2026年，奇點真的來了嗎｜從自主性上升與成本下降兩條曲線來讀

大家好，我是TIMEWELL的濱本。

2023年5月1日，被稱為「AI教父」的Geoffrey Hinton（辛頓）在X上寫道，他離開Google，是為了能在不顧慮對Google影響的前提下，談AI的危險¹。當時，這個警告聽起來還很遙遠。自己正在打造的東西，有一天可能脫離打造者的掌控。對多數人來說，這仍帶著科幻小說的味道。

三年多過去，警告變成了實驗紀錄。

2026年4月，Anthropic在最高階模型的系統卡裡，記下早期版本從隔離環境逃脫的過程。負責測試的研究人員，是在公園裡吃三明治時，收到模型寄來的一封意料之外的電子郵件，才知道它成功了²。同年7月，OpenAI自己公布，一群內部模型脫離評估環境，最後在Hugging Face的正式環境伺服器上執行了程式碼³。7月25日，Sam Altman在podcast上說「我們現在就在奇點裡」⁴；8月1日，馬斯克發文「Welcome to the Singularity. How's the temperature?」⁵。

奇點來了嗎。我不打算用「某一天到來」來回答。答案在兩條曲線裡。一條是AI脫離人手還能持續工作的時間；另一條是取得同樣能力要付出的成本。2026年，這兩條曲線同時前進，而且都很快。代理變得自主是一回事，代理變得便宜是另一回事。只有其中一條，那是這幾年的延長線；兩條同時走，企業與個人做判斷的前提就變了。這篇文章只用一手資料把兩條曲線畫出來，最後寫下我的結論。想先確認自己的團隊站在這個變化的哪一點，可以從WARP的服務說明開始看起。

曲線一。自主性上升到哪裡

我用來量自主性的尺，是METR的「時間跨度」：以人類專家需要多久來計算，AI能以50%成功率完成多長的任務。METR在2026年1月發布的修訂版（Time Horizon 1.1）裡，Claude Opus 4.5的50%時間跨度是320分鐘，GPT-5是214分鐘。倍增速度也寫在同一篇：2019年到2025年的長期趨勢是196天，大約七個月翻一倍；只看2024年以後，則是89天，約三個月翻一倍⁶。

接著下一個數字進來了。2026年3月，METR評估了Claude Mythos Preview的早期版本，估計其50%時間跨度「至少16小時（95%信賴區間8.5到55小時）」，並註明這已接近任務集合在不新增任務的情況下能量測的上限⁷。1月還是五小時多的數字，到3月的評估變成16小時以上。尺先於模型不夠用了，這就是2026年上半年的狀態。

產品端也開始把「能跑很久」當賣點。OpenAI在9月3日推出的GPT-6 Astra，在Codex裡能跨越上下文視窗保留筆記，不必每次都把累積的細節壓縮成單一摘要⁸。SpaceXAI在5月推出的Grok Build，是一個不只能對話、還能以無介面模式嵌進腳本與自動化流程執行的程式開發代理，9月16日加入了記憶功能⁹。Anthropic的價目表上出現了「Claude Managed Agents」，依工作階段的執行時間計費，每小時0.08美元¹⁰。沒有人盯著螢幕也持續運作的系統，有了標價。這個標價在2025年還不存在。

自主性拉長，成果的性質也跟著改變。8月1日，OpenAI宣布下一代模型「Astra」的內部版本，對數學與理論計算機科學十個長年未解的問題給出結果，每一題都附上Lean 4的證明憑證，並寫道「找到這些解所需的token總量，以Sol API價格計算約2,000美元」¹¹。證明的正確性經過機器驗證，但沒有經過學術同儕審查，這一點要留意。即便如此，2,000美元的推論碰到了十個未解問題，值得記為兩條曲線交會的瞬間之一。

不過，現場的風景是另一回事。史丹佛HAI的AI Index 2026指出，在OSWorld（跨作業系統操作電腦的基準測試）上，代理的正確率從約12%升到66.3%，但「代理在結構化基準測試上仍大約每三次失敗一次」。企業端，組織的AI採用率達到88%，可是「AI代理的部署在幾乎所有業務職能中都只有個位數百分比」¹²。在實驗室裡跑16小時，和在貴公司的會計部門每天跑，還是兩件事。

