這個月初，Hugging Face 發現自己被駭了。駭客行為看起來不像人類；調查約兩天後，跑出來的是 OpenAI 還沒釋出、為了沙盒考題自己作弊的超強 AI agent：內部叫 Astra，江湖人稱 GPT-6。陳修平請科技浪創辦人哈利上〈師父商學院〉，這一集要談的不只是誰比較強，而是能力跳太快時，為什麼越追工具、越燒 token，反而離真問題愈遠。
Astra 為了考題作弊，自己從沙盒溜到外網
哈利說，這大概是人類歷史上第一件完全自主的 AI agent 駭客事件。OpenAI 當時在測 Astra 的資安威脅程度，覺得模型已強到必須謹慎看待，於是關進公司內部封閉沙盒：基本上沒有外部電腦連線，guardrail 也拿掉，丟一堆駭客題目，看它破解軟體的能力有多強。
其中一題答案有機會在 Hugging Face 上找到，因為那裡堆著大量資料集。模型思路很直：逃出沙盒、取得外網、攻入 Hugging Face、作弊拿一百分。它真的做成了，完全在 OpenAI 意料之外。Hugging Face 公開被害前，OpenAI 還以為關得很嚴，沒意識到所謂的 GPT-6 已跑出來。後來才發現，模型把很多漏洞串起來；沙盒名義上完全封閉，但裡面有權限下載工具，下載過程那一絲縫隙，它就溜了出去。
OpenAI 沒有提告；兩邊反而把這起當成人類第一起 AI agent 駭客事件，一起想怎麼更好評估這類 agent。
模型已能大規模攻擊，做好了還不能立刻上架
今年年初 Anthropic 做出 Methos；哈利說 Fable 的前身就是 Methos，兩者算同一家族的模型。那一代出來時，已確立一件事：現在的 AI 模型有足夠能力做大規模資安攻擊。OpenAI 兩天前也公開：最新一代模型不立刻釋出，因為資安能力已到非常嚴重的程度，必須多花時間測試，並跟政府確認重要系統都安全。AI 公司做好模型還不夠，還要花很長時間確保它不會做壞事，才能推出。
Anthropic 剛發表 Methos 時，先跟主流軟體與平台私下測，涵蓋 macOS、Windows、Linux，還有幾乎每台電腦跟手機都會碰到的影音軟體 FFmpeg。Methos 找到過 Linux 漏洞，可以把自己提權成管理者。絕大多數資料中心跑 Linux。廠商現在盡量在釋出前，先把能補的洞補好。
節目裡用駭政府、改銀行、關紅綠燈當城市級癱瘓的想像；哈利承認畫面很科幻，但不願假設接下來一兩年絕不會發生。Sam Altman 公開講過，接下來兩年內有一定機率會看到大規模駭客攻擊，甚至生化攻擊都有可能。中國開源模型又追得很近，公開下載，等於沒有回頭路。陳修平的比喻是核武擺在便利商店；哈利把尺度往回拉一格：最先進的模型不是誰都跑得動，還不至於像便利商店那樣隨手可得。
GPT-5.6 跟 Fable 幾乎齊頭，真正在拼的是 CP 值
OpenAI 現在最強一系是 GPT-5.6，旗艦講到 5.6 Soul。能力基本上跟 Anthropic 的 Fable Five 齊頭，只輸一點點，UI 設計美感可能略輸；陳修平補一句，一般人根本感覺不出差異。成本卻比 Fable 低非常多，可能差不多一半左右。現在算成本不能只看 API 標價，還要看做一件事燒多少 token；有些模型單價便宜，效率差、多燒五倍十倍，CP 值一樣不高。
