AI趨勢周報第281期：Google揭臺北全新辦公室，打造總部外最大AI基礎建設研發中心

重點新聞（1121～1127）

 Google     AI基礎建設     辦公室  

Google揭臺北全新辦公室，打造總部外最大AI基礎建設研發中心

Google日前在臺北士林正式啟用全新辦公室，定位為美國總部以外規模最大的AI基礎建設硬體研發中心。新辦公室匯集硬體、軟體和供應鏈等跨領域團隊數百名工程師，要加速AI伺服器、資料中心和基礎建設的研發與測試。

Google表示，臺灣完整的供應鏈與產業聚落，是發展AI基礎建設的關鍵優勢，從設計、製造到部署都能在數小時的距離內完成，有助於縮短開發周期。新辦公室設有十多座專業實驗室，可在產品部署全球前進行嚴格測試與驗證；空間設計也融入臺灣地景與鐵道意象，強調協作與創新。

這座辦公室也以永續為核心，預計可降低12%能耗、46%用水量，施工廢棄物則有73%回收再利用。Google強調將持續投入臺灣的數位基礎建設與人才培育，包括資料中心、國際海纜、再生能源，以及AI素養推廣與學術合作。新中心的技術將支援全球Google搜尋、YouTube、Gemini等核心服務。（詳全文）

 Claude Opus 4.5     程式碼修復     Anthropic  

Claude Opus 4.5來了！程式碼修復能力大升、還能無限聊天

Anthropic最近推出新一代模型Claude Opus 4.5，不只更強，價格也直接砍到前代Opus 4.1的三分之一，每百萬Token輸入5美元、輸出25美元。最大亮點是它成為首個在SWE-Bench Verified程式碼修復測試中，贏過80%的模型，等於逼近甚至超越專業工程師。

Opus 4.5也在Anthropic自家工程測驗中打敗所有人類考生，在限時兩小時的高難度題目拿下史上最高分。這次新增的effort參數讓開發者可自己調整運算強度比例，包括推理深度、速度和成本。比如，中等effort模式，可以遠低於Sonnet 4.5的Token用量，達到相同最佳成績，節省76%的Token。

為展示模型的電腦操作能力，Anthropic同步推出Chrome與Excel整合功能，讓它能自動放大螢幕區域、跨視窗操作或在Excel生成樞紐分析。Opus 4.5還導入新的長脈絡策略，加入「選擇性脈絡壓縮」機制，能在脈絡逼近上限時自動萃取並保留關鍵內容，等於支援「無限聊天」，長程對話或專案不再因脈絡塞滿而被迫重來。（詳全文）

  Google     Nano Banana Pro     AI生圖  

Google推新一代AI生圖模型，AI畫圖更合理

Google日前發表全新的專業級AI繪圖模型Nano Banana Pro（Gemini 3 Pro Image），主打高畫質、會推理、能處理複雜構圖，還大幅改善了上一代最常被抱怨的文字錯字和變形問題。

這代最大升級有兩點，首先是推理能力變強，模型能透過Search grounding把真實內容直接畫成圖，例如食譜步驟、植物介紹、天氣變化、歷史背景或資料圖表，讓教育與商業用途的圖像更貼近事實。第二是文字終於清楚可讀，Nano Banana Pro能生成多語言文字，還能控制字體粗細、樣式與排版，適合做海報、包裝或介面原型，也能把英文圖片翻譯成其他語言並保持原本版面。

模型最多可同時處理14張圖片、維持5個人物的光線與外貌一致，並支援局部編輯、景深切換、相機角度與色彩分級等設置。圖像輸出解析度最高 4K，可直接用在廣告或簡報。目前Nano Banana Pro已能在Gemini App、Gemini API、Vertex AI、Google Ads和Slides等產品中使用，免費用戶用完額度會退回前一代，付費訂閱者則能使用較完整的功能。（詳全文）

  OpenAI    Code Max      大型專案  

OpenAI推GPT-5.1-Codex-Max，可24小時跑大型專案

OpenAI推出最新預設程式開發模型GPT-5.1-Codex-Max，主打可連續執行超過24小時大型任務，也是首個針對Windows特別訓練的Codex模型。新版的最大亮點是支援超大型脈絡，也就是透過壓縮機制，讓模型在任務進行過程中自動摘要重要內容、移除不必要細節，能跨多個脈絡視窗，在單一任務中處理數百萬個Token。這讓使用者更容易完成大型重構、系統級修補和跨檔案依賴分析。

效能方面，Codex-Max在基準測試全面超越舊版，比如SWE-Bench Verified基準測試達到77.9%、SWE-Lancer達79.9%。OpenAI表示，在保持品質下，Max 可減少約30%的Token用量，真實任務速度提升27%～42%。實測中，同一任務前代需3.8萬個Token，Max只要1.6萬；程式碼行數也從667行縮短到529行，速度則快了40%以上。

OpenAI透露，內部已有95%工程師使用Codex，Pull Request的產量增加70%左右。目前Codex-Max已開放給ChatGPT Plus、Pro、Business、Edu和Enterprise訂閱戶，近期也將推出API。（詳全文）

  Google     線性迴歸     充電樁  

別小看線性迴歸，Google用它讓充電樁預測更可靠

Google研究團隊在替電動車設計充電路線規畫時，棄用複雜的大型模型，改用最基本的線性迴歸模型，預測駕駛在30～60分鐘後抵達充電站時，是否還能找到至少一個可用的充電樁。這個輕量模型直接整合進導航系統，讓路線規畫能避開「到站剛好沒位置」的時間點。

