今天三件值得 3Q 客戶關注的事：一是 Wayfinder Router 用純結構分析做本地與雲端大模型的微秒級確定性路由，完全離線、可自架，對控制 AI 成本很實用；二是普林斯頓 CEO-Bench 用 500 天模擬經營點出 AI 長期決策仍不穩；三是多個旗艦開源模型轉向 Apache 2.0 授權，商用門檻持續下降。
工具開源
Wayfinder Router：本地與雲端大模型之間的確定性查詢路由
Wayfinder Router 透過分析提示詞的結構（長度、標題、列表、程式碼）與措辭，在微秒級完成路由判斷，完全離線、不需呼叫其他模型。相較 RouteLLM、NotDiamond 等需要模型呼叫的路由器，它避開了延遲、成本與隨機性。支援任何 OpenAI 相容 API，包含 Ollama、Anthropic、Groq、vLLM，可自架。使用者能用自有資料校準評分門檻。
對 3Q 客戶意義：對自架混合模型的 3Q 客戶，可用便宜本地模型擋掉簡單請求、把難題送雲端，直接壓低 AI 推論成本。
模型發佈
新浪開源 VibeThinker-3B：推理可壓縮、知識不能
新浪釋出僅 30 億參數的 VibeThinker-3B，在 AIME26 等數學與程式基準上追平大上 200 到 333 倍的模型，LiveCodeBench 超越所有 200 億以下模型。但在知識密集的 GPQA-Diamond 大幅落後。模型基於阿里 Qwen2.5-Coder-3B，經多階段後訓練。研究提出「參數壓縮假說」：邏輯推理靠少數可壓縮模式，廣泛世界知識仍需大參數。模型已開源。
對 3Q 客戶意義：小模型在特定推理任務已堪用，3Q 客戶要做程式或數學類自動化可考慮自架小模型省成本，但通用問答仍需大模型。
來源：The Decoder
開源生態擴張：Cohere、NVIDIA 旗艦模型轉向寬鬆授權
開源模型參與者從少數中國公司擴展到全球各類組織，涵蓋純模型廠（DeepSeek、智譜、MiniMax）、科技巨頭（阿里 Qwen、Google Gemma、NVIDIA）到產品公司（JetBrains、Zed）訓練的高度專業小模型。NVIDIA 發佈採 LatentMoE 架構的 Nemotron-3-Ultra，並改用 OpenMDW 授權；Cohere 則以 Apache 2.0 開源旗艦模型。
對 3Q 客戶意義：旗艦級模型轉向 Apache 2.0 等寬鬆授權，意味中小企可合法商用自架 LLM，導入門檻持續下降。
來源：Interconnects（Nathan Lambert）
論文研究
500 天創業模擬：14 個 AI 只有 3 個賺贏起始資金
普林斯頓推出 CEO-Bench，讓 AI 代理在模擬環境經營訂閱軟體公司 500 天、起始資金 100 萬美元。14 個受測模型中，只有 Claude Fable 5、Claude Opus 4.8 與 GPT-5.5 在最佳回合超過起始資本。一個完全不呼叫語言模型的簡單規則啟發式（固定定價、配額、針對性開發）達 1576 萬美元，贏過上述三者以外所有模型。多數模型無法維持連貫策略，在模擬結束前破產。
對 3Q 客戶意義：提醒 3Q 客戶：AI 短任務聰明不代表能扛長期決策，導入業務流程時人類監督與規則護欄仍不可少。
來源：The Decoder
產業動態
四大模型對戰《文明VI》：瓶頸不是智商，是感知與執行
前英國首相府資料科學家 Wilkinson 搭建 76 個 MCP 工具，讓 Claude Opus 4.6、GPT-5.4、Gemini 3.1 Pro 等模型進行 23 場《文明VI》對局。他發現 AI 主動檢查全局狀態只佔 1 到 2%（感知盲區），擬定計畫後 10 回合內執行率僅 48 到 66%（知行落差）。結論是智商不是瓶頸，感知與執行才是關鍵。
對 3Q 客戶意義：對要把 AI 接進實際業務流程的 3Q 客戶，真正難點在讓 AI 持續感知系統狀態並確實執行，而非模型聰不聰明。
來源：IT之家
3Q 編輯部觀點
今天的幾條新聞，剛好串成中小企導入 AI 的三個現實課題。第一是成本：Wayfinder Router 這類確定性路由工具，加上 VibeThinker-3B、Cohere、NVIDIA 旗艦模型紛紛轉向 Apache 2.0 等可商用授權，代表「自架小模型擋掉八成簡單請求、難題才送雲端」這套混合架構已經成熟可落地，對在意每月 API 帳單的工廠與 IT 老闆是實打實的省錢機會。第二是邊界：普林斯頓 CEO-Bench 用 500 天模擬經營，殘酷地點出多數 AI 撐不住長期策略，連簡單的固定規則都能贏過大半模型——這提醒我們，把 AI 接進進銷存、生產排程這類需要連貫決策的場景時，人類監督與規則護欄不能省。第三是工程現實：《文明VI》實驗顯示模型輸在「感知」與「執行」而非智商，這正好對應我們幫客戶做系統整合時最常踩的坑——AI 要能持續讀到 ERP、POS 的即時狀態並確實把動作做完，靠的是扎實的 MCP 工具串接與流程設計，不是換更貴的模型。給 3Q 客戶的建議很實在：先用混合模型壓成本、用規則與人工關卡守住關鍵決策、把工程力氣花在讓 AI 真正「看得到、做得到」業務系統。
資料素材來源：AIHOT (aihot.virxact.com)。本文由 3Q 編輯部用 Claude 篩選、翻譯為繁體中文、加上對 3Q 客戶意義的觀點。各則新聞著作權屬原始發佈者，請點上方連結看原文。