aire.
·9 分鐘

最強的那批模型,開始「不給你用」了:六月三場發佈,AI 競賽正在分成兩個世界

六月底短短三週,Anthropic、OpenAI、Z.ai 各發了新模型 — 而最大的轉折是:最強的那一檔開始被「管」起來,連你我能用的 Claude Fable 5 都一度被美國政府一紙指令喊停,GPT-5.6 則只先給約 20 個政府核准的組織。同一個月,開放權重的 GLM-5.2 反向把「夠強」直接開源、塞到你手上。AI 競賽正在分成兩個世界。

收進
本文涉及工具

前言

每次有新模型發佈,你大概都習慣了同一個反應:它有多強?我什麼時候能用上?

過去兩年,這兩個問題幾乎是同一件事 — 模型一發佈,你註冊、登入,就能摸到當下最強的那一檔。但六月這幾場發佈,藏著一個有點刺耳的共同潛台詞:最強的那一版,你大概一時半刻碰不到。它不是還沒做出來,是做出來了,卻被「管」起來 — 而且這個月,動手管的不只是公司自己,還有政府。

短短三週內,Anthropic、OpenAI、還有中國的 Z.ai(智譜)各自丟出新模型。把它們擺在一起看,你會發現 AI 競賽正在悄悄分成兩個世界:一個世界裡,最強的能力被當成需要管制的資產,釋出得越來越窄、甚至一度被政府直接喊停;另一個世界裡,有人乾脆把「夠強」的模型開源,直接塞到你手上。這篇就拆這條正在裂開的分界線。

先講清楚一件事:這不代表你日常用的 AI 變難用了。多數寫作、客服、整理資料、一般 coding 的任務,公開版本仍然夠強。真正被收窄的,是那些靠近網路安全、生物化學、模型蒸餾、長程高風險能力邊界的部分 — 而那,恰恰是這個月所有戲劇性轉折的發生地。

Anthropic 的雙胞胎,以及一場政府主導的急煞

先看最具代表性、也最戲劇化的一場。6 月 9 日,Anthropic 一次發了兩個模型:Claude Fable 5 與 Claude Mythos 5。

這兩個名字背後,其實是同一個模型。官方說法很直接:Fable 5 是「一個 Mythos 等級、但我們讓它能安全地給一般人使用的模型」,Mythos 5 則是「在某些領域把安全防護解開」的版本。能力一樣,差別在那層安全外殼。Fable 5 上架 Claude API,發佈當天到 6 月 22 日,Pro、Max、Team、Enterprise 訂閱還免費附帶;它內建一組安全分類器,當你的問題踩進網路安全、生物與化學、或試圖「蒸餾」模型這幾類地帶,會把該次請求轉交給上一代的 Claude Opus 4.8 來回答。而真正沒有那層分類器的 Mythos 5 不對外開放,只透過 Project Glasswing 給既有的 Mythos Preview 使用者(例如它的資安合作夥伴)與部分經審核的生物研究者;官方說明還稱,「所有 Mythos 等級模型的流量」會保留 30 天供安全用途、不拿去訓練。

如果故事停在這裡,它就是一個「完整版你碰不到、給你的是裝了煞車的版本」的設計。但三天後,劇情急轉。

6 月 12 日下午,美國政府以國安為由,對 Anthropic 發出一道出口管制指令,要求暫停「任何外國人」(含 Anthropic 的外籍員工)對 Fable 5 與 Mythos 5 的存取。為了確保合規,Anthropic 索性把這兩個模型「對所有客戶」緊急停用 — 連你我能用的 Fable 5 也一起下線。政府的理由,是認為找到了 Fable 5 的一種「越獄」方法(讓模型去讀一份程式碼、找出可被利用的漏洞);Anthropic 複查後認為那只是已知的小漏洞,並公開表達不同意:「我們不認為一個已部署給數億人的商業模型,該因為一個狹窄的潛在越獄就被召回。」

