本推出，顯示 Roblox 正逐步將生成式 AI 深度整合進遊戲內容製作流程。

影響: 分段多部件模型生成讓 Roblox 開發者可以圖片為起點快速產出可用資產，大幅降低 3D 建模門檻。此功能對資源有限的獨立開發者與學生尤為重要，有望加速 Roblox 生態系的內容創作速度。圖片輸入支援也為現有概念藝術與參考圖的快速原型化提供直接工作流。

詳細分析

取捨考量

優點:

  • 圖片輸入降低無 3D 建模經驗的開發者門檻
  • 多部件分段輸出支援獨立材質與腳本設定
  • 無縫整合現有 Studio 工作流，無需第三方工具
  • Early Preview 意味著功能持續完善中

缺點:

  • 目前為 Early Preview，穩定性與輸出品質有待提升
  • 分段匯入 Mesh 等進階功能尚未開放
  • 生成模型可能不符合複雜場景的優化需求
  • 依賴 Roblox 平台，不適用於其他引擎

快速體驗（5-15 分鐘）

  1. 開啟 Roblox Studio 確認 AI 助理 Early Preview 是否可用
  2. 嘗試 /generate_mesh 指令並提供參考圖片測試效果
  3. 評估生成的多部件模型在實際遊戲場景中的效能
  4. 訂閱 Roblox DevForum 追蹤完整版發布公告

建議

Roblox 開發者應立即試用 Early Preview，熟悉 /generate_mesh 工作流，這是 3D 資產製作的重要加速器。同時建議保留傳統建模流程作為品質把關的後備方案，等待功能穩定後再全面整合進製作管線。

來源: Roblox DevForum Weekly Recap June 8-12 2026 (新聞)

Luma AI 發布 Ray3.2 影片生成模型，支援 16 個關鍵幀精準控制與 HDR 輸出 L2

信心度: 高

重點: Luma AI 於 6 月 9 日正式發布 Ray3.2 影片生成模型，主打專業製作級的精準控制。模型支援單段影片最多 16 個關鍵幀（總計可達 64 個），可生成最長 20 秒的原生 1080p 影片，新增 16-bit EXR HDR 輸出格式以接入後製流程，以及最多同時追蹤 8 個人臉表情與肢體動作的 Performance Tracking 功能。Ray3.2 同步推出開發者 API，可直接整合進企業工具與自訂工作流程，由娛樂、廣告與遊戲領域的專業創作者共同參與研發。

影響: 16 個關鍵幀控制與 EXR HDR 輸出讓 Ray3.2 從消費向工具升級為專業製作管線可用的解決方案。Performance Tracking 為廣告和娛樂產業提供更貼近真實表演的影片生成能力。開發者 API 的推出意味著遊戲公司、廣告商可將影片生成能力嵌入自動化工作流。

詳細分析

取捨考量

優點:

  • 16 個關鍵幀支援高精度鏡頭控制
  • EXR HDR 輸出無縫接入 DaVinci Resolve 等後製軟體
  • Performance Tracking 多臉追蹤提升角色真實感
  • 開發者 API 支援企業自訂整合

缺點:

  • 高精度控制需要較多技術門檻，非入門級工具
  • 20 秒上限對長片製作仍需分段處理
  • API 定價細節尚待評估
  • 與 Sora、Runway 等競品的實際效能差異需實測比較

快速體驗（5-15 分鐘）

  1. 前往 Luma AI 官網申請 Ray3.2 早期存取或開發者 API
  2. 測試多關鍵幀控制功能，評估鏡頭控制精度
  3. 將 EXR HDR 輸出整合進現有後製工作流測試相容性
  4. 評估 Performance Tracking 在廣告製作場景中的效益

建議

影片製作專業人士和廣告公司應評估 Ray3.2 是否能取代現有的部分實拍環節。遊戲公司可透過 API 探索將影片生成整合進過場動畫製作管線的可能性。建議先以小型商業製作進行試驗，評估成本效益後再全面導入。

來源: Luma AI 官方公告 (官方)