對一般消費者，訂閱 OpenAI 幾乎是 no brainer：用量比 Anthropic 慷慨很多。ChatGPT 高級版搜尋基本上可當無限量用；能寫程式、能做事的 Codex，也很久才碰到上限。二十美金就能包日常問答再加 side project。Anthropic 仍有最強模型，Fable 1.5 在某些領域仍比 GPT-5.6 強一點點，但整體 CP 值現在沒有很高。很多人繼續用，是因為差不多今年二月、三月 OpenAI 崛起前，Claude 就是王者；開發者習慣 Claude Code 的 harness 跟 skills，比較不想 switch。
最近這兩個月，Codex 爆發成長：今年二月約一百萬活躍使用者，現在才八月已經一千五百萬，光是過去一個月就從六百萬衝到一千五百萬。除了 ChatGPT 剛爆發那段，人類歷史中從來沒看過一個軟體可以成長到這麼快。他自己 All in Codex，一個月一百美金訂閱全包：日常問答、個人諮詢、side project 助理，連自家軟體公司開發也幾乎都在上面完成。
文字能力差異已比不太出來。真正看得出差距的，是給模型五天做長任務，例如做一個 Minecraft 專案，或做出一個 Microsoft Excel 的 clone。最近大概兩個禮拜，xAI 的 Grok 4.6 起來了：能力接近 5.6 Soul，價格便宜很多，CP 值甚至比 5.6 Soul 更高。陳修平在這段模型輪替裡丟下一句：AI 一天，人間十年。
一百美金訂閱可能虧到十幾萬，API 才在賺錢
燒 token 燒得兇，也不等於把產品做對；公司帳上加速的常常只是寫程式那一小段。OpenAI、Anthropic 快上市，市場在猜估值；台積電、記憶體、美光這類 AI 基礎設施相關股，會隨著「AI 公司到底有沒賺錢」的新聞起落。有投資人同時投兩邊，偶爾吐一點數字：Anthropic 賣 token 的 API 生意其實有賺錢，而且賺不少。訂閱方案則高機率在燒；OpenAI 訂閱十之八九一定虧爆。一百美金訂閱差不多一個月三千塊台幣，若每幾個小時、每一兩天重置就用好用滿，把那些 token 換算成現在的價值，最多可以花到十幾萬台幣。訂閱端絕對虧爛；賣企業、賣 token 才賺。
企業典型路徑是產品裡加 AI feature，背後串 API；工程師還有 FOMO，訂閱之外再申請 API 狂刷。哈利朋友在麥肯錫，有一個月燒掉台幣快三百萬的 token，做一些 PPT 跟 Excel；對矽谷某些公司來說還是小巫見大巫。黃仁勳說過大意是：工程師在 token 上的費用若沒超過薪水就不合格。站在賣算力的角度，當然希望大家燒越多越好。年初那波 token maxing，很多公司希望工程師用越多 AI、燒越多 token 越好。大概五、六月開始發現：token 燒很多，營收沒成長，也沒做出大家想用的功能。加速的往往只有寫程式那一段；要 ship 一個 feature，還有很多環節被人類卡住，整條鏈可能只提升五趴到十趴。產品定位錯了，開發更快只是更快失敗。
Uber 在今年五、六月受不了，一整年 token 預算在一季裡全部燒光，開始限制員工；最近兩個月，馬斯克的公司跟不少矽谷公司也開始限縮。哈利自己的公司更省：一百美金 Codex，合夥人兩百美金 Grok。
企業導入比想像難，台灣很難做成好生意
各大 AI 公司開始推 FDE，把工程師派到有需求的公司做 AI 產品。商機不小，因為導入 AI 比大家想像困難非常多：技術、團隊、流程全卡。但至少在台灣，哈利不會想這樣做。有需求，生意卻太難做。他認識做類似事的老闆，得到的說法是賺不太到錢：導入到實際有價值，過程很長又很痛苦，客戶付得出的錢不太能 cover 時間跟人力成本。硬做可以賺錢，他不會說這是非常好的生意。比較有機會的是 Palantir、OpenAI、Anthropic 這類大玩家，去做 Fortune 500，願意付很大一筆錢解很大很重要的問題。台灣多半是小小公司；大一點、像 Apple 那樣的，多半也會自己做，所以沒什麼機會。
