AI 與科技新聞摘要 - 2026/10/23

同一個數字，換一個比較對象，意思可以差一大截，而報導通常只給你其中一個。今天的六則裡，有四則的重點不在數字本身，在它是誰量的、跟誰比、當事方認了沒有。

一、83% 對 36%：被比的那一邊，少了專科醫師

TechCrunch 10 月 22 日的報導說，Microsoft AI 的診斷系統 MAI-DxO 登上 Science（週四刊出）。Microsoft AI 執行長 Mustafa Suleyman 把結果稱為邁向「medical superintelligence」的一步。實驗用的是 New England Journal of Medicine 的複雜病例，在模擬情境裡，系統答對 83%；基層醫師與一般內科醫師「各自作業、可以查參考資料」，答對 36%。

標題讀起來是「兩倍多」。但報導自己有一句提醒：這麼複雜的病例，平常是專科醫師或醫療團隊在處理，而他們不在這次比較裡。所以 83 對 36 比的是系統與「不是現場會接這種病例的人」，這個數字回答不了「比起真正會處理的人呢」。

我比較在意的是報導裡另外幾組數字。GPT-5 在簡短的基本提示下，單獨跑複雜病例是 78.9%，每個病例約 8,400 美元；加上 DxO，成本少約 3,000 美元，準確度只多約四個百分點。換成 4 月發布的 GPT-5.5，複雜病例從 72% 升到接近 87%，成本略低。急診病例則兩種底座都沒什麼進步。報導也引了研究自己的資料：進步有很大一部分來自更強的底層模型，強弱模型之間的差距，比 DxO 帶來的提升還大。Microsoft 測了來自 OpenAI、Google、Anthropic、Meta、DeepSeek 的模型，最好的結果出現在 GPT-5 與 GPT-5.5。

同一套編排，貢獻是四點還是十幾點（我自己用 87 減 72 估的，原文沒給這個差），要看它站在哪個底座上。這兩組的設定有沒有差別，我讀到的段落沒寫，所以我不把 78.9% 和 72% 拿來互比。

我的判斷是：這份結果撐得起「在這批模擬病例上，配了編排的模型勝過獨自作業的基層醫師」，撐不起「勝過醫師」。如果 Microsoft 與 Beth Israel Deaconess Medical Center 那項後續研究（報導說會在不同醫院場景評估，同意參與的人也會同時使用 DxO）把專科醫師或醫師團隊放進對照組，而結果仍然撐住，我會收回這句保留。

原文來源：TechCrunch：Microsoft’s Mustafa Suleyman says its AI outperforms doctors on hard cases，2026-10-22

二、OpenAI 據報籌資：兩個估值，一個是 pre-money

TechCrunch 10 月 22 日引 CNBC 的消息來源：OpenAI 正在籌最多 300 億美元，pre-money 估值 1.25 兆美元，由 Coatue 與阿聯酋的投資人領投。TechCrunch 還提到，阿聯酋的資金可能搭配一筆替 OpenAI 取得更多運算容量的交易。一個月前 Bloomberg 有類似的報導，寫的是籌 300 億美元、估值 1.4 兆美元。TechCrunch 的說法是兩家媒體都在報，所以數字最後可能會變。OpenAI 拒絕評論。

背景有兩個：OpenAI 在 6 月遞交了保密的 IPO 文件；最近一次募資在 3 月，當時估值 8,520 億美元，口徑是 post-money。

這裡的陷阱是口徑。3 月那輪是 post-money，這輪是 pre-money，兩個口徑不同的數字直接相減，得到的不是漲幅。Bloomberg 那句 1.4 兆，TechCrunch 引的字面沒標 pre 或 post，我讀不到 Bloomberg 原文，所以 1.25 兆與 1.4 兆到底是打架、還是量法不同，我判斷不了。我能說的只有：這是兩家媒體各自引用消息來源的報導，當事方沒有確認。

原文來源：TechCrunch：OpenAI working on new $30B raise at $1.25T valuation ahead of IPO，2026-10-22

三、DeepSeek 據報募得約 150 億美元，兩天前美國才下令聯邦文職機關移除它

TechCrunch 的標題是「reportedly raises」。Bloomberg 的報導是，DeepSeek 募到約 150 億美元，約 1,000 億人民幣，是中國最大的幾輪募資之一。TechCrunch 轉述的投資人是電池廠 CATL 與騰訊等，原文用的詞是「可能的投資人」。DeepSeek 對 TechCrunch 的置評請求，原文寫的是「尚未回覆」，這不等於確認，也不等於否認。

時間上，報導的第一句就把它放在美國命令聯邦文職機關基於安全疑慮、從系統中移除 DeepSeek 技術的兩天之後。前一輪是 6 月，超過 70 億美元，估值 500 億美元；7 月則是據報另外尋求 15 億美元、估值約 710 億美元，並考慮最快明年在中國 IPO。本輪的估值，我讀到的第二手說法彼此對不上，所以不寫。

「兩天後」很容易被讀成因果，原文只給了先後順序，我不替它補因果。

原文來源：TechCrunch：DeepSeek reportedly raises $15B days after US restrictions，2026-10-22

四、Anthropic 想證明函式庫不會出事，沒證出來的地方先揪出了數百個 bug

Anthropic 的研究頁（10 月 22 日）說，Claude 對 Google OSS-Fuzz 計畫裡 123 個開源函式庫、共 239 個進入點，證明了組合語言層級（RISC-V）的安全性質：輸入小於 64 MB 時，程式會正常結束，不觸發記憶體安全錯誤，也不會讓斷言失敗。前提是單執行緒的靜態 binary、固定記憶體預算。

