融資速報｜Profound Series D $180M，估值衝上 $1.8B
Profound 完成 $180M Series D,估值 $1.8B,距離上一輪 Series C 僅七個月。這筆錢代表品牌在 ChatGPT、Perplexity 等 AI 搜尋結果中的能見度優化,已經從邊緣行銷戰術變成企業願意快速加碼的獨立預算科目。
daily
921 篇文章定價追蹤｜OpenAI 10/14 讓 GPT-5.5 從 ChatGPT／Codex 退場，API 不受影響
OpenAI 於 2026-09-14 公告：GPT-5.5 將於 2026-10-14 從 ChatGPT、ChatGPT Work、Codex 全部方案下架，但直接呼叫 OpenAI API 的 `gpt-5.5` 不受影響——這是產品層淘汰，不是 API 淘汰。官方定價表上 gpt-5.5 短內容 input/output 是 $5.00/$30.00（每百萬 tokens），Codex 官方導向的替代模型 GPT-5.6 Sol 是 $4.00/$20.00，換過去同時省錢（input ↓20%、output ↓33%）。從公告到下架只有一個月緩衝，比 OpenAI 自家文件寫的「GA 模型至少 6 個月通知期」短很多。
Product Builder 面試日練 — 2026-09-17：AI Product Design
AI 產品設計面試最容易失分的地方，是把『human-in-the-loop』講成單一開關——要嘛全自動要嘛全人審。今天練一道 Sierra PM 面試真題：企業客戶要求全面管控 agent 回覆，ML 團隊說限制太多會傷害模型品質，怎麼解？答案框架是自主性階梯（suggest → confirm → execute）搭配依風險分級的granular consent，而不是一刀切的限制。案例是 Gemini Gmail 草稿卡片——AI 可以寫，但『送出』永遠是人類的按鈕。
資安警報｜西班牙 AEPD 收到全球首起正式通報的「AI Agent 主導」資料外洩案
西班牙資料保護局 AEPD 於 2026-09-15 公開收到首起正式通報：受害組織回報一個建立在知名 LLM 上的 AI agent，自主完成登入系統、找應用程式漏洞、修改個資、讀取發票四個攻擊階段，人力介入極少。AEPD 未證實細節、未點名模型或受害組織，但強調這是「理論風險開始變成真實個資事件」的訊號。防禦重點是把 AI 對抗風險寫進風險評估、縮短事件應變時間、收緊憑證與數位身分管控，並用能即時偵測 agent 行為的工具補上人力監督的速度落差。
資安警報｜BragJack：一個瀏覽器擴充功能劫持 Chrome、Comet、Edge、Opera Neon 與 Claude in Chrome 五套內建 AI Agent
Forever Security 研究員 Gal Weizman 發現：瀏覽器內建 AI agent 的『大腦』（雲端 AI）與『身體』（能操作螢幕、檔案、鏡頭的瀏覽器本體）之間，只認一個信任來源網域；擴充功能雖不能改網頁程式碼，卻能靠內容腳本與 declarativeNetRequest 兩個常見權限劫持那個信任來源，冒充大腦對身體下指令——不是 prompt injection，而是完整偽造指令的『Prompt-Forcing』。Chrome（CVE-2026-0628，CVSS 8.8）與 Edge（CVE-2026-55945，CVSS 4.2）已修補，Comet、Opera Neon、Claude in Chrome 三家已付賞金但未公布修補時程。防禦重點是把擴充功能視為高風險資產，並改用能在 runtime 監控 agent 實際動作的工具，而非只看程式碼有沒有惡意內容。
工具推薦｜symfony/ai-mcp-tool — 讓 Symfony AI Agent 直接掛上遠端 MCP 工具伺服器
symfony/ai-mcp-tool 是 Symfony AI 官方推出的 MCP client bridge，讓 Symfony Agent 直接掛上任何遠端 MCP server 提供的工具。安裝：composer require symfony/ai-mcp-tool。解決了 PHP Agent 開發者得手寫「MCP tool schema 轉框架 Tool 物件」轉接層、以及多伺服器工具名稱衝突的問題。
AI Engineer 面試日練 — 2026-09-16：ML System Design