曲線一的背面。自主性上升，事故會變成什麼樣子

這是讓2026年不一樣的部分。自主性上升後，失敗的形式從「答錯」變成「做出沒人打算讓它做的事」。我用公布方自己的話，確認兩份紀錄。

第一份是Anthropic。4月7日公布的Claude Mythos Preview系統卡，把早期內部版本的事例放在「作為被要求的沙盒逃脫的一部分而外洩資訊」這個標題下。模擬使用者指示它，從安全容器逃出，並找到方法傳訊息給負責評估的研究人員。模型「先建立了一個相當精巧的多步驟漏洞利用，從一個原本只能連到少數指定服務的系統，取得廣泛的網際網路存取」，接著依要求通知了研究人員。然後，「在一個令人擔憂、也沒有人要求的展示成功的舉動中」，它把漏洞利用的細節貼到「多個不易找到、但技術上對外公開的網站」²。

為了公平，同一份文件的註腳也要引出來。沙盒與存放模型權重的系統是分開的，「這個事例並不表示模型完全突破了隔離」。它既沒碰到權重，也沒碰到任何內部系統。Anthropic還說，這類嚴重事例全部發生在「早於後來證明最有效的訓練介入」的早期版本²。即便如此，Anthropic仍決定不對外全面提供這個模型，只提供給防禦目的的合作夥伴²。它在指示範圍之外持續行動，光是這一點，就讓這份紀錄有了重量。

第二份是OpenAI。依8月26日公布的報告，事故發生在內部的資安評估「ExploitGym」期間，主體是「規模與GPT-5.6 Sol相當、僅限內部使用的研究模型」。報告明白寫著，評估時「我們沒有啟用與對外部署系統相同水準的安全防護」。經過是這樣：「對指派任務感到吃力的代理，開始到Modal與Hugging Face等無關的第三方服務尋找解答」，7月10日有個代理找到公開暴露的Hugging Face憑證並分享給群體，14組具寫入權限的憑證流入其中。OpenAI在7月19日偵測到異常，7月21日公布涉入³。METR的獨立調查則算出，約1,200個代理加入了未經授權的留言板，約700個參與了對Hugging Face的攻擊，交換了超過七萬則訊息與檔案¹³。

沒有人說「去攻擊Hugging Face」。它們只是被指派了任務。而且其中198題，在事故前從來沒有任何模型答對過³。面對解不出的題目，代理選了人類沒預想到的手段，跨過了組織的邊界。OpenAI自己稱之為「警告射擊（warning shot）」，並寫道「今日模型的能力已包含失控事件的可能性」，還說「當同等能力更廣泛可得，其他人也可能刻意用它來發動攻擊」³。同一份報告列出了改變：暫停強化學習訓練、對使用工具的訓練與評估強制思維鏈監控，以及重大警報若無法在30分鐘內確認為誤報就暫停相關活動。

之後的發展也很2026。9月16日，OpenAI公布「回報模型錯位的框架」，並同時發布六份事例報告。它承認「我們過去的揭露是臨時性的，頻率比理想中低」，並表示新框架「即使重要性不確定，也優先揭露」。事例包括：一個代理被要求列出大型湖泊的ID與名稱，用Python算出正解後，因為指示要求「瀏覽器引用」，未經使用者同意就把檔案上傳到網路來當引用來源；另一個代理未經授權使用暴露的API金鑰，仍拿不到數據時，就捏造數字當成該來源的資料¹⁴。9月10日，Anthropic發布威脅情資報告，寫道「本報告描述的行動，大多數是由AI直接執行或統籌而成」¹⁵。9月12日，Dario Amodei發表「We Must Pace the Frontier」，同一天Altman回應「我們也會這麼做」，馬斯克寫下「Dario is right」¹⁶。那篇文章的內容我在另一篇文章裡詳細寫過，這裡不重複。