最讓我意外的是副產品。原文寫「嘗試證明這些規格的過程，發現了數百個 bug」，「數百」是原文用詞，我不換算成精確數字。舉的例子有四個：解壓縮器裡一個計數器 underflow 造成 out-of-bounds write，只在約 20 MB、帶一種罕見佈局的輸入上出現；影像解碼器的 out-of-bounds read，要 64 MB 輸入加上超過 2 GB 記憶體才觸發；重新發現 libexpat 的 CVE-2026-56132，需要深層巢狀的輸入；還有一個沒有崩潰的邏輯錯誤：限制應用程式能載入哪些檔案的功能，並不是每次都被強制執行。

前兩個要這麼大的輸入才會發作，隨機測試要碰到不容易。這是我的推測，原文沒有拿它跟 fuzzing 比較。最後那個邏輯錯誤更說明一件事：能被證明的是你寫下來的規格，規格漏掉的東西，證明不會替你補。

原文自己劃了界線。「Formally verified」不等於沒有 bug，bug 可能藏在受信任的元件（RISC-V 與作業系統的模型、proof checker），或規格與真實硬體不符的地方；證明涵蓋的是連結 musl libc 的單執行緒靜態 RISC-V binary，多數人其實在 x86 或 ARM 上動態連結 glibc；AddressSanitizer 抓不到所有記憶體錯誤，也沒有每個函式庫的所有進入點都驗過。成本方面，原文說證明可能要花數億 token，我讀到的句子沒說這是每個證明還是每個函式庫。

我的看法是，這件事現階段的價值在「逼著證明時找 bug」這個過程，不在「已驗證」的那張證書。我會把它當成比 fuzzing 貴、也徹底得多的找 bug 方法，不當放行的憑證。如果有人換成 x86 加 glibc 的建模重跑，找出這次證明沒擋到的 bug，我會再往下調對證書的信任；如果成本降到能每次提交都跑，我會往上調。昨天寫的 Trail of Bits 在處理的是「AI 修完誰來驗」，這一則是「驗的那一步要花多少」，兩邊還沒有接起來。

原文來源：Anthropic：Formal verification，2026-10-22

五、Decisions API 全面開放，報導裡的名次沒有跟著好看

OpenAI 在 10 月 22 日（週四）把 Decisions API 開放給所有客戶，9 月 29 日的 developer day 首度宣布。TechCrunch 寫的做法是把既有的 ChatGPT Luna 針對推論速度與成本重新配置，並不是新訓練的模型；公開版加入語音與視覺，也依地區配置推論資源。OpenAI 的 Nikunj Handa 說延遲從一到三秒縮到 100、120、180 毫秒；客戶 Speak 的 CTO Andrew Hsu 說動作之間的間隔從 1.4 秒降到 0.13 秒。這兩個數字都是當事人自述，我讀到的段落沒有第三方量測，原文只說便宜，沒給價格數字。

競爭面的名次就沒那麼好看。報導說，TypeSafe 的 Jev 開創了這個類別，在文中引的兩個指標上排第七與第三，OpenAI 的 decision model 排第八與第十四；Liquid 上週發布的 D1 Ultra 與 Base Lab 的 Elephant-1，則是那些 benchmark 偏好的對象。報導點名的兩個指標是 AIM System One Index 與 Artificial Analysis Decision Index，第七與第三、第八與第十四是照這個順序對應；至於各自怎麼評、誰維護，我沒讀到。

開放與名次是兩件事：前者說的是誰拿得到，後者說的是在某兩把尺上表現如何。在看到評測方式之前，我不把第八、第十四當成「OpenAI 比較差」的證據，也不把毫秒當成「比較好」的證據，兩邊都只有一面之詞。真要用的人，該量的是自己情境下從輸入到動作的完整延遲，以及決策錯一次的代價。這兩個軸，一個延遲數字蓋不住。

原文來源：TechCrunch：OpenAI makes its Jev competitor widely available，2026-10-22

六、Micron 桃園工會罷工：11 個人，與 88.3% 的贊成票

Nikkei 10 月 22 日報導，Micron 的一個工會發動了台灣半導體業的首次罷工，爭議是薪資與獎金沒有反映 AI 記憶體的獲利。Seoul Economic Daily 10 月 23 日的後續報導（引 CNA）給了細節：桃園的工會 22 日上午 9 點起罷工，為期 24 小時的警告罷工，只有 11 名工會幹部參加；訴求是建立永久制度，每季把營業利益的 15% 當獎金發放；罷工投票 2,258 名會員中有 1,994 人（88.3%）贊成。Micron 的回應是尊重員工的合法權利，會與兩個工會善意協商。

另有第二手說法把訴求與公司方案改用「月薪倍數」表述，口徑和上面對不上，我不寫那些數字。

11 人與 1,994 張贊成票並不矛盾，一個是 24 小時警告罷工的現場，一個是授權。要判斷談判籌碼，這兩個數字都不夠。訴求寫的是「永久制度」，所以我之後看的是 Micron 肯不肯把分潤制度化，不只是一次給多少。如果最後公開的方案是固定比例，我會收回這個看法。

原文來源：Nikkei：Taiwan’s first-ever chip workers strike begins at Micron plant，2026-10-22；Seoul Economic Daily：Micron union in Taiwan strikes，2026-10-23

之後看到類似的報導，我手上有三道題，答不出來的數字就只轉述、不拿來比較。看到百分比，先找對照組少了誰，MAI-DxO 少的是專科醫師。看到估值，先找它是 pre 還是 post，OpenAI 的 3 月與這一輪就是兩種口徑。看到金額，先找是誰說的、當事方認了沒有，DeepSeek 那 150 億美元目前只到「Bloomberg 報導」。Anthropic 那頁倒是自己先把前提列完了，這種寫法讓人比較敢用它的數字。