今天與 {{active_subscriber_count}}+ 位讀者一起看：
🗞️｜xAI 推出 Grok 4.1 排行冠軍
🚀｜Google AI 旅行功能上線
📊｜AI 評測找最會「亂掰」的模型
🔬｜AI 模型有「政治偏見」嗎
🔍｜Karpathy 認為 AI 是 Software 2.0
🗞️ NEWS
xAI 推出 Grok 4.1 成為排行榜第一名
圖片來源：xAI
xAI 發表了最新模型 Grok 4.1，這次升級直接超越在排行榜霸榜超久的 Google Gemini 2.5 pro，來到第一名。
模型訓練：他們沿用了跟 Grok 4 類似的大規模強化學習技術，還開發了新方法，讓 AI Agent 自己去評估、迭代模型的反應。
模型排名：Grok 4.1 在 LMArena Text Arena 盲測中直接衝上第一名，之前的 Grok 4 只排在 第 33 名。
用戶體驗：在為期兩週的線上測試中，相較之前版本，有 64.78% 的用戶更喜歡最新推出的 Grok 4.1。
其他優化：這次更新也特別加強了模型的情緒理解能力，並大幅減少了回答事實性問題時，出現幻覺的狀況。
🧰 TOOLS
monday.com：最直覺、最好上手的工作管理系統
來自合作夥伴：monday.com
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
Google 的 AI 旅行功能終於上線
影片來源：Google
Google 在搜尋功能中導入了新的 AI 功能，讓大家可以更輕鬆地規劃旅行、找便宜機票，甚至直接預訂。
行程規劃：AI 模式中的 Canvas 讓你可以用聊天的方式，請 AI 幫你客製化專屬的旅遊行程。
尋找優惠：Flight Deals 這個功能終於全球開放了，可以幫你快速找到最便宜、最划算的機票。
直接預訂：AI 現在還能直接幫你搜尋 OpenTable、Ticketmaster 等平台，預訂餐廳或活動門票。
未來計畫：Google 還計劃跟 Booking、Expedia 等旅遊平台合作，讓你直接在 AI 模式中完成訂房跟訂機票。
📊 CHART
最新 AI 評測找最會「亂掰」的模型
圖片來源：Artificial Analysis
Artificial Analysis 推出了一個 AI 評測基準 AA-Omniscience，發現大部分模型遇到難題時，寧願亂掰答案，也不會說不知道。
評測方式：這個評測特別的地方是，如果模型亂回答會被扣分，因為過去的評測方式變相鼓勵模型不懂裝懂。
計分標準：用一個叫 Omniscience Index 的指標來打分數，答對加 1 分、答錯倒扣 1 分，如果模型承認不知道就不扣分。
評測結果：綜合排名第一的是 Claude 4.1 Opus，主要是它很少產生幻覺；而答題準確率最高的則是 xAI 的 Grok 4。
結論：證明知識量高不代表可靠度就高，像 Claude 模型就是因為比較誠實、幻覺率低，才能在綜合評分中勝出。
🔬 RESEARCH
AI 模型有政治偏見嗎？
圖片來源：Anthropic
Anthropic 最近為了讓 Claude 在「政治」上更公正，開發了一套新的自動化評估方法，並公開了它跟其他主流模型的比較結果。
評估方法：他們設計了一種叫「Paired Prompts」的方法，讓 AI 針對正反立場生成內容，再用另一個 AI 來評分是否公正。
評估標準：評分主要看 AI 回應的深度、品質是否一致、有沒有提到反方觀點，還有會不會直接拒絕回答敏感問題。
評估結果：在公正性這項，Claude Sonnet 4.5 的表現跟 Gemini 2.5 Pro、Grok 4 差不多，但比 GPT-5、Llama 4 還要好。
未來目標：Anthropic 已經把這套評估工具開源，希望整個 AI 產業可以一起建立一個衡量政治偏見的共同標準。
🔍 INSIGHT
Karpathy 認為 AI 是 Software 2.0
Andrej Karpathy 在最新的推文中說，與其把 AI 比喻成工業革命，不如把它看成是一種全新的運算模式，也就是他提出的 Software 2.0。
過去的電腦（Software 1.0）： 主要是自動化那些規則很明確、可以被清楚寫下來的工作，像是打字、記帳之類的。
現在的 AI（Software 2.0）： 能自動化那些「可以被驗證」的工作，意思就是 AI 可以不斷練習、並自動判斷結果好壞。
發展快速的領域： 像是數學、寫程式、或任何有標準答案的問題，因為 AI 能透過大量練習跟驗證，快速超越人類專家。
進展較慢的領域： 相對地，像是創意、策略或需要常識的工作，因為很難自動驗證好壞，所以 AI 的進展就比較慢。