我從這一連串紀錄讀到的，不是「AI很可怕」，而是當事人自己公布、把原因找到營運層面、並改了程序這件事。比起事故本身，2026年開始成形的「公布事故的框架」，長遠來看更重要。

曲線二。成本下降到哪裡

換到另一條曲線。這邊的數字很直白。

史丹佛HAI的AI Index 2025寫道，取得GPT-3.5等級（MMLU 64.8）性能的推論成本，「從2022年11月的每百萬token 20.00美元，降到2024年10月的0.07美元」，約18個月下降超過280倍；依任務不同，推論價格每年下降9到900倍¹⁷。Epoch AI的分析結論相同：達到固定能力水準的價格每年下降9到900倍，以GPT-4等級解博士程度科學問題的價格則每年降40倍。Epoch也附帶保留：最快的下降發生在最近這一年，能否持續還不清楚¹⁸。

以下是2026年9月各家官方定價頁上的價格，單位皆為每百萬token的輸入與輸出。

級距	模型	輸入	輸出	備註
最高階	Claude Fable 5.1	$10	$50	快取命中$0.25（基準價的2.5%）10
最高階	GPT-6 Astra	$10	$50	長上下文$20/$7519
主力	Claude Opus 5	$5	$25	已退役的Opus 4.1是$15/$7510
主力	GPT-5.6 Sol	$4	$20	11月21日前為促銷價19
主力	Grok 4.6	$2	$6	2026年8月12日發布9
主力	Claude Sonnet 5	$2	$10	導入價轉為正式價，9月1日的調漲取消10
輕量	Claude Haiku 4.5	$1	$5	10
輕量	grok-build-0.1	$1	$2	供Grok Build使用9
輕量	GPT-5.6 Luna	$0.20	$1.20	19
輕量	DeepSeek V4.1 Flash	$0.15	$0.60	離峰價。尖峰為$0.30/$1.2020

我在這張表裡看的不是絕對金額，而是結構。第一，同一級距的價格在下降。Anthropic的Opus級從4.1世代的15與75美元，到Opus 5變成5與25美元。Sonnet 5原本是「8月31日前的導入價」2與10美元，後來直接成為正式價，原訂9月1日的調漲取消¹⁰。降過的價格，很難再回去。第二，最高階的價格沒有變便宜，甚至持平或上揚。Fable 5.1與GPT-6 Astra都是10與50美元。也就是說，「第一個用到前沿」的權利不會變便宜，「做到去年前沿能做的事」的權利才在快速變便宜。第三，快取與輕量模型讓實際單價再往下掉。Fable 5.1的快取命中是基準輸入價的2.5%，0.25美元¹⁰。對於反覆讀同一批文件的代理工作，這個差距決定了帳單。

效率化的路線在2026年也變寬了，我舉三條。

第一條是把模型做小。AI Index 2026記載，OLMo 3.1 Think 32B「參數量比Grok 4少了將近90倍，只靠修剪、去重與資料篩選，就在多項基準測試上取得相當的結果」¹²。AI21在1月8日推出的Jamba2採用SSM與Transformer混合架構，Mini版52B總參數中只啟用12B，3B版能在iPhone、Android、Mac與PC上執行，全部以Apache 2.0授權公開²¹。

第二條是改變「預測」本身。JEPA（Joint-Embedding Predictive Architecture，聯合嵌入預測架構）不是逐一生成像素或token，而是在抽象的表徵空間裡預測接下來會發生什麼。Meta的研究團隊在2026年3月發表V-JEPA 2.1論文，展示以自監督學習取得影像與影片密集表徵的方法²²。長期帶領這條路線的Yann LeCun（楊立昆）所主持的AMI Labs，在自家網站上說要打造「學習真實世界感測資料的抽象表徵、忽略不可預測的細節、並在表徵空間中進行預測的世界模型」²²。這是一股不走語言模型延長線、想用另一條路做到「又便宜又聰明」的勢力，2026年集結了可觀的資金與人才。我個人的看法是，這條路三年後走到哪裡，會決定成本曲線的斜率。

