今天三件值得 3Q 客戶留意的事：一、納德拉點破「反向資訊悖論」，企業用 AI 的同時正在洩漏自己的智慧資本，資料主權比選哪家模型更重要；二、Grok Build CLI 被抓到靜默上傳整個 repo 含 .env 機密，AI 編碼工具的資安風險是真實存在的；三、美國白宮可能在六個月內限制高能力開源模型發佈，自建模型路線的企業要趕快布局。
產品動態
Codex 取消 5 小時使用限制，600 萬活躍用戶持續成長
OpenAI 宣布暫時取消 Plus、Business、Pro 方案的 Codex 5 小時使用上限。同步推出 GPT-5.6 Sol 效率優化，讓相同使用量可以跑更多任務。目前 Codex 已達 600 萬活躍用戶，ChatGPT Work 系列產品快速普及中。
對 3Q 客戶意義：使用 Codex 輔助開發的 3Q 工程師可以更自由地跑長時間任務，不用再分批切割。
Mindwalk：用 3D 地圖回放 Claude Code / Codex 的 AI 編碼歷程
開源工具 Mindwalk 可將 Claude Code 和 Codex 的會話記錄，在程式碼庫的 3D 地圖上視覺化回放。被 AI Agent 搜尋、讀取、修改過的檔案會發光，未碰到的區域保持黑暗，一眼看出 Agent 的工作範圍。提供單一 Go 執行檔，全程本機運算不上傳。支援錯誤率、檔案修改量等摩擦訊號面板，以及子 Agent 啟動、上下文壓縮等時間軸標記。
對 3Q 客戶意義：3Q 開發團隊導入 AI 輔助開發後，可用此工具稽核 Agent 實際碰了哪些程式碼，提升可見度與信任度。
工具開源
Mesh LLM：把多台機器的 GPU 池化，對外吐出 OpenAI 相容 API
開源專案 Mesh LLM 可將多台機器的 GPU 和記憶體池化，透過 P2P 網路（iroh）互連，不需中央伺服器。請求可在本機 GPU 跑、路由到已載入模型的節點，或將大模型按層拆分到多台機器流水線執行。內建 40+ 個模型，從 5 億到 2350 億參數 MoE 都支援。執行檔僅 18MB，啟動後以 localhost:9337/v1 提供服務，相容 OpenAI SDK。
對 3Q 客戶意義：手邊有多台閒置工作站的製造業或中小企 IT，可以用這套工具低成本自建本地 LLM 推論叢集，不用租 GPU 雲端。
產業動態
GPT-5.6 Sol Ultra 不到一小時解開懸掛 50 年的圖論猜想
OpenAI 宣布旗艦模型 GPT-5.6 Sol Ultra 在不到一小時內生成「循環雙覆蓋猜想」的完整數學證明，這道題目自 1970 年代起懸而未決超過 50 年。模型調用 64 個平行子 Agent 及對抗 Agent 協作完成。OpenAI 已公開證明文件與提示詞，但尚未通過同行審查或形式化驗證工具確認。若最終成立，這將是 LLM 首次獨立解決維基百科「未解決數學問題」清單中的題目。
對 3Q 客戶意義：多 Agent 協作解決複雜問題的能力已達新里程碑，對需要 AI 輔助複雜業務流程規劃的 3Q 客戶具有參考意義。
來源：IT之家
美國白宮擬在六個月內限制高能力開源模型發佈
據報導，美國白宮正討論透過行政命令管制開源 AI 模型，可能在未來六個月內禁止或無限期延遲發佈能力接近 GPT-5.5、Claude Opus 4.8 或 GLM-5.2 等級的開源權重模型。推動方以防止知識蒸餾至中國模型為由，實質上可能形成監管捕獲。此舉將直接衝擊 Llama、Qwen 等目前廣泛使用的開源基礎模型。
對 3Q 客戶意義：正在評估以開源模型自建 AI 系統的 3Q 客戶，應加快決策，趕在管制落地前完成選型與部署。
來源：Nathan Lambert：Interconnects
技巧與觀點
納德拉警告「反向資訊悖論」：企業用 AI 的代價是洩漏自己的智慧資本
微軟 CEO 薩帝亞·納德拉提出「反向資訊悖論」：企業付錢使用 AI 的同時，也在透過提示詞、工具使用紀錄、糾錯回饋等「智慧廢氣」持續餵養模型，讓資訊不對稱往 AI 廠商傾斜。他呼籲企業必須建立真實的信任邊界，確保自身資料、評估紀錄、組織記憶不在未授權情況下外洩，並主張企業有權用模型輸出微調自有模型、掌控自身學習迴圈。
對 3Q 客戶意義：導入 AI 前，3Q 應協助客戶確認 AI 廠商的資料使用條款，避免客戶的業務知識成為訓練素材。
來源：X：Satya Nadella (@satyanadella)
資安警示：Grok Build CLI 靜默上傳整個 repo 含 .env 機密檔案
研究者對 xAI 官方 Grok Build 編碼 CLI（v0.92.93）進行網路流量分析，發現三類嚴重問題：所讀取的檔案內容（包含 .env 機密）以明文透過 API 傳輸；整個 repo 的全部檔案與 git 歷史記錄會被獨立打包上傳至 Google Cloud Storage，即使指示「不要讀取任何檔案」也照上傳；session 存檔同步備份至 xAI 伺服器並回傳 HTTP 200 確認。
對 3Q 客戶意義：在客戶環境部署任何 AI 編碼 CLI 工具前，3Q 必須先做網路流量稽核，Grok Build 應暫時列為高風險工具。
3Q 編輯部觀點
今天的新聞有一條暗線貫穿：企業用 AI 的風險，遠比大家想像的更具體。
納德拉的「反向資訊悖論」說得直白：你每次用 AI 解決問題，都在把你的業務邏輯、決策模式、糾錯經驗餵給模型廠商。對一般消費者無所謂，但對製造業客戶來說，生產排程的優化邏輯、品管的判斷標準、報價的定價模型——這些才是真正的競爭護城河。一旦變成訓練素材，競爭優勢就這樣消失了。
Grok Build 事件讓這件事從抽象變成具體：整個 repo 含 .env 直接打包上傳，連 git 歷史都不放過。這不是「有可能」，這是研究者抓封包直接看到的。3Q 在協助客戶評估 AI 開發工具時，這個案例應該成為標準稽核流程的起點——上線前先抓封包，不是開玩笑的。
另一個值得注意的是開源模型管制的時間壓力。如果美國真的在六個月內限制高能力開源模型發佈，現在正在評估「要不要自建本地 LLM」的客戶，視窗可能比預期短很多。Mesh LLM 這類工具剛好提供了低成本的切入點——用現有硬體池化 GPU，不需要另外採購，適合製造業廠房裡那些閒置的工作站。
Mindwalk 則是另一個值得關注的方向：AI Agent 寫程式時，使用者其實不知道它動了哪些東西。這個工具把「AI 做了什麼」視覺化，讓技術主管能夠稽核，而不是盲目信任輸出。對需要對客戶負責的 IT 顧問來說，這種可見度工具的價值不亞於 Agent 本身。
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。