一個模型先不開放給一般人，一個模型在自己的模型卡裡就承認它做不到即時。今天這兩則，是主角自己把限制寫在能力旁邊：Gemini 4 Carbon 先只給資安防守者，Nemotron 3.5 Transcribe 只吃錄音、不吃直播。剩下三則是成本、財報和海關，每個數字都得問一句：誰說的。我先收下限制，再回頭處理數字。

一、Gemini 4 Carbon：先給防守者，分數是 Google 自己給的

Google 在 10 月 28 日發表 Gemini 4 Carbon，官方部落格署名 Koray Kavukcuoglu（SVP, Google DeepMind and Chief AI Architect, Google）。頁面上最值得讀的是發放順序：「Starting this week, we will make Carbon available to a subset of cyber defenders」，之後才會開給開發者、企業與消費者，頁面沒有給日期；另外會透過 Fairwind Program 逐步開放給更多受信任的夥伴。

數字有三個。Google 說 Carbon 在 SEC-bench Pro 拿到 88.2%，並稱它是 state-of-the-art，這個頭銜是 Google 自己給的，我沒取到頁面上的比較基線。CWE-bench 是 Collinear 的基準，Carbon 拿 71.0%，我讀到的那一句沒有交代分數是誰跑的。生成安全程式碼的成功率，Google 說在內部基準上比 Argon 高「more than 2x uplift」，這是自測。三個數字都出自同一份 Google 發表，沒有第三方重跑。

先給防守者這個安排，我願意給正面的讀法：能找漏洞的模型，最先該握在要補漏洞的人手上。但倒過來問一句，這個安排最可能怎麼壞掉？「a subset」怎麼挑、Fairwind 的門檻是什麼，我讀到的頁面都沒寫。名單的邊界我沒讀到公開說明，在那之前，限制只是一句話，還不是一道門。

如果你不在防守者名單上，這則現在跟你的決策沒有關係，不必評估。要我拿 88.2% 去跟別的模型比，需要有第三方公開重跑的結果。

原文來源：Google：Gemini 4 Carbon: our next frontier model，2026-10-28

二、Nemotron 3.5 Transcribe：「這是離線模型」寫在模型卡裡

Nvidia 的 Hugging Face 模型卡日期是 10 月 28 日，開頭就說這是 open-weight、offline 的語音與音訊模型，支援 40 種語言轉錄。接著一句我覺得寫得很老實：「This is an offline model. Internal audio chunking does not make it a real-time streaming ASR service.」內部會把音訊切塊，但不能因此把它當成即時串流語音辨識。TechCrunch 在同一天的報導說法一致：處理錄好的音訊，不處理直播。

TechCrunch 另外寫到它可以分辨最多八位說話者、可與英文互譯 31 種語言。模型卡對說話者標籤的限制也寫得直接：標籤用來區分同一段錄音裡的不同人，不能確立真實身分。翻譯則是英文與列出語言之間的雙向支援。授權是 OpenMDW License Agreement 1.1，卡上說可商用也可非商用；授權條文本身我沒讀。模型卡我也只讀到前面大半，後段沒讀到。

模型卡寫的參數是 34B（啟用 4.3B），模型名稱寫的是 30B-A4B，兩邊對不上，我用卡上的數字，也不替它解釋差異。

這則的判斷很短：要做會議錄音整理、客服錄音回放的人，可以拿來評估；要做即時字幕的人，今天可以直接跳過。限制直接寫在模型卡裡，省的是你花一個下午才發現不能用的時間。

原文來源：Hugging Face：NVIDIA-Nemotron-3.5-Transcribe-30B-A4B-FP8 模型卡，2026-10-28；TechCrunch：Nvidia releases new open transcription model，2026-10-28

三、Copilot Fusion：60 比 62 有人量，「少 40% 時間」沒有

GitHub Universe 上，Copilot Fusion 正式推出。GitHub 的 Chief Product Officer Mario Rodriguez 的說法是：「It’s not a model. It’s an orchestration engine at runtime,」VentureBeat 寫它有 Single、Cascade、Critique 三種模式。GitHub 官方原文我沒讀到，下面全部是 VentureBeat 10 月 28 日那篇的內容。

成績單要分開讀。Artificial Analysis 用它的 Coding Agent Index v2.0 量測，Fusion Max 得 60，Claude Code 搭 Opus 5.5 Max 約 62，差大約 2 分。每個任務的平均成本，VentureBeat 寫 Fusion 是 5.59 美元，Claude Code 搭 Opus 5.5 是 11.42 美元，約少 51%。這組成本是誰量的，我讀到的內容沒有明寫，所以只能當 VentureBeat 的轉述。

明講不是 Artificial Analysis 量的有兩個。一個是 GitHub 說 Fusion Max 完成基準任務用時少約 40%，VentureBeat 明寫：「Artificial Analysis did not report the per-task timing data behind that claim」，所以這個時間數字是 GitHub 說的。另一個是 Satya Nadella 宣傳的最多省 77%，出自另一份公司自報的評估。

價格那一層也要拆開：使用者依 Fusion 呼叫的每個底層模型的標準費率計費；付費 Copilot 訂閱者用 Fusion 時，模型成本另有暫時性 30% 折扣。這個折扣與基準測試裡的任務成本節省是兩回事，別加在一起。Fusion 已在 Copilot 各方案正式提供，涵蓋 VS Code、Copilot app、Copilot CLI 與 JetBrains IDEs。Microsoft 的 Jay Parikh（EVP of CoreAI）說：「Completed work, not more code, is the output that matters.」

我的取捨：半價換 2 分的差距，這筆帳我先記著，只是成本那組出處沒寫明，我當轉述看；「少 40%」與「77%」先不入帳。條件也要說清楚：那份基準是 Artificial Analysis 的任務集，你的程式庫不在裡面，我不會拿 51% 預測你的帳單。要把 40% 算進來，需要有人公開逐任務的計時資料。

