晶片與半導體 · 今日
本篇出自 2026年7月18日 晨報
官方部落格 07-17 的論點：agent 時代的模型不是訓練完就結束，上線後要隨環境變化持續補強訓練 (post-training)，這種跑不停的迴圈正成為中心工作負載；因此在「每百萬 token 多少錢」之上，還要算「每美元買到多少智能」，也就是同樣的錢，能把模型堆到多聰明(NVIDIA Blog，07-17)。給的數字全是自家的：開放權重模型 Nemotron 3 Ultra 在真實軟體修 bug 評測 SWE-bench Verified 自報 71.7%；Vera Rubin 平台自稱用 Blackwell 世代四分之一的 GPU 數就能訓練最大的模型，但「最大的模型」是哪個、四分之一比的基準是什麼，原文都沒給，這句目前無法驗證。驗證： 廠商自報、無第三方複現；但口徑本身值得記。本報昨日的 2026/7/17 期模型觀點才寫過 Databricks 的「每任務成本」實測，便宜的 token 不等於便宜的任務；賣晶片的現在把同一邏輯再抬一層。比價的尺從「單價」移向「結果」，採購的算法要跟著變；開獎點在第三方是否用同一把尺複現這套帳，例如 SWE-bench Verified 配上每百萬 token 成本，在那之前它仍是廠商敘事。
只留 email，隨時退訂。這是我們唯一想請你做的事。
五家電子設計自動化與 AI 晶片設計工具廠商的產品負責人在一場閉門圓桌上說，過去一年客戶對 AI 代理人的討論已經從「無上限的預算」轉為「在工程師層級限制 token 數或金額」，…
9 月 9 日 OpenAI 發企業版發布稿，把這款模型的定位從「最聰明的模型」改寫成「每一塊錢做最多有用的事」，並首次公布 API 價目：每百萬個輸入 token 10 美元、輸…
OpenAI 一份由財務長 Sarah Friar 署名的文件，第一次給出自研推論晶片 Jalapeño 的數字：在三個公開模型上測，每瓦峰值 token 吞吐量是受測商用系統的 …
Meta 9 月 8 日發表 Muse：跑在每個使用者專屬的雲端虛擬機上，可以開瀏覽器、填表單、代表使用者議價，先在美國上線（Meta Newsroom，2026-09-08）。方…