AI 與科技新聞摘要 - 2026/11/05

同一個語音助理，裝進智慧音箱，歐盟的 AI 法規管得到；做成 App 讓人下載，大致就管不到。這個邏輯來自英國政府 11 月 4 日發布的北愛爾蘭指引：音箱是它自己舉的案例，App 那半邊，是我拿它「獨立軟體與 App 通常不在範圍內」那句推出來的。今天五則裡，有四則是二手或廠商自報，宣稱的東西和能驗證的東西之間都隔著一段距離，每一則隔的方式不一樣。

一、北愛爾蘭的 EU AI Act：管轄範圍由「有沒有塞進實體產品」決定

指引的 PDF 我讀了（沒有讀完全部章節，下面只引我讀到的部分）。核心句是：EU AI Act 自 2026 年 11 月 10 日起納入 Windsor Framework，但範圍有 “important exemptions”，因此在北愛爾蘭的適用比在歐盟更有限。更具體的一句是：獨立軟體、線上 AI 工具與 App 通常不在範圍內，只有 AI 系統與實體產品緊密整合時，才適用這套規則。

「緊密整合」有兩個判準。條件 A：AI 系統在產品上市時就內嵌或預先安裝在實體產品裡；條件 B：AI 系統是另外下載的，但產品被特別設計成只為了讓那個系統執行產品的預期功能。指引舉的範圍內案例，就是內建 AI 語音助理的智慧音箱，原文寫它符合條件 A。

時程也分了批。AI literacy（Article 4）、禁止的 AI 做法（Article 5）、揭露你正在跟 AI 互動（Article 50(1)）從 11 月 10 日生效；標示 AI 生成內容（Article 50(2)）是 12 月 2 日；Annex III 的高風險是 2027 年 12 月 2 日；Annex I 的高風險是 2028 年 8 月 2 日。指引另外註記，Article 5 中針對未經同意的私密影像與 CSAM 的禁止，自 12 月 2 日起適用。義務落在把 AI 緊密整合進實體產品、並在北愛爾蘭市場上市的提供者，也就是製造商、進口商與經銷商。

指引全文約 1,440 行，我只讀了上面這些片段，例外與案例表沒有逐行看。部長發言只在二手搜尋摘要裡見過，我沒讀原文，所以不引用。

我的立場：這個切法讓監管對象跟著包裝走，而不是跟著風險走。同一套模型能力，放在音箱裡有合規義務，放在 App 裡沒有，風險沒變，變的是它被裝在哪裡。我讀這份指引的第一個直覺是，做硬體的人會比做 App 的人更早被追問，因為他們剛好被框進來了。這是我的讀法，指引沒有這樣寫。

會讓我改口的條件：我沒讀到的例外章節，把「下載後與硬體配對的 App」也明確排進範圍；或後續執法把條件 B 解釋得很寬，那「App 大致不受管」這句我就收回。

原文來源：GOV.UK：Guidance on the EU AI Act in Northern Ireland（PDF），2026-11-04

二、Meta 收購 Conductor：日期寫得比價格清楚

這一則是二手：TechCrunch 報導，作者 Lucas Ropek，Meta 向 TechCrunch 確認了收購，其他一律拒絕評論。Conductor 創辦人 Charlie Holtz 在自己部落格與 X 上的公告，我讀不到。Axios 首報的連結我也沒打開。

TechCrunch 的產品描述是：讓使用者把多個 agent 部署到平行工作區，去啟動軟體專案。收購價格與條款，報導明寫未揭露。我手上有的具體日期，是 Conductor 的雲端服務 2026 年 11 月 20 日關閉，之後會開始刪除使用者的雲端資料；核心功能到明年初仍照常運作。這幾項是 TechCrunch 內容的轉述，原句我沒有逐字取得，所以只能當轉述寫。