又過了兩週,風向再變。6 月 26 日,美國商務部長來函,放行 Mythos 5 重新提供給大約 100 個「受信任」的美國組織 — 以營運與防禦關鍵基礎設施者為主;Fable 5 則據報導接近獲准恢復,但截至本文寫作時,仍應以 Anthropic 與主管機關的最新公告為準。短短半個月,Anthropic 最強的模型走完了「發佈 → 被政府喊停 → 由政府點名放行給少數機構」的完整弧線。最強的東西就在那裡,但誰能用、什麼時候能用,已經不完全是這家公司說了算。

連 OpenAI 也踩了煞車:GPT-5.6 先給 20 個政府核准的夥伴

你可能會想,那是 Anthropic 撞上的特例。但兩週後,OpenAI 走進了幾乎一樣的劇本。

6 月 26 日,OpenAI 發佈 GPT-5.6,一口氣三個型號,用日、地、月命名:旗艦的 Sol、主打日常均衡的 Terra、以及快又便宜的 Luna(這是模型的名字;你平常用的產品仍叫 ChatGPT)。新版還多了「max」與「ultra」兩檔推理力度,其中 ultra 會動用子代理(subagent)去加速複雜任務。

但重點不在規格,在它怎麼釋出。GPT-5.6 一開始並不對一般人開放 — 無論你是登入 ChatGPT 的普通用戶,還是一般的 API 開發者,當下都還叫不到它。它只先開放給大約 20 個、名字經美國政府逐一核准的合作組織,這些組織透過開發者 API 與 Codex 的工作流取用;全面開放,OpenAI 說要再等幾週、但沒給日期。這是一種罕見、且帶著明顯政策意味的發佈方式:模型不是先全面上架,而是先進入一份帶政府審查色彩的受信任名單,比 6 月初那套自願性的預先審查框架又更進了一步。OpenAI 一邊配合、一邊不掩飾不滿:「我們不認為這種政府存取流程,該變成長期的預設做法。」

兩家最前沿的閉源公司,在同一個月、不約而同地把最新最強的模型,先收進一道窄窄的、帶著政府色彩的門裡。這不再像是某一家的個性,而比較像這條賽道正在形成的新規矩:能力一旦跨過某個門檻,釋出就不再是「上架給所有人」,而是「先給少數通過審查的人」。

為什麼最強的模型,反而要先鎖起來?

這個轉折,接著我們之前聊過的兩條線。

一條是能力。我們在〈從競賽冠軍到能用的同事〉裡講過,這一代模型真正的躍進不是「更會考試」,而是變得夠可靠、能自己一步步把長任務做完。但同一種「能把複雜任務從頭做到尾」的能力,放到網路攻擊、生物合成這些題目上,就不只是好用,而是危險。能力越強,可濫用的下限也被一起抬高 — Anthropic 那場急煞的導火線,正是有人示範了讓模型去讀一份程式碼、找出可利用的漏洞。

另一條是這些東西在誰眼中、變成了什麼。當一個模型強到在網路安全、生物這些領域可能真的幫得上忙,它就從一件「產品」,變成了一項「需要管制的資產」 — 先是公司自己加上分類器與分級,接著是政府直接介入存取名單。這和我們在〈它不是在評分,是在打安全牌〉裡看到的那種保守傾向是同一種底色,只是這次賭注大得多,而且桌上多了一隻政府的手。

你可以不認同這種管法 — 連 OpenAI 和 Anthropic 自己都公開表達了保留 — 但很難說它全無道理。問題是,當前沿全往「管制」走,留下了一個很大的空缺:那其他人怎麼辦?

