1️⃣ OpenEvidence 發表醫療 AI 模型家族：Osler、Sackett、Snow 免費供醫師使用，最強的 Darwin 卻被「留一手」
醫療 AI 公司 OpenEvidence 發布以現代醫學奠基者命名的模型家族：Osler（約 5 秒回答，配合看診節奏）、Sackett（約 30 秒深度搜證）、Snow（約 5 分鐘產出研究級報告），即日起對驗證醫師免費、不限用量開放。但最強的 Darwin 僅以研究預覽形式釋出——公司坦言其在病毒學與遺傳學領域有雙重使用（dual-use）風險，須待安全防護與合作夥伴驗證後，能力才會逐步下放到前三個模型。在 frontier 模型競相衝刺能力的當下，這是罕見以「部署安全」為由主動放慢腳步的示範。
🔗 來源：Business Wire（官方新聞稿）（📌官方公告）
2️⃣ Challenger 報告：8 月 AI 裁員降至 3,462 人，中斷連五個月居首
Challenger, Gray & Christmas 週四發布的 8 月報告顯示，美國企業裁員 52,881 人（月增 58%、年減 38%，2022 年以來最低的 8 月），其中歸因於 AI 的裁員只剩 3,462 人，落在去年 12 月以來低點，AI 也從裁員主因跌到第四位，由「重組」（逾 1.6 萬人）取而代之。年初至今 AI 相關裁員累計仍達 116,175 人（約占總數 22%），但單月降溫顯示企業正從「用 AI 砍人」轉向「用 AI 重組流程」，AI 對就業市場的衝擊敘事可能正在換檔。
🔗 來源：Challenger, Gray & Christmas（📌官方公告）
3️⃣ Bloomberg：Vals AI 實測 agentic 任務能耗——寫一個網頁 App 的碳足跡是簡單問答的一萬倍
獨立評測機構 Vals AI 對 16 個開源模型（其中 14 個為中國模型）實測碳排放、水耗與電力，發現長時間「思考」的 agentic 任務（如打造網頁 App）環境衝擊可達一次性問答的約 10,000 倍——某些模型 build 一個網頁 App 的耗電相當於一戶家庭 2.5 小時用電；Kimi K3 單任務足跡最大，DeepSeek V4 Flash 準確率相近但成本僅零頭。Microsoft 的研究也得出一致的量級結論。隨著 agent 產品全面爆發，AI 的環境成本正從「每次查詢微不足道」變成必須正視的基礎設施議題。
🔗 來源：Bloomberg（📰媒體報導（Bloomberg））