價格沒有，關閉日有。給得出的日期，才是用戶要為它改行程的那個。從報導當天（11 月 4 日）算起，用戶只有大約 16 天可以處理雲端上的專案資料。我的立場：用過 Conductor 雲端版的人，現在就該把資料匯出來，不要等到「核心功能仍可用」的承諾兌現與否有答案之後。

另一個我不下結論的點：多 agent 並行工作區，原本是一個獨立產品的賣點，現在變成大公司買進的功能。這個方向代表什麼，報導沒給足夠的材料，團隊會併進 Meta 的哪個單位我也沒讀到，所以我只記一筆，不推論。

會讓我改口的條件：Holtz 的原文公告給了比 11 月 20 日更長的資料保留期，或 Meta 之後揭露交易條件。

原文來源：TechCrunch（二手）：Meta acquires AI coding startup Conductor，2026-11-04

三、騰訊 Hy4 正式版：價格沒動，「即將開放」沒有日期

這是先前 Hy4 preview 的後續。來源是 TechNode 的轉述；騰訊自己的頁面我抓到的內容只有標題，讀不到內文，所以以下全是 TechNode 的說法。

TechNode 說，騰訊把視覺理解與電腦操作能力加進旗艦模型，這是個 770-billion-parameter（7,700 億參數）的模型，可在騰訊旗下產品使用。第三方平台包括 OpenRouter 也能取用，並整合進 WorkBuddy 與 CodeBuddy；限量免費額度是 11 月 4 日到 11 月 15 日。API 定價與 preview 相同：每百萬 input tokens 0.834 美元、output 2.501 美元；Tencent Cloud TokenHub 到 12 月 31 日五折。這些價格是廠商自報的牌價。

權重與 system card，TechNode 引的是 “Tencent plans to release its weights and a system card shortly.”，沒有日期。另外預告了較低價的 flash 版，同樣沒日期。

770B 是總參數量，還是 MoE 的活化參數量，報導沒講架構，我不猜。權重是否已經上 Hugging Face 或 GitHub，我沒去查。TechNode 也沒有報任何基準測試數字，我沒有任何可以比較的成績，更不會寫能力排名。

我的立場：「計畫開放」跟「已經開放」是兩個不同的狀態，價格表跟免費額度能被驗證，權重不能，所以現在能評的只有定價。定價沒變、功能加了兩項，對用 API 的人是好消息，這點我認。至於「開放權重」這個賣點，我要等檔案真的放出來、有人下載跑過，才算數。

會讓我改口的條件：權重與 system card 在 Hugging Face 或 GitHub 上線，而且授權寫明可商用，那我會把這一節的口氣從「等」改成「看第三方跑出的結果」。

原文來源：TechNode（二手）：Tencent launches Hy4 with vision and computer-use capabilities，2026-11-04

四、Ripple-65B Preview：只領先一列的基準表

這一則的原始資料我讀了：Hugging Face 上 ricursiveAI/Ripple-65B-Preview 的模型卡，授權欄位我另外用 HF API 交叉確認是 Apache 2.0。這個模型是 Ricursive Intelligence 的第一個模型，模型卡說團隊從 1 人長到 5 人。

規格先講：65B 全稠密（不是 MoE），預訓練 12T tokens，預訓練序列長度 8K，純文字，以英文與程式碼為主；架構是 d_model 5120、80 層，從 Olmo 3 的 llama-like 設計改成 Gemma 3N-like，原因寫的是訓練穩定。BF16 之外還有 NVFP4 checkpoint 與 BF16 base 版。上下文長度，overview 寫 up to 1M，後訓練表列的長上下文階段是 2M 序列長度，兩個說法我沒辦法替它對齊。