同一個月的另一條路線:把「夠強」直接開源

另一條路線,在同一個月變得格外醒目。就在 Fable 與 GPT-5.6 之間,6 月中旬,中國的 Z.ai(原智譜 AI)開源了 GLM-5.2,走的是完全相反的方向(它在 6 月 13 日先對自家 Coding Plan 用戶開放,16 日官方部落格與 MIT 授權的權重正式釋出)。

它不是「限量給少數人」,而是把權重以寬鬆的 MIT 授權公開,任何人都能下載、商用、自己架。規格也不含糊:可用的 100 萬 token 上下文、High 與 Max 兩檔推理力度,底層是一個 7,440 億總參數、實際只啟動 400 億參數的混合專家(MoE)模型。

更值得注意的是它的位置。根據多家第三方報導與測試,GLM-5.2 在部分長程 coding、網頁生成與代理任務上,表現接近、甚至超過某些閉源前沿模型的公開版本,而成本大約只有對手的六分之一(以 OpenRouter 報價為例,約是每百萬 token 輸入 1.4 美元、輸出 4.4 美元,而 GPT-5.5 是 5 / 30、Opus 是 5 / 25 美元)。要說清楚的是,這不等於它在所有推理、知識與安全任務上全面追平了 OpenAI 或 Anthropic 的旗艦;這些數字也來自第三方平台,各家官方定價與實測仍以官網為準。

但把它和前面兩家擺在一起,對比就很清楚:當閉源那邊把「最強」鎖進政府的門裡,開放權重這邊,正把「夠強、而且你真的拿得到」推到所有人面前。它不一定贏過那個被鎖起來的完整版,但它有一個無可取代的優勢 — 它在你手上,不會某天下午被一道指令抽走。

那這對你意味著什麼?

把這三場發佈連起來,你會看到 AI 競賽正在分成兩個世界,而你站在哪邊,取決於你真正需要什麼。

一個是前沿管制的世界。這裡有帳面上最強的能力,但你摸到的往往是經過安全層、退過一步的版本,真正的完整版被收在公司分級與國安框架裡,甚至可能因為一紙指令而整個下線。對絕大多數人來說,這不是壞事 — 你本來也不需要一個能教你做生化武器、或自動挖漏洞的助手;但你得知道,「最新版」不等於「最強版」,你用的 Fable,和被鎖起來的 Mythos,中間隔著的不只是一層分類器,還有一份你看不到的名單。

另一個是開放可及的世界。這裡的模型不一定是地表最強,但它夠強、拿得到、便宜,而且能留在你自己的機器上。對在意資料主權、要大量批次、或單純不想被單一供應商(或單一政府名單)綁住的人,這條路第一次變得真的可行。

而對你我這種把 AI 當工作夥伴、而不是拿去攻防演練的人,有個更務實的結論:這兩個世界之間的能力差距,可能沒有新聞標題讓你以為的那麼大。我們在〈從競賽冠軍到能用的同事〉裡講過,真正卡住你的,常常不是模型差那幾分,而是你有沒有把它接進真實的工作流 — 那條「最後一哩」。一個你接得好、用得熟、隨時叫得動的「夠強」模型,在多數真實任務上,會贏過一個你只能遠遠看著、還隨時可能被收回的「最強」模型。

結語

六月這一個月放在一起,標記了一個安靜但重要的轉折:「最強的模型」和「你能用到的最強模型」,開始不是同一件事了 — 中間隔的,從前是訂閱方案,現在還多了安全分類器、政府指令與一份受信任名單。

前沿的兩家,(被)把最強的能力收進更窄的門;開放的一邊,選擇把夠強的能力推給每一個人。這不是誰對誰錯,而是兩種對「能力該被誰握著」的不同回答。值得想一想的是:當「最強」越來越遠、越來越像一個你只能仰望、還隨時可能熄燈的名字,對你手上真正要完成的那些事 — 那個「夠強、而且聽你的」的模型,會不會其實才是更要緊的那一個?