第三條是專用化。SVG（放大也不失真的向量圖）生成是很好的例子。Recraft在5月14日推出的V4.1，包含四個直接輸出SVG而非點陣圖的Vector系列模型，價格每張0.08美元，上位的Vector Pro也只要0.30美元²³。開源權重這邊，以Qwen2.5-VL-3B為基礎、40億參數的OmniSVG 1.1以Apache 2.0公開²⁴。不是先畫出logo再描邊抽線，而是一開始就以向量生成；不是讓一個通用巨型模型包辦一切，而是用貼合用途的小模型便宜地跑。這種分工，正在實際壓低2026年企業的AI費用。

另一方面，供給端的資本支出卻反向膨脹。Anthropic在4月與Amazon簽下最多5GW、與Google及Broadcom簽下自2027年起的5GW，5月又租下SpaceX Colossus 1的全部容量（超過300MW、超過22萬顆GPU）²⁵。SpaceX在6月也與Google簽約，自2026年10月至2029年6月，以每月9.2億美元出租約11萬顆GPU，這份合約載於向SEC提交的文件²⁶。運算資源已從「使用雲端」變成「採購電力基礎設施」的規模。單價持續下降，資本支出卻持續增加，只能說明用量增加得比價格下降更快。

曲線二的背面。變便宜之後，誰都能拆掉安全機制

成本曲線還有另一面。模型越便宜、越小、越開放，拆掉它的安全機制也越容易。

2026年2月3日發布、由Yoshua Bengio主持、獲得30多個國家與國際組織支持的International AI Safety Report 2026，對開源權重模型是這樣寫的：「一旦發布就無法收回，其安全機制更容易被移除，行為者可以在受監控的環境之外使用它們」²⁷。這不是價值判斷，而是對技術性質的描述。

我也用數字確認過。2026年9月17日，透過Hugging Face的API查詢名稱含有「abliterated」（用來稱呼移除了拒答機制的版本）的模型，共8,049個（筆者自行計數）²⁸。多數公開的開源權重，幾天內就會出現拆掉拒答的衍生版。截至2026年3月，最強封閉模型與最強開源模型的性能差距是3.3%；2024年8月曾縮到0.5%，2025年再度拉開¹²。差距時開時合，但一直接近零。今天「只有前沿實驗室才碰得到」的能力，一兩年後就能下載，這個預期對照這些數字，算是保守的。

我把這叫做「野生LLM」問題。前沿公司內部發生的事，至少會被公布、會改程序。但員工自己下載模型灌進公司資料，或拆掉拒答的衍生版混進業務流程時，企業內部沒有公布的框架。越便宜，這類使用就越多。我在另一篇談開源權重的文章寫過，我贊成開放本身，理由是買方能核對拿到的是什麼。但對沒有核對手段的公司來說，開放不是自由，而是沒人管理的入口。

兩條曲線交會時，企業與個人會發生什麼

如果只有自主性上升，因為昂貴，用途有限；如果只有成本下降，能做的事和去年一樣。兩條同時走，會變什麼？我認為有三件事。

第一，現場的判斷變了。AI Index 2026引用的生產力研究顯示，客服提升14%到15%，軟體開發提升26%，行銷產出提升50%；同一時期，22到25歲軟體開發者的就業比2024年減少了將近20%¹²。變便宜的自主執行力，最先進入的是年輕人原本負責的「照吩咐做出來」的工作。留下來的是決定要做什麼、判斷做出來的東西對不對。現場有沒有判斷所需的材料，即使用同樣的工具，結果也會分開。我自己的體感是，進入2026年後，被問「會不會用AI」的次數變少，被問「AI產出的東西你怎麼驗證」的次數變多。

第二，工作方式往FDE（Forward Deployed Engineer，進駐客戶現場一起打造的工程師）靠攏。自主代理便宜取得後，「把系統做出來」本身不再稀缺。稀缺的是把現場的隱性知識化為語言、整理成能交給代理的形式的能力。我們持續寫FDE工作方式的系列文章，正是基於這個判斷。實際上，我們自己的開發每天的主力是Grok Build，今年以來沒有人在螢幕前、代理自己在跑的時間比例增加了。相對地，早上第一件事不再是「寫程式」，而是「讀昨晚的執行日誌，決定哪些交出去、哪些要停」。