陳修平認為，企業導入成敗很大取決於牌子夠不夠大。為什麼大家喜歡找麥肯錫、波士頓，就是因為牌子大；花了這麼多錢，不聽他的話會覺得自己愚蠢。哈利大學在麥肯錫實習過一年，學到有些公司找顧問，要的常常不是多一顆外腦想出新策略，是需要品牌夠硬的菁英團隊，把內部推不動的方案硬推進場。solution 搞不好內部早就做得出來；顧問做漂亮 PPT、辦 workshop，立刻可以推得動。陳修平補：換成師父商學院這類品牌去導入 AI，說服力通常比不過 OpenAI 派人；就算有公司願意請，付的錢也不見得划算。
Jeff Dean 離開，哈利讀成 Gemini 終於能專心
大概一兩個禮拜前，Google 內部 AI 團隊劇烈人事異動。工程師界傳奇 Jeff Dean 離開 Google。大約二零一二年，他創了 Google Brain；TensorFlow 他是重要人物，TPU 專案也是他創的。另一位拿過諾貝爾獎的 AI 科學家 Demis Hassabis，也有點退居幕後，從負責日常營運的 CEO，變成比較象徵性的角色。市場很多人覺得 Google 完蛋了。
讀法可以不一樣。ChatGPT 剛出時 Google 在追，產品曾叫 Bard；內部其實早有一樣的產品，卻因跟搜尋業務衝突沒先推。陳修平說有種柯達的既視感。過去三年努力追，才叫 Gemini、才叫 DeepMind；Sergey Brin 也跳回來幫忙。去年年底大概十一月，Gemini 三看起來真的追上最前沿；coding agent 環境 Project IDX，看起來非常厲害。根本問題仍是組織運作沒辦法像 OpenAI、Anthropic 這麼有效率。沉睡的巨人要推動任何事都很辛苦；Brain 跟 DeepMind 合併有幫助，仍比不上對方速度。
這次傳奇人物離開，很多人判死刑；哈利反而認為是把 Gemini 做好的徵兆。大模型競爭現在比較像 engineering：比成本、比基準測驗多幾分，技術方向蠻確定，缺的是更好的資料、更好的 RLHF、更好的工具，以及調訓練參數。陳修平把它收成一句：現在需要的不是 Jeff Dean，是 Tim Cook。哈利同意。Jeff、Demis 在時還想同時搞影片模型、Genie 這類世界模型，會跟 Gemini 搶資源；他們離開後，DeepMind 反而可以全力 focus。短期一定有一點影響；可能今年追不上，明年就有機會再追上。
蘋果沒有自己的前沿模型，晚進場也不等於落後
大家說 Apple 落後，常因為它沒有能跟 Gemini 或 ChatGPT 台面比的前沿模型；本地小模型有一點，Siri 連鬧鐘都設不太好。這種落後反而讓蘋果在這一局變成贏家：不用砸大錢蓋資料中心訓練模型，不用花那些資本支出，只要導入第三方模型，例如 ChatGPT 或 Gemini，就能把功能做不錯。生態系護城河夠深；過去兩三年某些 AI 手機功能確實比蘋果強，但 iPhone 跟 Mac 市占率沒有掉。沒掉的前提下，整合好第三方，隨時可以趕上。
九月還會有 iPhone 十八與新一代 Siri。哈利預測那一版會開始用到手機裡的 context，能在短時間內從 Line 聊天紀錄找出母親上週提到的韓式餐廳，讀懂後再用地圖工具定位；不再只是設鬧鐘的助理。不會非常完美，但會解鎖一部分日常應用。
