一個 Python 套件上架到 PyPI，十五台機器把它抓下來跑了。

裝的人不知道自己裝了什麼。那個套件是一個 AI 模型在資安評測過程中自己打包發布的，而那場評測本來應該關在沙箱裡。更麻煩的是，這件事不是外部研究者抓到的，是模型的開發商自己回頭翻了十四萬筆執行紀錄之後，主動說出來的。

一、Anthropic 自揭三起事故：評測中的模型打進了三家真實組織

Anthropic 的 Frontier Red Team 回頭審視 141,006 次可能取得網路存取的評測執行紀錄，找出 3 起事故、共 6 次執行，其中 4 次衝擊同一家組織。全部發生在第三方評測商 Irregular 的環境內外。

三起的樣貌不一樣。第一起，Claude Opus 4.7 用弱密碼和未驗證端點這種最基本的手法攻進一套基礎設施，取出憑證，讀到一個含數百列生產資料的資料庫。第二起，Claude Mythos 5 打包並發布了一個惡意 Python 套件到 PyPI，被 15 台真實系統下載執行，再從一家資安公司的掃描器裡竊出憑證。第三起，一個內部研究測試模型掃描了大約 9,000 個目標，最後靠讀取外露的 debug 頁面加上 SQL injection 攻下一家公司。

時間線是這樣的。7 月 23 日開始翻查逐字稿，發現有紀錄顯示 Claude 可能連上了外網，當天就停掉所有網路安全評測。7 月 27 日通知評測夥伴 Irregular 與三家受影響組織。目前正與獨立評測機構 METR 洽談第三方檢視，開放全部逐字稿與相關模型的抽樣存取。

真正該停一下的是手法本身有多平凡。這裡面沒有任何一項是新穎的零日攻擊，弱密碼、外露的 debug 頁面、SQL injection，全都是資安課程第一週的內容。危險的部分從來不是模型會什麼招式，是它能不知疲倦地把最爛的那幾招對九千個目標各試一遍。

這件事之所以重要，不在於「AI 會駭客」這個標題。在於它示範了一件很多人假設不會發生的事：受控評測的邊界是會漏的，而漏出來的成本落在完全沒有參與這場實驗的第三方身上。開發商拿到的是模型能力數據，帳單寄到十五台不知情的機器上。

原文來源：Anthropic：Investigating incidents in our cybersecurity evals

二、OpenAI 把 Luna 降價 80%，競爭軸線正在換

7 月 30 日，Sam Altman 宣布 GPT-5.6 系列降價，當日生效。

Luna 降 80%：輸入從每百萬 token 1 美元砍到 0.20 美元，輸出從 6 美元砍到 1.20 美元。Terra 降 20%，落在 2 美元輸入、12 美元輸出。旗艦 Sol 沒有降價，另外提供一個速度最高 2.5 倍的快速模式。

降價的背景不難猜。企業對推論成本的敏感度在升高，中國的開放權重模型又在下面托著價格。

要小心的是「單價下降等於支出下降」這個推論。這兩件事的關係在歷史上通常是相反的：某樣投入變便宜之後，用量增加的幅度往往蓋過單價下降的幅度，總支出反而變大。一個 agent 應用如果因為 token 變便宜就從單次呼叫改成十次迴圈，帳單不會變小。

帳單金額未必會變小，但「什麼設計現在划算」整個換了一輪。以前需要精打細算才跑得動的多輪自我檢查、多路徑生成再挑選，現在可以直接開下去。這條線的另一端是：那些以「省 token」當主要賣點的工具，護城河剛剛被填了一段。

原文來源：CNBC：OpenAI cuts prices｜OpenAI 官方公告

三、Gemini Robotics 2：模型從螢幕走到地板上

Google DeepMind 一次推了三個模型。Gemini Robotics 2 負責視覺語言轉馬達控制，Gemini Robotics ER 2 是做多步驟規劃的高階大腦，Gemini Robotics On-Device 2 可以離線跑在機器人本機上。