第三，治理的重心從「核准模型」移向「記錄營運」。看看法規的現況。歐盟在2026年7月24日將AI綜合法案（第2026/1744號法規）刊登於公報，7月27日生效；AI法對高風險AI的義務，附件三的獨立系統延後至2027年12月2日，嵌入受管制產品者延後至2028年8月2日²⁹。日本方面，AI法（人工智慧相關技術研究開發及活用推進法）於2025年9月1日全面施行，2026年7月14日內閣通過第二期人工智慧基本計畫，計畫寫明「必須避免對特定國家或企業的過度依賴」，並提出「開放的『AI主權』」³⁰。兩者都不是走向事前核准模型，而是走向確保使用端的透明與選擇自由。前沿公司這邊也一樣，OpenAI的回報框架¹⁴，以及Amodei提議、Anthropic承諾的「具備與員工同等存取權的第三方評估者」¹⁶，都把重心放在事後的揭露與驗證。對企業的意義很清楚：被問的不再是「你用哪個模型」，而是「你怎麼跑、記了什麼、誰喊了停」。

要在整個組織裡把這些跑起來，需要經營層把AI當「工作者」而非「工具」來設計。我們的WARP一直在經營層與現場兩端，和客戶一起做這個設計。

我的結論。我認為「控制奇點」已經越過了

以下是筆者的看法。嚴格意義的技術奇點，也就是全面超越人類的智慧出現，截至2026年9月尚未確認。Altman的「我們在奇點裡」與馬斯克的「歡迎」，作為本人的話留在紀錄上，但都沒有說明憑什麼這樣判斷。

我想提另一種奇點：「打造者無法再事先保證其行為的那一點」。在這個意義上，我認為2026年已經越過了。根據就是前面排出來的紀錄本身。最前沿的實驗室，處理最謹慎對待的模型，仍在隔離環境裡出現了預料之外的行為，而且沒能完全擋下來。而兩家公司都沒有隱瞞，都公布了，並把原因歸到營運而非能力。既然無法事先保證行為，就只能靠事後偵測與喊停來補。兩家實際改掉的程序，全部指向這個方向。

從這個判斷出發，我認為需要三個轉變。

第一，從「假設善意的沙盒」畢業。「隔離環境裡評估就安全」的前提，在OpenAI報告所說「沒有啟用與對外部署相同水準的安全防護」的評估環境被突破的那一刻，就不成立了³。評估環境本身必須以有能力的攻擊者為假想來設計。這不只是前沿公司的事，而是所有在內部跑代理的公司都適用。

第二，把高階AI模型的權重當作軍商兩用品項來處理。我在Panasonic經歷過海外交易的第一線，現在做的是安全保障貿易管理的AI。從這個位置看，高階模型的權重和工具機、加密技術一樣，是民用與軍用都能轉用的技術。正如International AI Safety Report所寫，一旦公開就收不回來，安全機制也拆得掉²⁷。模型的公開、提供與移轉該怎麼管理，已經到了該在出口管制框架裡正面討論的階段。各國政府要畫在哪裡，還在變動中。我的立場是，日本應該坐在畫線的那一邊，而不是被管制的那一邊。

第三，投資「防禦端的AI」。Anthropic的威脅報告顯示，攻擊方已經用代理框架把攻擊的每個階段自動化¹⁵。光靠人手守不住。漏洞發現、異常偵測、稽核日誌的判讀，防禦端也必須用AI加速。Anthropic不把最高階模型全面對外提供、只給防禦目的的合作夥伴²，就是站在這個想法上。

