[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-openai-gpt-54-cyber-security-access-zh":3,"tags-openai-gpt-54-cyber-security-access-zh":32,"related-lang-openai-gpt-54-cyber-security-access-zh":33,"related-posts-openai-gpt-54-cyber-security-access-zh":37,"series-research-a8c7399c-ea3b-4c74-b0b4-1b3527a76dcc":56},{"id":4,"title":5,"content":6,"summary":7,"source":8,"source_url":9,"author":10,"image_url":11,"keywords":12,"language":21,"translated_content":10,"views":22,"is_premium":23,"created_at":24,"updated_at":24,"cover_image":11,"published_at":25,"rewrite_status":26,"rewrite_error":10,"rewritten_from_id":27,"slug":28,"category":29,"related_article_id":30,"status":31,"google_indexed_at":10,"x_posted_at":10},"a8c7399c-ea3b-4c74-b0b4-1b3527a76dcc","OpenAI 推 GPT-5.4-Cyber，安全工作進場","\u003Cp>OpenAI 這次不是只丟一個聊天模型。它還擴大了網路安全信任存取計畫，並推出 \u003Ca href=\"https:\u002F\u002Fopenai.com\" target=\"_blank\" rel=\"noopener\">GPT-5.4-Cyber\u003C\u002Fa>。講白了，這代表 AI 開始真的碰安全工作，不是只拿來寫文案。\u003C\u002Fp>\u003Cp>同一波消息裡，\u003Ca href=\"https:\u002F\u002Fdeepmind.google\" target=\"_blank\" rel=\"noopener\">Google DeepMind\u003C\u002Fa> 也推出 \u003Ca href=\"https:\u002F\u002Fdeepmind.google\u002Ftechnologies\u002Frobotics\u002F\" target=\"_blank\" rel=\"noopener\">Gemini Robotics-ER 1.6\u003C\u002Fa>，\u003Ca href=\"https:\u002F\u002Fwww.baidu.com\" target=\"_blank\" rel=\"noopener\">Baidu\u003C\u002Fa> 也有新動作。這幾條線放一起看，很清楚：模型廠商正在把 AI 切成不同用途，而不是硬塞成一個萬用聊天機器人。\u003C\u002Fp>\u003Ch2>OpenAI 把 cyber 當成正式產品線\u003C\u002Fh2>\u003Cp>網路安全信任存取計畫，才是這次最值得看的地方。資安團隊要的不是「會講話」的助手。它們要的是可控、可查、可限制權限的系統。尤其碰到敏感資料，亂回一句就可能出事。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1776600233905-5zzo.png\" alt=\"OpenAI 推 GPT-5.4-Cyber，安全工作進場\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>所以 \u003Ca href=\"https:\u002F\u002Fopenai.com\" target=\"_blank\" rel=\"noopener\">GPT-5.4-Cyber\u003C\u002Fa> 的意義，不在於名字夠不夠炫。重點是 OpenAI 把模型和存取控管綁在一起。這種做法很像在告訴企業客戶：我們不是只賣 Token，我們也賣使用邊界。\u003C\u002Fp>\u003Cp>資安工作本來就很適合專用模型。事件分流、log 摘要、告警整理、事件報告草稿，這些事情都很耗人力。只要模型夠準，還能被稽核，就能省掉一堆重複工。\u003C\u002Fp>\u003Cul>\u003Cli>OpenAI 先做存取控管，再推模型，順序是對的。\u003C\u002Fli>\u003Cli>資安客戶在意誤判率，不在意模型多會聊天。\u003C\u002Fli>\u003Cli>專用模型比較好測，也比較好比對。\u003C\u002Fli>\u003Cli>信任存取計畫通常代表企業導向，不是玩票。\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>DeepMind 的機器人路線，重點是動作\u003C\u002Fh2>\u003Cp>\u003Ca href=\"https:\u002F\u002Fdeepmind.google\u002Ftechnologies\u002Frobotics\u002F\" target=\"_blank\" rel=\"noopener\">Gemini Robotics-ER 1.6\u003C\u002Fa> 代表另一條路。這不是文字世界的優化，而是讓模型去理解空間、動作和環境。機器人不會因為你講得漂亮就完成任務，它要真的抓得到、避得開、走得穩。\u003C\u002Fp>\u003Cp>這也解釋了為什麼 DeepMind 的更新和 OpenAI 的 cyber 更新很不同。資安模型處理的是文字、事件、規則。機器人模型處理的是感測器、控制、物理限制。兩邊都叫 AI，但產品問題完全不一樣。\u003C\u002Fp>\u003Cp>DeepMind 做機器人研究不是一天兩天了。它的官方資料早就把這條線講得很清楚。這次版本號往前推，通常表示團隊在調整能力、穩定性，或是部署方式。說真的，這比喊口號實際多了。\u003C\u002Fp>\u003Cblockquote>“The future of robotics lies in making robots more useful in the real world.” — Demis Hassabis, co-founder and CEO of Google DeepMind\u003C\u002Fblockquote>\u003Cp>這句話放到今天還是很準。機器人如果只能秀 d\u003Ca href=\"\u002Fnews\u002Fgemini-app-release-notes-latest-updates-zh\">em\u003C\u002Fa>o，沒什麼用。