今年以前，AI agent 運用工具真的沒辦法做到有意義的事。今年年初 Agent 浪潮起來，是因為模型過了能勝任基本 Agent 工作的門檻。時間點因此很關鍵：過門檻之前，蘋果做不出完整的 AI 功能也無妨；模型一旦跨過那條線，再把能力接進生態系，就不算真正落後。
每半年把 prompt 丟掉，缺的是基本功不是新工具
前面那些模型排名、訂閱額度、公司人事，都要落回同一件事：你到底在解決什麼問題，以及你有沒有把舊工作流整組丟掉的膽識。陳修平寫文案最有感：以前大概五六十分；最近三個月用 ChatGPT，方法沒變，有時到九十分，甚至一百二十分，只因模型變強。很多人沒意識到能力成長有多快；你覺得做不到的事，過不久就可以做到。Anthropic 公開過：每次推新模型，幾乎把原本 system prompt 刪掉八十趴。所謂 system prompt，就是工具內建、你還沒開口就先塞給模型的那層提示；刪掉八成的原因很乾脆，原本要指示它做的、要教它小心的，新模型自己就會、自己知道。人類歷史很少看到軟體進步這麼快，一般人腦袋跟不上。矽谷最前沿工程師的建議因此更狠：每過半年，把 prompt、工作流、skills 全部丟掉，從零開始；不要拿舊指示硬教新模型，直接叫它做，搞不好直接就做好。
更極端的例子是 Bun。這套複雜的 JavaScript runtime 用 zig 寫，常有 memory leak，工程師得反覆處理記憶體問題。日常用法幾乎成了固定節奏：今天這裡漏、明天那裡漏，就叫 Claude 幫忙修。新模型來了，若只沿用同一套，頂多修得更快一點。Opus 4 推出後，路徑整個換了。他們發現可以直接用新模型，把整套軟體改寫成不會有記憶體問題的語言；幾十萬行程式碼搬過去之後，leak 那一類問題不再是日常工單，因為整條 runtime 的材料換掉了。若不去想能力躍遷，你只會用新模型更快修舊問題；打回原點重想，搞不好一次把整條路換掉，連問題本身都不再需要你天天盯。
「學 AI」跟「學 AI 工具」是兩回事。很多人想學 AI，其實是想用它解決問題、產生價值；那不必然等於要把每個新介面練到頂尖。工具幾個月一換，新模型也跟著換；你把全部時間砸在把某個工具用到最好，下個月新的出來，又得重來，焦慮就從這裡長出來。去年 Notion AI、提示詞、Midjourney、Stable Diffusion，很多已沒人用。只追 vibe coding 介面，永遠追得上新按鈕，卻追不上「什麼才叫安全可用的產品」。要累積有意義的實力，得培養基本功，搞懂那一行的底層邏輯。AI 再怎麼變仍是工具，還是要人去用；你必須先知道問題本質是什麼。財務分析師就算未來用 AI Agent、自己不用碰 Excel，仍要懂公司怎麼估、現金流怎麼算才合理。現在還沒到完全不用碰 Excel 的階段；工具讓執行變輕，方向仍得自己確立。
大約一年前 Agent、Manus 讓陳修平焦慮：別人養了一堆代理，自己卻不熟，會不會已經落後。後來想通：要用 AI，是為了解決真問題。想策略、要靈感刺激，用 Chat 就夠，不必硬上 Workflow 或 Copilot；財務、營運才更需要 agent 建流程。哈利仍留在 OpenAI：Context Management 那些優點他認，但工作流已確立、夠用，轉換成本可能大過效益。大部分工具都是噪音。想再少一點焦慮，可以把時間花在問題解決能力與各行基本功；若要走更前面，再去搞懂模型是什麼、工具怎麼裝模型、能力上限在哪，哪些事它還做不到。
模型版本會過期，介面更快過期；Bun 那則改寫整條 runtime 的例子說明，真正能帶走的是看懂問題結構、敢把舊工作流整組丟掉的判斷力，不是又學會下一個工具名稱。