1️⃣ Meta 發表迄今最強模型 Muse Spark 1.3：官方稱編碼能力超越 GPT-5.6 Sol、追平 Claude Fable 5.1
Meta Superintelligence Labs 無預警發布 Muse Spark 1.3，已上線 Muse Code 與 Meta Model API。官方稱 token 用量降低 25%、工具呼叫減少約 20%，代理與平行多工作流處理大幅強化；Chief AI Officer Alexandr Wang 直言能力已「逼近」OpenAI 與 Anthropic 的頂級模型。Zuckerberg 稱這是「低成本的前沿效能」。一週內 Google、Anthropic、Meta 接連出牌，前沿模型戰全面白熱化。
🔗 來源：Meta AI Research 官方部落格（📌官方公告）
2️⃣ Nvidia 收購 Hugging Face 拍板進入終局：The Information 爆雙方已達成 129 億美元協議
繼 Bloomberg 上週披露「最快本週成交」後，The Information 報導 Nvidia 已與 Hugging Face 達成 129 億美元收購協議，另含約 10 億美元員工留才方案，總值約 140 億美元，可望數日內宣布。消息帶動 NVDA 盤中上漲 4%。這將是開源 AI 生態史上最大併購——全球最大模型託管平台正式納入晶片霸主麾下，引發社群對開源中立性的激烈論戰。
🔗 來源：Bloomberg（📰媒體報導，Bloomberg／The Information）
3️⃣ 台積電侯永清：AI 需求半年來近乎翻倍，「30 年未見」的擴產速度，全球 20 座廠同步推進
台積電資深副總侯永清在 SEMICON Taiwan 2026 表示，AI 對產能需求的增幅與變化頻率前所未見，近半年需求幾乎翻倍；台積電全球約 20 座廠同步興建、在台多達 13 座，但人力與設備已成兩大瓶頸，坦言「建廠量創高仍追不上」。半導體供應鏈正以 30 年未見的節奏回應 AI 資本支出浪潮。
🔗 來源：MoneyDJ（📰媒體報導，MoneyDJ）
4️⃣ 微軟在 SEMICON Taiwan 提出 AI 基礎建設新指標：別再只拚算力，要看「有效產出」
微軟 Azure 硬體系統與基礎架構總裁 Rani Borkar 來台演說指出，記憶體、網路、電力等瓶頸正逐一浮現，下一階段競爭不該用「建了多少晶片」衡量，而要看跨層協同設計帶來的「有效產出（Useful Yield）」。同場 Meta 工程副總唐春強也強調客製化晶片讓共同設計更可堆疊。AI 軍備競賽的焦點，正從堆算力轉向系統效率。
🔗 來源：中央社（📰媒體報導，中央社）