能在真實場景裡少出錯，才有價值。\u003C\u002Fp>\u003Ch2>數據和產品選擇，透露市場方向\u003C\u002Fh2>\u003Cp>這次消息沒有丟一堆硬數字，但產品選擇本身就很有訊號。OpenAI 選 cyber。DeepMind 選 \u003Ca href=\"\u002Fnews\u002Fwhite-house-anthropic-mythos-risks-meeting-zh\">ro\u003C\u002Fa>botics。Baidu 還在往搜尋和平台能力補強。這代表 AI 廠商開始更像軟體公司，而不是只會發大字報。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1776600239567-6q2q.png\" alt=\"OpenAI 推 GPT-5.4-Cyber，安全工作進場\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>對買方來說，這種切法更好懂。資安主管可以直接看 cyber 模型。機器人團隊可以測 motion 模型。搜尋團隊可以看 retrieval 和 ranking 的整合。每個人都知道自己在買什麼，採購也比較不會亂掉。\u003C\u002Fp>\u003Cp>如果拿幾家大廠來比，差異很明顯：\u003C\u002Fp>\u003Cul>\u003Cli>\u003Ca href=\"https:\u002F\u002Fopenai.com\" target=\"_blank\" rel=\"noopener\">OpenAI\u003C\u002Fa> 盯的是敏感工作流，重點是權限和稽核。\u003C\u002Fli>\u003Cli>\u003Ca href=\"https:\u002F\u002Fdeepmind.google\" target=\"_blank\" rel=\"noopener\">Google DeepMind\u003C\u002Fa> 盯的是具身智慧，重點是空間和動作。\u003C\u002Fli>\u003Cli>\u003Ca href=\"https:\u002F\u002Fwww.baidu.com\" target=\"_blank\" rel=\"noopener\">Baidu\u003C\u002Fa> 盯的是搜尋與平台，重點是規模和相關性。\u003C\u002Fli>\u003Cli>三家都在往專用系統走，不再只推萬用聊天機器人。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>這跟 \u003Ca href=\"\u002Fnews\u002Fatlassian-ai-training-customer-data-2026-zh\">202\u003C\u002Fa>4、2025 那波大模型熱潮很不一樣。那時候大家比誰更會聊天。現在大家比誰更能進流程、進系統、進權限控管。老實說，這才比較像軟體落地。\u003C\u002Fp>\u003Cp>而且專用系統也比較容易管。資安模型可以看誤報和漏報。機器人模型可以看任務完成率和安全性。搜尋模型可以看命中率和延遲。規格越清楚，越能做治理。\u003C\u002Fp>\u003Ch2>這波更新對開發者代表什麼\u003C\u002Fh2>\u003Cp>對台灣開發者來說，這波訊號很直接。你如果還在把 AI 當成「什麼都能問」的工具，可能會慢半拍。真正有價值的，是把模型塞進工作流，配上評測、權限、回饋迴路。\u003C\u002Fp>\u003Cp>換句話說，未來更吃香的不是只會呼叫 API 的人，而是懂得把模型當軟體元件的人。你要知道什麼資料能進去，什麼輸出要擋掉，什麼情境要人工覆核。這些都很工程，不浪漫，但很重要。\u003C\u002Fp>\u003Cp>我自己的判斷是，接下來半年會看到更多帶功能標籤的模型名。像 Cyber、Robotics、Search、Code 這種字眼會越來越多。這不是行銷話術，而是廠商開始承認：一個模型吃天下，沒那麼簡單。\u003C\u002Fp>\u003Ch2>產業脈絡：從通用聊天到專用系統\u003C\u002Fh2>\u003Cp>這個轉向不是突然發生的。過去兩年，LLM 先把大家的注意力拉到聊天能力。接著企業開始問：能不能接內網？能不能控權限？能不能追蹤每一步？一問下去，通用助手就開始露出限制。\u003C\u002Fp>\u003Cp>所以現在的趨勢很清楚。模型廠商要往更窄的場景切。因為窄，才好測。因為好測，才好賣。因為好賣，才進得了企業預算。這條路很務實，也很像軟體業本來該走的樣子。\u003C\u002Fp>\u003Cp>如果你是工程團隊，這代表你要開始重視評測資料、權限設計、審計紀錄，還有失敗案例庫。別再只看 demo。demo 很會騙人，真的上線才知道模型有多誠實。\u003C\u002Fp>\u003Ch2>接下來怎麼看\u003C\u002Fh2>\u003Cp>我覺得接下來最值得觀察的，是 OpenAI 會不會把 cyber 模型做成更完整的企業方案。若它真的把權限、稽核、資料隔離一起包進去，資安團隊會很有感。因為那才是能上線的東西。\u003C\u002Fp>\u003Cp>如果你在做 AI 產品，現在可以先問自己一個問題：你的系統是通用聊天，還是任務型工具？前者容易展示，後者才真的能進公司。這差很多。\u003C\u002Fp>\u003Cp>說到底，這波新聞不是在比誰最會講未來。它在告訴你，AI 正在變得更像軟體工程。下一步，輪到開發者決定要不要跟上。\u003C\u002Fp>","OpenAI 擴大網路安全信任存取，並推出 GPT-5.4-Cyber。DeepMind 與 Baidu 也同步推進機器人與搜尋更新，AI 正往專用系統走。","zhuanlan.zhihu.com","https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F2028040384207500334",null,"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1776600233905-5zzo.png",[13,14,15,16,17,18,19,20],"OpenAI","GPT-5.4-Cyber","資安","Google DeepMind","Gemini Robotics-ER 1.6","Baidu","LLM","AI 產品","zh",0,false,"2026-04-19T12:03:28.424057+00:00","2026-04-19T12:03:27.556+00:00","done","1ae0a600-cead-40a0-9bcb-75f7289b343e","openai-gpt-54-cyber-security-access-zh","research","2b4823a0-05dd-4ef7-a31a-feab1cc0df67","published",[],{"id":30,"slug":34,"title":35,"language":36},"openai-gpt-54-cyber-security-access-en","OpenAI