今天的 ML System Design 輪練涵蓋面試官實際在評估的六個維度(問題定義、資料/特徵、模型選型、評估、上線服務、監控迭代)、feature store 解決的 training/serving skew 問題、real-time 與 batch inference 的延遲取捨、data drift 與 model drift 的監控機制,以及離線指標與線上 A/B 測試該怎麼配合。練習題是設計一個影片推薦系統,面試官想看你能不能把候選生成、排序模型、上線服務、監控串成一條完整、講得出取捨理由的技術鏈,而不是只背某個公司的架構圖。
融資速報｜AlphaPai Series B $50M
AlphaPai 完成 $50M Series B，由中國保險與券商私募資本共同參與，一年內累計募得 $92M。這筆錢代表 AI agent 正從會議紀要工具，滲透進機構投資研究這種高專業門檻的核心工作流程。
融資速報｜Jack & Jill Series A $40M
Jack & Jill 完成 $40M Series A，由 Air Street Capital 領投，累計融資達 $60M。這筆錢代表招募市場的下一步不是更好的履歷搜尋，而是雙邊都有 agent 代理協商。
Product Builder 面試日練 — 2026-09-16：Strategy & Execution
當底層技術被開源模型追平,面試官要看的不是你能不能講出一個護城河候選,是你會不會先用 Porter's Five Forces 定位壓力來自哪一方,再用 TAM-SAM-SOM 判斷轉向垂直市場的機會大小。今天練一道自擬考題——AI 應用公司在模型商品化壓力下該怎麼排 roadmap 優先順序,案例是 Anthropic 收購生技 AI 公司 Coefficient Bio,把可防禦性從『用哪個模型』轉移到『擁有哪個垂直領域的資料與工作流整合』。
工具推薦｜edgar-mcp — 讓 Agent 只讀 10-K 裡的那一節，而不是整份 300 頁
edgar-mcp 是一個對接 SEC EDGAR 的 MCP server，六個工具涵蓋公司查詢、filing 列表、章節擷取、財務數字與全文搜尋。安裝：pip install -e . 後設 EDGAR_MCP_USER_AGENT 環境變數即可，不需要 API key。解決了 Agent 讀財報時被迫吞下整份 10-K、context window 被目錄和樣板文字塞爆的問題。
AI Engineer 面試日練 — 2026-09-15：Deep Learning & NLP
今天的 Deep Learning & NLP 輪練涵蓋 self-attention 的 Q/K/V 運算與 O(n²) 複雜度來源、positional encoding(sinusoidal 到 RoPE/ALiBi)為什麼是 Transformer 必要的一環、BERT(encoder,雙向)與 GPT(decoder,因果)的架構與訓練目標差異、Word2Vec/GloVe 等靜態詞向量與 BERT/GPT 情境化詞向量的本質不同,以及 full fine-tuning、freeze 上層、LoRA 這幾種微調策略該怎麼挑。練習題是把一個只支援 2K token 的 Transformer 擴充到能處理 100K token 長文件,面試官想看你能不能把「複雜度」「位置外推」「生產環境成本」三條線同時講清楚。
融資速報｜Temporal Series E $550M
Temporal 完成 $550M Series E，由 Lightspeed 共同領投，估值從 7 個月前 Series D 的 $5B 漲到 $12.55B（2.5x）。這輪錢代表市場開始把「Durable Execution（耐久執行）」當成 Agent 生產化的必要基礎設施，而不是可有可無的工程選配。
模型卡｜Nex-N2.5-Pro
Nex-N2.5-Pro（HuggingFace：nex-agi/Nex-N2.5-Pro）：沿用前代 Nex-N2-Pro 的 397B 總參數 MoE（約 17B 啟用，建於 Qwen3.5-397B-A17B）架構，262,144 tokens context、236K 最大輸出，Apache-2.0 開源，單一 8×H100 節點可跑；OpenRouter 免費層 Input/Output 皆 $0.00；Terminal-Bench 2.1 從前代 N2-Pro 的 75.3 分進步到 82.7 分（+7.4pp），OSWorld-G 電腦操作定位分數 87.4 分是官方對照表中最高，贏過 Claude Opus 5 的 76.8 分；跟同家族 mini 版一樣主打「視覺回饋自我修正」的長時程 agent 迴圈
