今天與 {{active_subscriber_count}}+ 位讀者一起看：
🗞｜NVIDIA GTC 大會推出 NemoClaw
🚀｜OpenAI 推出 GPT-5.4 mini、nano 模型
📊｜Cursor 訓練 AI 自己整理自己的記憶
🔬｜Mamba 架構第三代模型出來了
🔍｜Mustafa Suleyman 全力衝超級智慧
🗞️ NEWS
NVIDIA GTC 大會推出 NemoClaw
NVIDIA 在這次 GTC 2026 大會上推出 NemoClaw，專門給企業跑 OpenClaw 的開源安全框架，讓企業也能放心讓它自主跑工作流程。
安全限制： NemoClaw 可以限制它能存取哪些資料、能用哪些工具，把 Agent 控制在你限制的行動範圍內。
法規嚴格也能用： NemoClaw 支援完全斷網部署，搭配開源的 NVIDIA Agent Toolkit，單一指令就能裝好，金融、醫療、政府資安敏感也能用。
硬體都覆蓋： 從 DGX Spark、DGX Station 到 RTX PRO Blackwell 工作站都支援，企業不管是小團隊測試，還是大規模部署都可以。
NVIDIA 為什麼要做這個？ 黃仁勳在 GTC keynote 說 OpenClaw 是「人類歷史上最受歡迎的開源專案」，他認為全世界每一家公司都必須要有自己的 OpenClaw 策略。
🧰 TOOLS
monday.com：最直覺、最好上手的工作管理系統
monday.com 是目前市面上看起來最直覺、最好上手的工作管理系統，不管你做什麼工作，都能幫你加速完成！
任何工作適用：無論你是負責行銷、業務、財務、人資，還是產品開發，都能輕鬆管理專案進度。
可視化圖表：超過 27 種可以使用，甘特圖、Kanban 看板、行事曆、時間軸…
個人＋團隊：個人可以優化工作流程，團隊可以降低溝通成本，節省更多時間。
麥當勞、Canva 等公司都在使用：推薦使用免費版本試試看
🤝 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
OpenAI 推出 GPT-5.4 mini、nano 模型
OpenAI 今天推出了 GPT-5.4 mini、nano，mini 的速度比 GPT-5 mini 快超過 2 倍，而且跑出來的程式碼品質、電腦操作分數幾乎跟 GPT-5.4 一樣好。
mini 性能逼近 GPT-5.4： mini 在 SWE-Bench Pro 拿到 54.4%，只比旗艦 GPT-5.4 的 57.7% 差一點點，而且速度快超過 2 倍，還有 400k context window，是現在 mini 系列裡最強的一版。
nano 主打超低成本： nano 每百萬 token 輸入只要 $0.20、輸出 $1.25，適合拿來做分類、資料提取、ranking 這種量大、不用複雜推理的工作。
Codex 只用 1/3 quota： 在 Codex 裡用 GPT-5.4 mini 只消耗 GPT-5.4 30% 的 量，讓開發者可以把 GPT-5.4 留給規劃跟決策，把子任務都丟給 mini 處理。
價格算便宜嗎？ mini 每百萬輸入 token $0.75，比 Claude Haiku 4.5 的 $1.00 便宜，但比 Gemini 3 Flash 的 $0.50 貴一點；nano 只要 $0.20，在主流小模型裡目前是最便宜的選擇。
📊 CHART
Cursor 訓練 AI 自己整理自己的記憶
Cursor 今天發了一篇關於「AI 記憶」的文章，他們用 RL 訓練 Composer 在 context 快滿時自己整理自己的記憶，比舊的壓縮方式錯誤少 50%。
比壓縮省 5 倍 token： 舊方法輸出平均超過 5,000 個 token；這個新的方式幾乎只要一句話，輸出只要約 1,000 個 token。
170 輪解完任務： Composer 透過新方法跑了 170 輪，還能找到 make-doom-for-mips 問題解法，把超過 100,000 個 token 濃縮到只剩 1,000 個。
摘要也能訓練： 好的摘要會直接被獎勵、遺漏關鍵資訊的摘要會被降權，所以模型自己學會了什麼資訊值得留下。
加大 context 不就好了？ 像 Gemini 開到 200 萬 token 也沒用，因為 context 越長，推論越慢、成本越高；「自我摘要」的思路完全不同，速度和成本都是固定的。
🔬 RESEARCH
Mamba 架構第三代模型出來了
GPT 背後的 Transformer 架構有個弱點：文章越長，需要的運算量越大。Mamba 架構走另一條路，這次第三代從數學原理下手就讓性能大幅超過上一代。
記得更細： Mamba-3 換了一套更豐富的記法，用複數讓模型抓到更細的序列規律，追蹤狀態的測試從不到 1% 直接跳到 100%。
做更多事，速度沒變： 新的 MIMO（多輸入多輸出）設計讓模型同時處理的資訊通道多 4 倍，但因為善用了 GPU 的運算空檔，實際回應延遲幾乎沒增加。
同大小贏最強： 在 1.5B 參數規模，平均準確度比同類最強的 Gated DeltaNet 高 1.8 個百分點，比 Transformer 高 2.2 個百分點。
真的有人在用嗎？ Cartesia 就用 Mamba 架構做手機端語音 AI，目前業界主流做法是把 Mamba 層跟 Transformer 層混著用，可以省下 30-70% 的推理成本。
🔍 INSIGHT
Mustafa Suleyman 全力衝超級智慧
Microsoft AI 的 CEO Mustafa Suleyman 昨天宣布調組織，把 Copilot 產品線交出去，自己接下來五年，要全力衝超級智慧模型（Superintelligence）。
Copilot 換人帶： 前 Snap SVP 的 Jacob Andreou 升任 EVP，未來將一個人負責消費者、商業兩邊 Copilot 的設計、產品、工程、成長。
五年只做模型： Mustafa 自己說要把全部精力拿來推超級智慧研究，另一個目標是壓低跑 AI 的推論成本，讓 Microsoft 不用每次都靠 OpenAI 的模型來服務用戶。
產品跟模型拆開： Copilot 切成體驗、平台、Microsoft 365 Apps、AI 模型四塊，把「做好用的產品」跟「最強模型」拆成兩條獨立的線。
不靠 OpenAI 了？ 去年十月 Microsoft 跟 OpenAI 重談了合約，Microsoft 已經拿到自己做 AGI 的權利，自研的 「MAI 模型」今年就會上線。