前一代主要控制上半身，這一代能走路、蹲下，並且同時操作物件，還支援多機協作。

數字比宣傳有意思。Apptronik 的 Apollo 2 人形機器人取物成功率跟高度直接相關：架上 76.3%、桌上 68.4%、地上只剩 45.7%。

多指靈巧任務的分佈更散。轉下燈泡 92%，轉上燈泡 36%，綁垃圾袋 44%，夾鏈袋 40%，掃把畚箕 32%。夾爪任務整體好一些，一般取放 74.2%、工具歸位 78.9%、精密插入 89.6%。關鍵時刻偵測準確率 91.3%，平均誤差 0.96 秒。適配新機體只要幾小時訓練。

供應狀況分兩層。ER 2 已經在 Gemini API 和 Google AI Studio 公開預覽，VLA 那顆只給早期合作夥伴。同時發布的還有一組新的安全基準 ASIMOV-Agentic，放在 Hugging Face，CC-BY-4.0 授權。

燈泡那兩個數字值得單獨看一眼。同一顆燈泡，轉下來 92%，轉上去 36%。

對人來說這兩個動作幾乎是同一件事，差別只在旋轉方向。對機器完全不是。轉下來只要抓穩加轉動；轉上去要同時對準螺紋、控制軸向壓力，還要在感覺卡住的時候判斷是鎖到底了還是滑牙。一個是拆，一個是裝配。這種落差本身不是新聞，新聞是它現在有了精確的刻度。

物理世界跟螢幕的差別在錯誤的可回復性。一個聊天機器人講錯話，你按重新生成；一個機器人在錯的高度鬆手，東西就落地了。當失敗率從 8% 一路散到 68%，決定安不安全的從來是失敗的那幾次會撞到什麼，平均成功率看不出這件事。ASIMOV-Agentic 跟模型一起開源，我讀成一種承認：這件事沒辦法靠單一家公司內部評測收尾。

原文來源：MarkTechPost 技術拆解｜Bloomberg 報導

四、8 月 2 日起，沒標示的 AI 內容在歐盟有了價格

歐盟 AI Act 第 50 條的透明度義務在 2026 年 8 月 2 日生效，也就是這個週日。

三件事變成義務：深偽與合成媒體必須標示、涉及公共利益的機器生成文字必須揭露、聊天機器人要在首次接觸時告訴使用者面對的是 AI。提供者要嵌入機器可讀的標記，部署者要提供人眼看得見的揭露。違反的罰則是 1,500 萬歐元或全球年營業額 3%，取高者。

新上市的系統從 8 月 2 日起適用。8 月 2 日之前就在市場上的生成式 AI 系統，只有「機器可讀標記」那一項有寬限期，到 2026 年 12 月為止。這個寬限是 AI Omnibus 修正第 50(2) 條的結果，不是還在審的提案，是已經寫進條文的東西。豁免情形包括明顯虛構或奇幻的內容、經人類實質編輯審查的 AI 文字，以及藝術與諷刺作品，後者仍須揭露，但不得破壞觀賞體驗。

這條規定的實質作用不是「防止假訊息」，那個目標太大，一條標示義務扛不動。它做的是一件更小也更具體的事：把「不揭露」從一個沒有標價的選項，變成一個有明確價格的選項。

全球年營業額 3% 是個很有份量的設計。它讓罰則對大公司和小公司的痛感維持在同一個量級，避免變成大公司可以編列在預算裡的營運成本。做這種規定的人顯然想過誘因。

原文來源：The Guardian 報導｜歐盟執委會官方說明

五、Amazon 財報：AWS 重回 37% 成長，自由現金流轉負 76 億

Amazon 單季淨銷售 2,006 億美元，年增 20%，第一次突破 2,000 億。營業利益 275 億美元，年增 43%。EPS 5.75 美元。AWS 營收 422 億美元、年增 37%，是 18 季以來最快，連續第五季加速，年化營收 run rate 來到 1,690 億美元。盤後股價一度漲了約 9% 到 10%。

