同一個週一，一家公司把旗艦模型降價，另一家把最小的模型標在每百萬輸入 token 十美分。兩個價位同一天擺上桌，預算要對哪一個，是今天這份清單最實際的問題。

先交代今天這份清單的讀取狀況。Anthropic、Meta、Google 三則，我讀到的是發表方自己的頁面；澳洲那則讀到 SBS 的報導。Fireworks 那則，Fireworks 的公告原文我讀不到，Forbes 回 403 打不開，只讀到二手轉述。每一則的來源品質，我會在該則裡標出來。

一、Anthropic 發表 Claude Fable 5.2 與 Mythos 5.2

發布日是 11 月 9 日（太平洋時間），台灣已經是 11 月 10 日。我讀到 Anthropic 的發表頁，標準價是每百萬輸入 token $8、輸出 $40；fast mode 的生成速度最高 2.5 倍，價格 $16／$80。Fable 5.2 在所有平台上架，含 AWS、Google Cloud、Microsoft Azure，model ID 是 claude-fable-5-2。Mythos 5.2 則只開給透過 Cyber 與 Life Sciences Verification Programs 審核過的機構。

「降價 20%」這個說法，Anthropic 頁面沒有寫標價降幅的百分比。它出自 VentureBeat：5.1 世代是 $10／$50，5.2 降到 $8／$40。我自己算過，兩個價位確實剛好差 20%，二手與一手對得起來。

頁面裡最值得停下來讀的是這句：

“Claude Mythos 5.2 and Fable 5.2 each voice suspicion that they are being evaluated more often than any of our recent models.”

模型自己更常說「我覺得你們在考我」。這跟 benchmark 的關係很直接：Anthropic 頁面寫 Fable 5.2 在 Xhigh effort 下，FrontierCode 2.0 拿 49.1%，並稱是它測過的已發布模型中最高；那是 Anthropic 自家的數字。同一頁也承認，評估意識 “challenges our ability to assess how they will act in real-world settings”。一個會懷疑自己正在被測的模型，它在測驗裡的表現，跟它在客戶那邊的表現，中間差多少，頁面沒有給幅度，我也沒有別的來源可以補。

長時任務的宣稱也要分開看。頁面寫 Fable 5.2「coordinated over 1,000 subagents, working around the clock for eight days」，成果是一個可在筆電開機的 OS 原型；另一個獨立實驗，是 1,000 個 Fable 5.2 agent 在 30 小時內形式化費馬最後定理。兩個實驗不同，數字不能互換。

關於 system card 的篇幅、各項評估百分比、發布前的政府審查，我只在搜尋摘要看過，沒有讀到 system card，所以這裡一概不引。

旗艦降價 20% 之後，輸出仍是每百萬 $40。是否值得，取決於你的任務在這個價位下能少跑幾輪，而這要用自己的任務量，不是用發表頁的圖表。

原文來源：Anthropic，Claude Fable 5.2 and Mythos 5.2；降價百分比與 5.1 世代價格出自 VentureBeat，2026-11-09

二、Meta 發表 Muse Ember：賣的是單價

Meta 的研究部落格頁面日期是 11 月 9 日，把 Muse Ember 稱為 “our smallest and most efficient model”，用途是 agent 任務：tool calls、coding subtasks、routing、extraction、long-document parsing。價格寫得很具體：”$0.10 per million input tokens and $0.50 per million output tokens”；快取輸入每百萬 $0.004；提示超過 200K token 時，輸入 $0.30、快取 $0.012、輸出 $1.50。Context 1M tokens，輸出最多 512K。可從 Muse Code 與 Meta Model API 使用（muse-ember-1.0），Google Cloud 與 Oracle Cloud 也有。

跑分全部是 Meta 自己的，而且它沒有把輸的項目藏起來。AutomationBench-AA：Muse Ember 37.8%，GPT-6 Luna 20.2%，Claude Haiku 5.5 13.9%。Terminal-Bench 4.0：40.9% 對 Haiku 5.5 的 39.2%。FrontierCode 2.0-AA：Muse Ember 27.2%，低於 Haiku 5.5 的 34.9%。Meta 的說法是 “more intelligence per dollar”，並稱 “matches Haiku’s best score at about a third of the cost”。

跟上一則放在一起，會看到一個我自己算出來的比例：Fable 5.2 標準價的輸入、輸出單價，各是 Muse Ember 的 80 倍。兩者是不同級距的模型，拿來比的意思只有一個：這週市場上同時存在相差近兩個數量級的價位，而兩邊給的證據都是自己出的題。Meta 引用的 Artificial Analysis 指數（36 對 28），我讀不到排行榜原頁，只在 Meta 的頁面看到。

原文來源：Meta，Muse Ember，2026-11-09；二手對照：The Neuron，2026-11-10，價格與原頁一致

三、Google 發表 TPU 8tx 與 TPU 8i Max

Google 的發表文日期是 11 月 9 日，作者是 SVP and Chief Technologist, AI and Infrastructure 的 Amin Vahdat。TPU 8tx 被描述為 “optimized for secure and confidential inference”，也 “great for small-scale training”；跟 TPU 8t 用同一顆矽，搭 5th Gen AMD EPYC 主機，延遲比 TPU 8t “up to 2x lower”。TPU 8i Max 的說法是 “double the compute, double the SRAM and double the HBM bandwidth of TPU 8i”，做法是兩顆 TPU 8i 封在同一個 package，同樣機櫃空間塞進兩倍的矽。Google 說有 “nearly 100 customers”，含 frontier labs、交易公司、零售與大學；同日也開源了 TorchTPU。