模型只有一個核心特徵：一天的24小時，每個小時都有自己的權重，反映該時段充電樁占用率的平均變化。權重為正表示樁位會越來越滿、未來空位減少；為負則代表樁位會逐步釋出；接近零則表示變化不大。這等於模型直接學會「現在到未來的占用變化率」，而不是模擬複雜的排隊行為。

Google用加州和德國的即時充電樁資料來訓練模型，並在多個站點驗證。結果顯示，在至少6個樁位的大型站點、且處於占用變化最快的尖峰時段（如早上與晚上8點），線性迴歸能明顯提升預測準確度，早上錯誤預測降低約20％，晚上則降低約40％。整體而言，這個極簡模型能有效減少電動車駕駛在繁忙時段撲空的機率。（詳全文）

  Ai2     開源     Olmo3  

Ai2推出真正全開源模型Olmo3

美國非營利研究機構 Ai2 釋出最新語言模型 Olmo3，主打「真正開源」——不只公開最終權重，連訓練資料、程式碼、評測流程、各階段 checkpoint，到能回溯推理來源的工具，全都開放釋出，使用者可完整重現並延伸模型，是目前少見的完全透明做法。

Olmo3分為7B與32B兩個系列，均以Olmo3-Base為核心，再依用途分為3種模型，包括： Olmo3-Think：加入多步推理訓練，可產生可閱讀的中間思考步驟。 Olmo3-Instruct：強化對話與指令跟隨，用於一般助手場景。 Olmo3-RL Zero：針對強化學習研究，提供多領域RL的完整檢查點。 開發者可直接用Instruct或Think，也能從Base或任一訓練階段接手，加入自家資料微調。

本次最受關注的是32B版Olmo3-Think，它不只會輸出推理步驟，還能透過OlmoTrace把思考鏈條回溯到可能相關的訓練資料，讓使用者檢視模型為什麼這樣回答。Ai2測試顯示，Olmo3-Think 32B在MATH、BigBench Hard、HumanEvalPlus等多項數學與程式推理評測中，多數成績逼近Qwen3 32B和Qwen3 VL 32B Thinking，並明顯領先Gemma3 27B Instruct等同級模型。（詳全文）

  微軟     電腦代理     小模型  

微軟開放Fara-7B，小模型也能自己操作網頁

微軟發表開放權重模型Fara-7B，主打只用70億參數就能在本機執行「電腦代理」，自動完成點擊、輸入、捲動等網頁操作。模型目前仍屬研究階段，官方建議在沙箱環境測試，避免用於敏感或高風險任務。

Fara-7B會讀取瀏覽器截圖，推論下一步該做什麼，可用於協助表單填寫、找資料、比價購物、訂票或管理雲端帳號，但全程仍需人類監看。它以 Qwen2.5-VL-7B 為基礎，支援長內容輸入，並透過監督式資料學會「看畫面 → 思考 → 行動」的流程。每次推理都會同時參考使用者指令、歷史行動與最近3張截圖，最後輸出一次工具呼叫，對應瀏覽器自動化框架Playwright的滑鼠與鍵盤動作，或瀏覽巨集。

微軟測試發現，Fara-7B的成功率優於同源模型UI-TARS-1.5-7B，也逼近OpenAI電腦使用預覽版等系統，同時需要的步數更少、成本更低。模型只處理截圖與必要資訊，不會額外存取網站資料，且所有動作都有完整紀錄，方便稽核。Fara-7B已整合到Magentic-UI研究原型，並可於Microsoft Foundry、Hugging Face和VS Code AI Toolkit下載試用。（詳全文）

  超級電腦     國網中心     GPU  

全球500強超級電腦排名公布：美國三巨頭稱霸、臺灣10臺上榜

最新一屆Top 500超級電腦榜單出爐，美國再次包辦前三名，包括El Capitan（1.809 Exaflop/s）、Frontier（1.353 Exaflop/s）、Aurora（1.012 Exaflop/s），第四名則是歐洲首度突破1 Exaflop/s的JUPITER Booster，部署於德國Jülich超級電腦中心。

美國三大系統涵蓋了核武安全、氣候和宇宙模擬、材料科學與AI等科研任務。JUPITER Booster則是美國以外首個Exascale等級系統，支援歐洲在氣候、量子與AI訓練領域的重點研究。

臺灣這次共有10臺上榜、數量居全球第九，包括國網中心的Nano 4（第29名）、友崴Ubilink（第49名）以及Nvidia TAIPEI-1（第80名）等。國家分布方面，美國以171臺遙遙領先，日本43臺、德國40臺、中國40臺、法國22臺。硬體方面，最常見處理器為Intel Sapphire Rapids（14.6%）與AMD Milan（13.8%），而Nvidia GPU則支援了500強中86%的系統，持續主導超級電腦運輸加速生態。（詳全文）

圖片來源／Google、Anthropic、OpenAI、微軟

  AI近期新聞 

1. 高通發表Snapdragon 8 Gen 5行動平臺，AI效能提升46%

2. Google自家AI生成圖像全面嵌入C2PA與SynthID浮水印

3. 微軟發表相容PostgreSQL的Azure HorizonDB，支援大型工作負載還內建AI功能

資料來源：iThome整理，2025年11月