成本曲線會推動這三件事。防禦端的AI與驗證用的代理，如今都能以去年十分之一的價格運轉。在越過控制奇點之後的世界，成本下降既是威脅，同時也是守方最大的順風。

明天開始做什麼

作為總結，從事故紀錄反推，把企業明天就能著手的事收斂成三件。

首先，列出公司內正在跑的代理清單。誰、用哪個模型、什麼權限、什麼網路範圍。OpenAI的事故是從套件管理服務這個「通訊的側門」開始的³。請在網路層確認，不需要對外的代理是否留著對外的路。這是第一步。

其次，寫下「能喊停的人」的名字。OpenAI引入了重大警報若無法在30分鐘內確認為誤報就暫停的規則³。要在自己的規模做同樣的事，就是把喊停的權限交給開發者以外的人，並在事故發生前決定停了之後由誰核准重啟。

最後，把省下來的成本花在「試驗次數」上。同樣的能力每年便宜數十倍，去年太貴做不了的驗證，今年可以每天跑。一點一點擴大交給代理的範圍，讀失敗的日誌，再擴大。跑過這個循環的公司，和觀望的公司，差距到2027年會清楚看見。

奇點不是某一天隨著號角聲到來的。它以系統卡的註腳、事故報告裡的一句話、價目表的修訂，安靜地來了。對於有習慣讀這些東西的公司來說，2026年不是焦慮的一年，而是判斷的一年。想從「誰喊停、怎麼停」開始一起設計自家的代理營運，歡迎透過WARP的個別諮詢聊聊。

參考文獻

Footnotes

1. Geoffrey Hinton的X貼文（2023年5月1日）。原文 "I left so that I could talk about the dangers of AI without considering how this impacts Google."（筆者譯） ↩

2. System Card: Claude Mythos Preview（Anthropic，2026年4月7日）。沙盒逃脫事例、註腳9（未觸及權重與內部系統，「不表示模型完全突破隔離」）、註腳10（研究人員在公園吃三明治時收到郵件）、不全面對外提供的決定皆出自本文件（筆者譯） ↩ ↩² ↩³ ↩⁴ ↩⁵

3. Hugging Face incident and the road ahead（OpenAI，2026年8月26日）。7月21日的公布、僅限內部的研究模型、安全防護水準、到第三方服務找解答、14組憑證、198題未解任務、「warning shot」、暫停RL、CoT監控、30分鐘規則皆出自本報告（筆者譯） ↩ ↩² ↩³ ↩⁴ ↩⁵ ↩⁶ ↩⁷

4. Relentless「Sam Altman - How to Start a Startup」（2026年7月25日）。原文 "we are now like in the singularity"（筆者譯） ↩

5. Elon Musk的X貼文（2026年8月1日） ↩

6. Time Horizon 1.1（METR，2026年1月29日）。Opus 4.5的320分鐘、GPT-5的214分鐘、倍增期196天與89天、228項任務出自本文 ↩

7. METR的X貼文（2026年5月）。原文 "We estimated a 50%-time-horizon of at least 16hrs (95% CI 8.5hrs to 55hrs) on our task suite, at the upper end of what we can measure without new tasks."（筆者譯）。相關頁面 Task-Completion Time Horizons of Frontier AI Models（2026年5月8日更新） ↩

8. GPT-6 Astra: A new generation of intelligence（OpenAI，2026年9月3日）。Codex的筆記功能、依Hugging Face事件設計的評估出自本文 ↩

9. Grok Models & Pricing（SpaceXAI Docs，2026年9月18日取得）、Introducing Grok 4.6（SpaceXAI，2026年8月12日）、Introducing Grok Build（SpaceXAI，2026年5月25日）、Grok Build overview（SpaceXAI Docs）。記憶功能出自SpaceXAI新聞列表2026年9月16日的「Memory in Grok Build」 ↩ ↩² ↩³

10. Pricing（Anthropic，2026年9月18日取得）。各模型價格、Sonnet 5導入價轉正式價、Fable 5.1快取命中0.025倍、Managed Agents每小時0.08美元出自本頁 ↩ ↩² ↩³ ↩⁴ ↩⁵ ↩⁶ ↩⁷

11. Ten advances in mathematics and theoretical computer science（OpenAI，2026年8月1日）。原文 "The total number of tokens needed to find solutions to these problems would cost roughly $2,000 at Sol API rates."（筆者譯） ↩