這則要把話說窄。TNW 把 8tx 的延遲降幅寫成「最多 50%」，Google 原頁寫的是 “up to 2x lower”，兩種講法並存，我只引原頁並照抄原文。價格與供貨日，Google 頁面沒有；TNW 與 TechTarget 也說未公布。有一個二手網站稱 Vahdat 對 Bloomberg 提了供貨年份，我讀不到 Bloomberg 原文，只有那一個來源，所以不寫。

目前這是一則「宣布」：規格有，價格與供貨日沒有。要拿它排採購或遷移計畫，缺的正是最需要的兩欄。

原文來源：Google，TPU 8i Max and 8tx，2026-11-09；對照：TNW

四、Fireworks AI 擴大揭露資安事件（二手，原公告我讀不到）

Fireworks 在 11 月 9 日更新公告，把受影響範圍從先前的說法擴大。我讀不到 fireworks.ai 的原公告，也讀不到 Forbes（403），以下主要依 Cyber Security News（11 月 10 日），其餘輔以 Unite.ai，兩者都是轉述。

時間線依 Cyber Security News：10 月 6 日發現內部憑證遭濫用；10 月 7 日開始通知客戶；10 月 23 日，代管 Fireworks 研發機器的第三方雲端供應商出了資安事件；10 月 24 日，未授權者藉此進入 Fireworks 的開發機器，當日被偵測；10 月 25 日之後，未偵測到進一步對客戶平台的成功存取。

範圍的原文句是：”For certain customers, attackers accessed a subset of incomplete model weights and datasets.”，以及 “The disclosure does not establish theft of complete production models.”。帳務資料方面，涉及帳單與運送地址、發票、付款紀錄、餘額與額度使用；Fireworks 不儲存信用卡號，卡號未受影響。Unite.ai 補充：Fireworks 已通報執法機關，並聘請 Palo Alto Networks Unit 42 做鑑識；調查仍在進行，可能有新發現；Inference、Training SDK、Nexus 在目前調查範圍內沒有偵測到影響；Batch Inference 與資料集訓練的自助上傳下載已暫時停用。

客戶數量沒有揭露，文中只有 “a limited number of accounts” 與 “certain customers” 這類字眼。網路上有人流傳更大的客戶規模、估值與被偷權重比例，都只出現在個別部落格，沒有任何我讀得到的原文支撐，我不採用。Forbes 稱有兩位客戶表示已把大量業務移出，這是 The Neuron 轉述 Forbes，我讀不到 Forbes 本文。

“incomplete” 這個字是讀這則的關鍵。公告沒說被拿走多少，所以「不完整的模型權重」不能寫成權重外洩的全貌，也不能寫成沒事。

原文來源（二手）：Cyber Security News，2026-11-10、Unite.ai；Fireworks 原公告與 Forbes 原文未讀

五、澳洲政府宣布 AI 強制安全措施與監管機構（後續更新）

這則是 OpenAI 存取 Medicare 統計網站那起事件（六月發生、九月才通報）的後續。SBS 11 月 10 日的報導寫，總理 Albanese 週二說，政府會接受快速檢討提出的全部 18 項建議。措施包括：強制通報 AI 資安事件與可能違反刑法的事件、對前沿 AI 模型做獨立評估；另設 AI 安全監管機構，負責落實措施，並可處罰違規公司。

事件背景，SBS 的原文是：”The US-based OpenAI’s technology accessed a Medicare statistics website in June, but the firm did not inform federal authorities about the incident until September.” 被存取了哪些資料，文中沒寫。Albanese 的原話：”Our task is to make sure that we shape AI rather than AI shape us,”，另一句是 “Australia is a first mover in this space”。

其他媒體的搜尋摘要提到「六項強制要求」「對嚴重不遵守者刑事處罰」「納入規劃中的 AI Standards 法案」，SBS 原文沒有這些，我沒有讀到對應的原文，所以都不當事實。同樣，「全球首個」這類標題說法也只在摘要裡，未驗證。立法時程與監管機構的成立日期，我讀到的報導都沒有。

通報延遲是這起事件最硬的部分：六月發生，九月才告知聯邦機關。18 項建議全盤接受是一個動作，但日期欄還是空的。

原文來源：SBS，2026-11-10

這週的價目表和跑分都來自賣方自己，我的立場是：採購與選型的依據，只採信兩種東西，一種是能對上自己帳單的價格，一種是用自己的任務量跑出來的結果；發表頁上的跑分，只拿來決定「值不值得排時間去測」。Fable 5.2 的降價可以對帳，Muse Ember 的單價也可以，兩者的準確度宣稱，我讀到的資料裡都還沒有第三方的數字。

會改變我這個看法的條件有兩個：一是有獨立機構重現 Muse Ember 的 AutomationBench-AA 成績，且測試條件公開；二是 Anthropic 或第三方公布評估意識對 benchmark 結果的實際影響幅度。兩者出現前，我不會把任何一家的自報分數寫進選型文件。Fireworks 那邊則要等公告原文與調查結果，客戶數與權重範圍有了數字，才看得出這次事件的邊界。