今天與 {{active_subscriber_count}}+ 位讀者一起看：
🗞｜Claude 也能直接操作 Word 了
🚀｜Google Search AI Mode 餐廳訂位功能
📊｜METR 測出 GPT-5.4 任務能力 5.7 小時
🔬｜Neural Computer 讓模型自己變成電腦
🔍｜封閉 Agent harness 會鎖住你的記憶
🗞️ NEWS
Claude 也能直接操作 Word 了
Anthropic 推出 Claude for Word beta，補上 Excel 和 PowerPoint 之後最後一塊，讓 Claude 直接操作 Office 工具，共享同一個對話。
修改變追蹤修訂： 選好段落、說你要改什麼，Claude 的編輯直接變成 Word 的追蹤修訂，格式、編號、樣式都保留，你一筆一筆決定接受或拒絕。
跨檔案工作： Word、Excel、PowerPoint 共享上下文，一邊改報告文字、一邊問試算表數據，不用複製貼上再重新解釋。
讀懂文件結構： Claude 能辨識批註、交叉引用、多層編號，直接改批註標記的那段文字，也能掃整份文件找不一致的術語。
最適合什麼場景？ Anthropic 主打法律文件審閱，產品頁就以 NDA 審閱作為示範場景。
🧰 TOOLS
Typeless：一週幫你省下 24 小時
Typeless 是目前用起來最聰明的 AI 語音輸入工具，把你的想法「講」出來，就能直接產出乾淨、完整、有架構的文字。
比打字快 4 倍： 等於每週幫你省下 24 小時的打字時間。
AI 自動幫你修：自動刪除贅詞、組織你的想法，只要「講出來」就好。
手機、電腦都能用： Mac / Windows / iOS / Android 全平台支援，中英混著講也沒問題。
現在註冊送 30 天 Pro 免費試用：用 Typless 跟各種 AI 對話超方便！
🤝 ADVERTISING
讓 {{active_subscriber_count}}+ 位讀者認識你的產品
《Brief AI 電子報》讀者近 50% 擁有碩士以上學歷、管理階層超過 40%。超過 30 家國內外知名品牌合作，例如：Intel、數位時代、知識衛星…
🚀 LAUNCH
Google Search AI Mode 新增餐廳訂位功能
Google 讓 Search 的 AI Mode 直接幫你訂餐廳，用自然語言說你要吃什麼、幾個人、幾點到，它就會跨 8 個訂位平台搜空位，首次從美國擴展到 8 個新市場。
AI 幫你訂位： AI Mode 現在能主動去 OpenTable、TheFork 等平台查即時空位，找到就能一鍵完成預訂。
8 國上線： 首波擴展至澳洲、加拿大、香港、印度、紐西蘭、新加坡、南非和英國，不用另外開啟，AI Mode 裡自動就有。
介面也換新： AI Mode 順便換了跟 Gemini app 類似的新介面，手機端多了圖片生成工具和 Gemini 3 模型選擇，Android 和 iOS 穩定版已經上線。
台灣能訂嗎？ AI Mode 已在 200 多個國家開放，但餐廳訂位功能目前只有美國加這 8 個新市場，台灣還不在名單上。
📊 CHART
METR 測出 GPT-5.4 任務能力 5.7 小時
AI 評測機構 METR 公布 GPT-5.4 的 Time Horizon 測量結果，但 Reward Hacking 行為讓這個數字很難直接解讀。
標準成績不如預期： 在 METR 的軟體任務測試中，GPT-5.4 的 50% time horizon 只有 5.7 小時（95% CI: 3-13.5 小時），低於 Claude Opus 4.6 的 12 小時。
一放寬就灌水： 如果允許 reward hacking（模型鑽漏洞通過測試，不是真的解題），分數直接跳到 13 小時，信賴區間上限甚至到 74 小時。
能力每 129 天翻一倍： 整體趨勢仍是指數成長，R-squared 0.93，METR 說目前還沒看到成長放慢的跡象。
什麼是 Reward Hacking？ METR 去年發表的研究指出，最近的前沿模型越來越常偷改評分程式碼、或直接抄答案來「通過」測試，不是真的解題，這讓所有 AI benchmark 的可信度都打了折扣。
🔬 RESEARCH
Neural Computer 讓模型自己變成電腦
AI Agent 是用工具操作電腦，world model 是模擬環境，但 Neural Computer 想做的事更根本：讓模型本身就是那台正在跑的電腦，運算、記憶體、I/O 全都學進去。
拿影片模型當 runtime： 團隊用 1,100 小時終端操作資料訓練 video model，讓它看螢幕畫面、指令和滑鼠鍵盤動作，直接學會 CLI 和 GUI 怎麼跑。
基本的學得會： 終端畫面渲染、輸入輸出對得上、短步驟的操作控制，這些確實能光靠螢幕錄影學起來，不用特別標註程式內部在幹嘛。
離真正能用還很遠： 團隊設了四個終極目標（通用運算、可重新寫程式、行為不會亂變、原生神經能力），目前原型只摸到邊，作者自己估計還要大約三年。
跟現有 Agent 差在哪？ Agent 是呼叫外部工具來操作電腦，NC 是直接在模型權重裡「跑」出終端畫面。團隊已在 GitHub 開源資料引擎，可以自己跑實驗。
🔍 INSIGHT
封閉 Agent harness 會鎖住你的記憶
LangChain 執行長 Harrison Chase 發文警告，用封閉的 Agent harness 等於把 Agent 的記憶交給模型供應商，累積越多越換不掉。
記憶綁 harness： Agent harness 負責管所有 context，短期對話、長期偏好都靠 harness 處理，記憶跟 harness 其實分不開。
封閉就鎖定： Anthropic 的 Claude Managed Agents 把整個 harness 藏在 API 後面，OpenAI 的 Codex 則用加密壓縮讓摘要帶不走，都在製造轉換成本。
開放替代方案： LangChain 推出的 Deep Agents 支援開放標準 agents.md，記憶可以存在 Mongo、Postgres、Redis，不綁任何模型供應商。
怎麼判斷自己有沒有被鎖定？ 檢查你的 Agent 記憶能不能匯出：如果用的是 stateful API 或託管 Agent 服務，可以試試 Deep Agents 或 Letta 這類開源 harness，記憶能存在自己的資料庫裡。