pushes GPT-5.4-Cyber into security work","en",[38,44,50],{"id":39,"slug":40,"title":41,"cover_image":42,"image_url":42,"created_at":43,"category":29},"57fe6457-4c90-4c0d-84a2-c062d87421f8","stanford-2026-ai-index-charts-explained-zh","史丹佛 2026 AI Index 圖表解讀","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1776427444966-lec9.png","2026-04-17T12:03:47.109964+00:00",{"id":45,"slug":46,"title":47,"cover_image":48,"image_url":48,"created_at":49,"category":29},"082ebaa3-ad6f-421a-860a-8566846fb9c1","llm-judge-reliability-conformal-transitivity-zh","LLM 評審別只看平均分","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1776406189176-acr2.png","2026-04-17T06:09:32.920971+00:00",{"id":51,"slug":52,"title":53,"cover_image":54,"image_url":54,"created_at":55,"category":29},"46ad5553-2eab-41b1-8602-82bf7fb94933","llm-generalization-shortest-path-scale-zh","LLM 會看地圖，卻撐不住長度","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1776406013309-pvmm.png","2026-04-17T06:06:33.258278+00:00",[57,62,67,72,77,82,87,92,97,102],{"id":58,"slug":59,"title":60,"created_at":61},"f18dbadb-8c59-4723-84a4-6ad22746c77a","deepmind-bets-on-continuous-learning-ai-2026-zh","DeepMind 押注 2026 連續學習 AI","2026-03-26T08:16:02.367355+00:00",{"id":63,"slug":64,"title":65,"created_at":66},"f4a106cb-02a6-4508-8f39-9720a0a93cee","ml-papers-of-the-week-github-research-desk-zh","每週 ML 論文清單，為何紅到 GitHub","2026-03-27T01:11:39.284175+00:00",{"id":68,"slug":69,"title":70,"created_at":71},"c4f807ca-4e5f-47f1-a48c-961cf3fc44dc","ai-ml-conferences-to-watch-in-2026-zh","2026 AI 研討會投稿時程整理","2026-03-27T01:51:53.874432+00:00",{"id":73,"slug":74,"title":75,"created_at":76},"9f50561b-aebd-46ba-94a8-363198aa7091","openclaw-agents-manipulated-self-sabotage-zh","OpenClaw Agent 會自己搞砸自己","2026-03-28T03:03:18.786425+00:00",{"id":78,"slug":79,"title":80,"created_at":81},"11f22e92-7066-4978-a544-31f5f2156ec6","vega-learning-to-drive-with-natural-language-instructions-zh","Vega：使用自然語言指示進行自駕車控制","2026-03-28T14:54:04.847912+00:00",{"id":83,"slug":84,"title":85,"created_at":86},"a4c7cfec-8d0e-4fec-93cf-1b9699a530b8","drive-my-way-en-zh","Drive My Way：個性化自駕車風格的實現","2026-03-28T14:54:26.207495+00:00",{"id":88,"slug":89,"title":90,"created_at":91},"dec02f89-fd39-41ba-8e4d-11ede93a536d","training-knowledge-bases-with-writeback-rag-zh","用 WriteBack-RAG 強化知識庫提升檢索效能","2026-03-28T14:54:45.775606+00:00",{"id":93,"slug":94,"title":95,"created_at":96},"3886be5c-a137-40cc-b9e2-0bf18430c002","packforcing-efficient-long-video-generation-method-zh","PackForcing：短影片訓練也能生成長影片","2026-03-28T14:55:02.688141+00:00",{"id":98,"slug":99,"title":100,"created_at":101},"72b90667-d930-4cc9-8ced-aaa0f8968d44","pixelsmile-toward-fine-grained-facial-expression-editing-zh","PixelSmile：提升精細臉部表情編輯的新方法","2026-03-28T14:55:20.678181+00:00",{"id":103,"slug":104,"title":105,"created_at":106},"cf046742-efb2-4753-aef9-caed5da5e32e","adaptive-block-scaled-data-types-zh","IF4：神經網路量化的聰明選擇","2026-03-31T06:00:36.990273+00:00"]