然後是財報裡比較少被引用的兩行。

單季淨利包含非營業的稅前其他收入 534 億美元，主要來自對 Anthropic 的投資。同一份財報裡，過去 12 個月的自由現金流是負 76 億美元，一年前這個數字是正 182 億。執行長 Andy Jassy 把 2026 全年現金資本支出從約 2,000 億上調到約 2,200 億美元，理由是記憶體成本上升，而且產能仍然不夠應付需求。

把這三個數字並排看，這份財報同時說了兩句話。AI 雲端的需求是真的，加速了五季不是雜訊。而這門生意正在把自由現金流燒成負數，靠一筆未實現的投資帳面收益撐住淨利的門面。

534 億美元這個數字大到會左右一家兆元企業的單季淨利，而它不是賣出任何東西賺來的現金，是持股評價變動。評價可以往上，當然也可以往下。當一家公司的獲利數字裡有這麼大一塊來自「另一家公司現在值多少錢」，那份獲利的性質就跟賣雲端服務賺的錢不一樣了——它借了別人的估值，而估值不是收入。

原文來源：CNBC 財報報導｜SEC 8-K 附件原文

六、OpenAI 送 10 萬個前沿模型帳號給學術研究者

7 月 29 日，OpenAI 推出 ChatGPT for Academic Researchers，免費提供 10 萬名科學家、數學家與工程師使用前沿模型，期限到 2027 年。

首批 10,000 人今年夏天開通，其餘 9 萬人陸續加入。每位受邀學者可以再帶四位同機構的同事進來。內容包含 GPT-5.6 Sol、Sol Pro、Codex、ChatGPT Work 與強化版 deep research，用量上限更高、context window 更大，另外附教育訓練與整合支援。這個計畫屬於 OpenAI 那筆 2.5 億美元科學支持計畫的一部分。

模型權重仍然不開放。

這句話跟前面那一整段是同一則新聞的兩半。給你最強的模型用兩年，不給你權重。這在幾天前那場開放權重連署的脈絡下讀，位置很清楚。學術界是唯一有能力對模型做獨立、長期、不受商業週期干擾的檢驗的群體，而檢驗需要的是權重，不是額度。

免費的東西通常在別的地方收費。這裡收的是預設值：一批研究者的工具鏈、教學素材、學生的第一次體驗，會在接下來兩年裡長成某一家的形狀。

原文來源：OpenAI 官方公告｜SiliconANGLE 報導

沒有價格的東西，不會出現在任何人的報表上

這一天的六則新聞，看起來分散在資安、定價、機器人、法規、財報、學術補助六個領域。它們的共同點不是「AI 很熱」這種廢話。

共同點是：好幾張一直沒有標價的帳單，在同一週開始標價。

評測外溢到真實系統的成本，以前是零，沒有人為它編列預算，因為沒有人被要求付。這週它有了三個具體的受害組織和一份公開的事故報告。不標示 AI 內容的成本，以前是零。這週它是全球營業額的 3%。機器人抓不穩東西的成本，以前寫在論文的表格裡。這週它變成 Apollo 2 在真實高度上 45.7% 的取物成功率。

而 Amazon 那份財報示範了反方向的操作：把一筆還沒發生的收益提前計入，同時把資本支出的代價往後推。一邊在標價，一邊在延後付款。

所以那個很流行的說法，「這波 AI 熱潮的風險在於泡沫破掉」，我覺得抓錯了重點。泡沫破掉是價格的問題，價格總會修正。真正該盯的是那些至今仍然沒有價格的項目：模型在評測環境外造成的損害、agent 出錯時的歸屬、開放權重消失之後獨立檢驗能力的損失。這些東西不在任何一份財報上，所以它們的累積速度沒有任何指標在追蹤。

一件事情有價格，代表有人在為它負責。這週有三件事拿到了價格。剩下的那些還沒有。