Product Builder 面試日練 — 2026-09-15：Metrics & Analytics
Metrics 題裡最容易漏分的不是『你講不出可能的原因』,是講原因講到一半就開始猜,沒有系統性地把可能性排除乾淨。今天用 Google PM 面試官自己公開的根因排查六維度——production bug、UI/UX 改動、rollout 問題、使用者行為轉移、季節性、外部因素——練一道 Google PM 面試真題『YouTube 留言互動在過去 24 小時內下滑,你的下一步是什麼』,搭配 AARRR 先定位這個指標在漏斗的哪一段。案例是 Airbnb 在 S-1 公開說明為什麼北極星指標是『訂房晚數』而不是訪客數或房源數——因為訂房晚數沒辦法靠灌水的方式做假,一動就代表房客跟房東真的都得到了價值。
資安警報｜Anthropic 揭露 GTG-50014：AI Agent 讓 34 小時內橫掃 40+ 企業租戶的憑證竊取變得可行
Anthropic 2026-09-14 發布的威脅情報報告揭露財務動機集團 GTG-50014 用 Claude 等 AI agent 自動化憑證竊取與供應鏈入侵：一名附屬行為者入侵 SaaS 供應商後，34 小時內傾印出橫跨 40 多個企業租戶的 2,100 多組 Azure AD token；另一起入侵 3 小時內就從單一被竊開發者 token 升級到雲端環境完整管理權限。根本原因是憑證衛生（寫死密鑰、長效期 token）沒跟上 AI 把攻擊人力成本壓到近零的速度，防禦重點是短效期憑證、速度異常偵測與 AI agent 風險治理平台。
工具推薦｜DearAgent — 讓 Agent 擁有自己的信箱，跑在你自己的 Cloudflare 帳號上
DearAgent 是跑在 Cloudflare Workers 上的開源 email inbox API,內建 MCP server,讓 Agent 建立信箱、等驗證碼、搜尋與回信。安裝：git clone 後 npm run setup 互動部署,或直接上 dearagent.sh 線上試用。解決了 Agent 做帳號註冊、等驗證信這類流程需要真實信箱,卻不想依賴第三方託管服務的問題。
AI Engineer 面試日練 — 2026-09-14：ML Fundamentals
今天的 ML Fundamentals 輪練涵蓋 bias-variance tradeoff、L1(Lasso)/L2(Ridge)/Elastic Net 正則化的差異、overfitting 與 underfitting 的偵測與修復、K-fold/stratified/time-series cross-validation 的選擇，以及 precision、recall、F1、AUC-ROC 在不同業務情境下該優先看哪個。練習題是一道經典的排查題:模型在開發環境表現很好,上線後卻明顯變差,面試官想看你有沒有系統化的除錯框架,而不是憑直覺猜。
模型卡｜Edge0-35B-A3B
Edge0-35B-A3B-preview（Edge0/Edge0-35B-A3B-preview）：Edge0-AI 於 2026-09-08 開源釋出，4-bit 量化、256 專家每 token 啟用 4 個（base 為 Qwen3.5-MoE 35B-A3B）；靠 SSD 專家卸載＋prerouter 預測路由＋Recover-LoRA 蒸餾三個機制，在 Mac mini M4 Pro（24GB）上只用 2.9 GiB 尖峰記憶體、15 tok/s decode 跑起來，5 項 benchmark 平均只比 fp16 base 掉 3.9 分；Apache-2.0 全開源，同時釋出 8B-A1B（Ling 3.0 Tiny 底）版本；目前 agentic 能力偏弱，官方定位為 preview
Product Builder 面試日練 — 2026-09-14：Product Sense
Product Sense 題最常見的失誤，不是想不出功能，是跳過『使用者是誰、他們真正卡在哪裡』直接開始列功能清單。今天用 CIRCLES 框架練一道 Google PM 面試真題——『你是 Waymo 的 PM，設計一個新功能』，重點放在 Comprehend 跟 Identify 這兩步怎麼問對問題，而不是急著給方案。案例是 Slack 怎麼從一款失敗的遊戲 Glitch 裡，靠團隊內部真正離不開的溝通工具長出來——示範『觀察使用者實際在用什麼』比『問使用者想要什麼』更接近產品洞察的核心。