原文來源：VentureBeat：GitHub Copilot Fusion mixes models to achieve near-Opus 5.5 coding performance at half the per-task cost，2026-10-28

四、Alphabet 第三季：Cloud 翻倍，Search 放緩，這份能自己對帳

Alphabet 的 8-K 新聞稿 dateline 是 10 月 28 日，同一份文件裡句子與表格對得起來，所以我先算帳。整體營收增加 25%，到 127.6 billion 美元（表格 127,577 百萬對去年同季 102,346 百萬）。Google Cloud 營收增加 103%，到 30.7 billion 美元（表格 30,709 百萬對 15,157 百萬），我自己除了一次，約 2.03 倍，與句子相符。Cloud 的營業利益只出現在分部表格：11,121 百萬對去年同季 3,594 百萬，新聞稿沒有對應的句子。

Search 那邊，新聞稿寫 Google Search & other 成長 12%（63,350 百萬對 56,567 百萬）。TechCrunch 寫的是 Search revenue 成長 12%，前兩季分別是第二季 17%、第一季 19%，並說 Search advertising growth 持續放緩；兩邊的口徑名稱略有不同，數字一致。同一篇引 Philipp Schindler（Google chief business officer）說，正把 AI Mode 的 AI overviews 裡的高品質廣告擴到更多使用者與查詢，「taking our monetization footprint global for the first time」。Sundar Pichai 的說法是：「We had a strong quarter and are now on a half-trillion dollar revenue run rate.」

還有一組讀的時候要停下來的數字。現金流量表上的 Purchases of property and equipment 是 51,355 百萬，去年同季 23,953 百萬，約 2.1 倍（我算的）。新聞稿沒有用 capex 這個字，這是現金流量表的科目，而且是全公司的，不只 Cloud。每股盈餘 2.12 美元，去年同季 2.87 美元，可歸屬於普通股股東的淨利 26.2 billion，對表格裡的 34,979 百萬；我讀到的新聞稿與表格沒有解釋原因，我也不猜。

股價怎麼反應，各來源的跌幅互相打架，我沒讀到一手數字，不寫。

放在一起看，今天最讓我在意的是兩條線的相對位置：賺錢的老引擎成長從 19% 到 12%，新引擎翻倍，而新引擎旁邊那個花錢的科目長得比它還快一點。這個「快一點」是我拿兩個不同口徑的數字比的，只能當線索。如果下一季 Search 的成長止跌回升，我會收回「放緩是趨勢」這句話；如果它繼續往下，Cloud 的利潤率就變成唯一的緩衝，那時候我才會認真算那個花錢科目。

原文來源：Alphabet 8-K 新聞稿（SEC），2026-10-28；TechCrunch：Google expands AI search ads globally as core ad growth slows，2026-10-28

五、馬來西亞：30 台伺服器，申報成電子零件

這一則我讀到的只有 explainx 轉述 Bernama 與 Malay Mail 的報導，以及 Tom’s Hardware（Reuters 稿）的標題頁，內文與一手原文都沒讀到。以下都是轉述，金額與規則的細節尤其如此。

馬來西亞海關 10 月 28 日開記者會公布：吉隆坡國際機場（KLIA）自由貿易區的倉庫，查獲 30 台伺服器，價值接近 4,950 萬令吉（約 1,210 萬美元）。檢查日是 10 月 15 日。explainx 轉述，這批貨用單一空運提單申報成 electronic components，從一個亞洲國家運入，要經馬來西亞再出口到另一個亞洲國家。KLIA 海關處長 Aspalila Ag. Tuah 說，這些伺服器運入是「allegedly to evade detection by the authorities」，並說該集團把馬來西亞當作轉運點。

晶片品牌、原產地與目的地因調查進行中而未公布，目前無人被捕，經手公司被請去協助調查、未具名。報導沒說晶片型號，我不猜。explainx 說這是疑似同一集團今年第五起，較早的一起是 6 月在同一機場自由貿易區查獲的 72 台伺服器，價值 5,290 萬令吉，申報為電腦備品。「第五起」只有 explainx 這一個來源，五起的合計金額各家說法互相打架，我不寫總額。

許可規則同樣是 explainx 的轉述，依據是 Strategic Trade Controller’s Directive No. 1/2025：TPP 4,800 以上需許可；TPP 1,600 以上且 Performance Density 3.2 以上也需許可；要在晶片進入馬來西亞前 30 天申請；規則涵蓋轉運。

我讀這則的重點在抽樣的性質：被查到的是五起，沒被查到的有幾起，這份轉述沒有任何線索。規則寫得很清楚，轉運也要許可，所以這類案件的破口落在申報內容與實際貨物對不對得上，這是我的讀法，報導沒這樣寫。要改變我的看法，需要海關公布查獲的貨物與許可申請紀錄怎麼比對。

原文來源：explainx.ai：Malaysia KLIA customs 30 AI servers（轉述 Bernama／Malay Mail），2026-10-28；Tom’s Hardware：Malaysia seizes $12 million worth of advanced AI chips（Reuters 稿，只讀到標題頁），2026-10-28

我的排序很粗：能被對帳的承諾，排在沒辦法對帳的好成績前面。

限制就是一種事後能對帳的承諾。Carbon 說先給防守者，之後有沒有開給開發者，一看就知道；Transcribe 說不是即時，你拿去接一段直播，當場就驗得出來。「少 40% 時間」這類成績不一樣，沒有公開的逐任務計時資料，我這邊驗不了。

要我把順序倒過來，只有一種情況：那些成績的原始資料公開，而且有第三方重跑。