接著是基準，全部是公司自報，部分是 in-house，模型卡有標。Terminal-Bench 2.1 是 80.5，對照的四個模型是 Nemotron 3 Ultra 550B 的 56.4、Inkling 975B 的 63.8、Muse Spark Open 816B 的 76.4、Reflection Beam 501B 的 80.1。這是它唯一領先全部對手的一列，而且領先 Reflection Beam 的幅度是 0.4 分。SWE-bench Pro 是 61.42，四個對手裡有一個高於它（66.1）。SWE-bench Verified 是 76.5，四個對手裡有三個高於它。MMLU 89.6 與 GPQA Diamond 85.2，則是四個對手全部更高。

模型卡自己承認的限制，比我該補的還多：Preview 的後訓練較輕，以 agentic coding 為主；Terminal-Bench 2.1 在官方 Terminus 2 harness 下，分數普遍較低（僅一例外）；比較被描述為 “best-effort attempt at a fair comparison”。部署面，公司稱它能放進 NVIDIA DGX Spark 這類消費級硬體；2xB200、batch size 8 約 250 tok/s，也是公司自報。

我沒有下載、也沒有執行這個模型，所有數字我都沒有復現。對照模型的名稱與規模，我同樣沒有獨立查證。

我的立場：看到「65B 贏過 500B 以上」這種句子，先數它贏了幾列、輸了幾列。這張表贏一列、其他幾列輸，加上模型卡自己承認，換成官方 Terminus 2 harness 分數普遍較低，我把它讀成一個專攻 agentic coding 的 Preview，通用能力的排名這張表給不出。開放權重加 Apache 2.0 是實打實的好處，這部分我認；至於誰比誰強，這張表不夠。

會讓我改口的條件：第三方在公開 harness 下復現 Terminal-Bench，且分數與自報差距不大，那我就承認這個小模型在 coding agent 這條線上有真本事。

原文來源：Hugging Face：ricursiveAI/Ripple-65B-Preview；授權交叉驗證：HF API

五、Anthropic 的 vault 研究：頁面自己寫出走錯的那兩週

Anthropic 的研究頁面我讀到的是摘要轉述，逐字引句可能與原頁有出入，下面凡是引號都請當成「依我讀到的內容」。

研究的內容是：在研究團隊指示下，Claude 搜尋蛋白質資料庫、設計宿主細胞用的 DNA constructs、協助優化較快的分離方法，並執行 cryo-EM 處理軟體。結果是解出一個噬菌體來源 vault 的 cryo-EM 結構，由 96 份單一蛋白 L05 組成；頁面稱這是在原核生物中發現的第一個 vault 結構，這個科學主張我沒有獨立驗證。團隊另外以複製兩段壁片段，做出較大的版本。

人的角色，頁面寫研究者選擇要測的蛋白、做分析決策，有一句 “while we advised on the analysis decisions”。Dr. Rome 是付費顧問，並審閱稿件。

我最在意的是頁面自己列出來的限制，因為少見。它寫了 “We haven’t yet determined their biological function”，也就是這個結構的用途未知。Claude 第一次建議的層析方法被研究者拒絕；有一份流程含有干擾 DNA 攝取的添加物，花了約兩週；早期的 cryo-EM 步驟產出與鏡像混合的 map。vault 只在 E. coli 裡製出，沒有在原生細菌或噬菌體中測試；口袋裡的小分子像 coenzyme A，但身分未確認；預印本已投 bioRxiv，但頁面發布時還沒上線。

我的立場：把自己的失誤寫進成果頁面，可信度比成果本身高，因為失誤是最難替自己加分的內容。但也要看清楚，這是廠商發布的研究敘述，預印本還沒公開，沒有人能在同儕檢視之下驗證兩週與鏡像 map 這些細節。我願意認的是「走錯路被記下來」這個做法，還不到認「Claude 能獨立做結構生物學」的程度，頁面本身也沒有這樣說。Science 的報導連結我沒讀，所以不引用。

會讓我改口的條件：bioRxiv 預印本上線後，方法與數據和頁面敘述吻合，且有外部團隊在原生系統中複現 vault 的存在，我才會把「廠商自述」這個保留拿掉。