本文事實整理自各家官方公告與公開報導:Claude Fable 5 / Mythos 5(2026-06-09 發佈、Project Glasswing、安全分類器退回 Opus 4.8、訂閱免費期至 6/22、Mythos 等級流量 30 天留存)整理自 Anthropic 官方說明;6 月 12 日美國政府出口管制指令致 Fable 5 / Mythos 5 全面停用、Anthropic 不同意之聲明,以及 6 月 26 日商務部長放行 Mythos 5 給約 100 個受信任美國組織、Fable 5 預計恢復,整理自 Anthropic 官方聲明與 Reuters、CNBC、NBC、Axios 等報導;GPT-5.6 Sol / Terra / Luna(2026-06-26、約 20 個政府核准夥伴、僅限受核准組織經 API 與 Codex 取用、OpenAI 對政府管控的保留)整理自 OpenAI 公告與 TechCrunch、CNBC、The Next Web 等報導;GLM-5.2(6 月中旬,6/13 先開放 Coding Plan、6/16 官方部落格與 MIT 權重,1M 上下文、744B/40B MoE)整理自 Z.ai 發布與第三方測試。基準表現與每百萬 token 價格來自第三方平台與測試報導,各家官方定價、方案與開放範圍變動快速,實際以官網最新公告為準。

常見問題

Claude Fable 5 和 Mythos 5 差在哪?後來發生了什麼?

它們是同一個底層模型,差在安全外殼。Mythos 5 是把部分安全防護解開的完整版,不對外開放,透過與資安夥伴的 Project Glasswing、以及信任存取程序給既有 Mythos Preview 使用者和部分生物研究者。Fable 5 是給一般人用的版本,內建安全分類器:問題踩進網路安全、生物化學、或試圖蒸餾模型這幾類地帶,會把該次請求退回給上一代的 Claude Opus 4.8。後續更戲劇化:2026 年 6 月 12 日美國政府以國安為由一度要求暫停兩者存取,Anthropic 為合規對所有客戶停用;6 月 26 日商務部長又放行 Mythos 5 給約 100 個受信任美國組織,Fable 5 則據報導接近獲准恢復、但仍以官方最新公告為準。

GPT-5.6 為什麼一般人還用不到?

OpenAI 於 2026 年 6 月 26 日發佈 GPT-5.6(Sol / Terra / Luna),但初期並不是一般人登入 ChatGPT 就能用,也不是所有 API 開發者都叫得到;它先開放給大約 20 個、名字經美國政府逐一核准的合作組織,使用管道以開發者 API 與 Codex 工作流為主,全面開放仍要再等幾週。這種「先進入帶政府審查色彩的受信任名單、再全面上架」的發佈方式,在前沿模型上相當罕見、也帶著明顯的政策意味。

GLM-5.2 真的能跟 Opus、GPT 這些比嗎?

據多家第三方報導與測試,Z.ai(原智譜)6 月中旬開源的 GLM-5.2(6/13 先對 Coding Plan 用戶開放、6/16 官方部落格與 MIT 權重正式釋出),在部分長程 coding、網頁生成與代理任務上表現接近甚至超過某些閉源前沿模型的公開版本,成本約只有對手的六分之一;但這不代表它在所有推理、知識與安全任務上全面追平 OpenAI 或 Anthropic 的旗艦。它走 MIT 授權、權重公開可自架,規格有 100 萬 token 上下文與 744B/40B 的混合專家架構。基準與價格數字來自第三方平台,以官網為準。

對一般使用者,該關心「最強模型」還是「拿得到的模型」?

多數真實工作裡,後者更要緊。前沿閉源的最強版往往被收進公司分級與國安框架,你摸到的是退過一步的安全版,甚至可能因一紙指令而整個下線;而一個你接得好、用得熟、隨時叫得動的『夠強』模型,在實際任務上常常贏過一個你只能遠遠看著、還隨時可能被收回的『最強』模型。真正卡住你的,通常不是模型差那幾分,而是有沒有把它接進你的工作流。

📚 收進你的工具

For AI Reading Era

把這篇文章交給你日常用的工具——做研究、整理筆記,或當 AI 的 context。

 
延伸閱讀