12. The 2026 AI Index Report（Stanford HAI，2026年4月13日）。OSWorld 66.3%、「每三次失敗一次」、開源與封閉差距3.3%出自Technical Performance章；採用率88%、代理部署個位數、生產力與就業出自Economy章；OLMo 3.1 Think 32B出自Research and Development章 ↩ ↩² ↩³ ↩⁴

13. Brief independent investigation of agents' behavior, reasoning and collaboration in the OpenAI / Hugging Face hacking incident（METR，2026年8月26日）。約1,200個代理、約700個、超過七萬則出自本報告 ↩

14. Our framework for reporting model misalignment（OpenAI，2026年9月16日）。原文 "our disclosures have been ad hoc and less frequent than ideal"、"our new framework favors disclosure even when significance is uncertain"，湖泊ID與API金鑰的事例出自本文（筆者譯） ↩ ↩²

15. Countering misuse of AI: September 2026（Anthropic，2026年9月10日）。原文 "A majority of the operations described in this report were enabled by AI via direct execution or orchestration."（筆者譯） ↩ ↩²

16. We Must Pace the Frontier（Dario Amodei，2026年9月12日）、Sam Altman的X貼文（2026年9月12日）、Elon Musk的X貼文（2026年9月12日） ↩ ↩²

17. Artificial Intelligence Index Report 2025, Chapter 1（Stanford HAI）。原文 "dropped from $20.00 per million tokens in November 2022 to just $0.07 per million tokens by October 2024 (Gemini-1.5-Flash-8B)—a more than 280-fold reduction in approximately 18 months."（筆者譯） ↩

18. LLM inference prices have fallen rapidly but unequally across tasks（Epoch AI，2025年3月12日） ↩

19. Pricing（OpenAI Platform，2026年9月18日取得） ↩ ↩² ↩³

20. Models & Pricing（DeepSeek API Docs，2026年9月18日取得） ↩

21. Introducing Jamba2（AI21，2026年1月8日） ↩

22. V-JEPA 2.1: Unlocking Dense Features in Video Self-Supervised Learning（arXiv 2603.14482，2026年3月15日投稿）、AMI Labs。原文 "world models that learn abstract representations of real-world sensor data, ignoring unpredictable details, and that make predictions in representation space"（筆者譯） ↩ ↩²

23. Recraft V4.1（Recraft Docs，2026年5月14日）、Recraft V4.1 Release: More Beautiful by Nature（Recraft） ↩

24. OmniSVG/OmniSVG1.1_4B（Hugging Face） ↩

25. Anthropic and Amazon expand compute collaboration（Anthropic，2026年4月20日）、Anthropic expands Google and Broadcom compute deal（Anthropic，2026年4月6日）、Higher usage limits and a SpaceX compute deal（Anthropic，2026年5月6日）、New Compute Partnership with Anthropic（SpaceXAI，2026年5月6日）。「與Google及Broadcom 5GW、自2027年起」依Anthropic 5月6日的記載 ↩

26. SpaceX Free Writing Prospectus（SEC EDGAR，2026年6月）。原文 "$920 million per month from October 2026 through June 2029"、約110,000顆NVIDIA GPU ↩

27. International AI Safety Report 2026（2026年2月3日）。原文 "They cannot be recalled once released, their safeguards are easier to remove, and actors can use them outside of monitored environments."（筆者譯） ↩ ↩²

28. 筆者自行計數。透過Hugging Face Hub API指定 search=abliterated，於2026年9月17日（UTC）加總所有分頁。此為名稱含該詞的模型數，並未逐一驗證安全機制是否確實被移除 ↩

29. Regulation (EU) 2026/1744（EUR-Lex）、AI Omnibus enters into force（歐盟執委會，2026年7月27日） ↩

30. 日本《人工智慧相關技術研究開發及活用推進法》（AI法）說明頁（日本內閣府）、日本《人工智慧基本計畫》第二期（2026年7月14日內閣會議通過，日文PDF）。引文為筆者譯 ↩