[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-booz-allen-openai-secure-ai-deployable-zh":3,"article-related-booz-allen-openai-secure-ai-deployable-zh":31,"series-industry-f1181b6f-368d-401b-8386-74c9cc287b50":78},{"id":4,"slug":5,"title":6,"content":7,"summary":8,"source":9,"source_url":10,"author":11,"image_url":12,"cover_image":12,"category":13,"language":14,"translated_content":11,"related_article_id":15,"keywords":16,"key_takeaways":23,"views":27,"created_at":28,"published_at":29,"topic_cluster_id":30},"f1181b6f-368d-401b-8386-74c9cc287b50","booz-allen-openai-secure-ai-deployable-zh","Booz Allen + OpenAI 把安全 AI 做成可部署","\u003Cp data-speakable=\"summary\">我把 Booz Allen 與 \u003Ca href=\"\u002Ftag\u002Fopenai\">OpenAI\u003C\u002Fa> 的合作拆成一套可直接套用的安全 AI 上線模板，重點是治理、邊界、操作與審計。\u003C\u002Fp>\u003Cp>我最近一直在看各種 AI 系統怎麼進到真的有規範、有稽核、有責任歸屬的環境。Demo 都很漂亮，真的。問題是 demo 結束後，事情才開始爛：誰能看資料、誰能改提示、log 留多久、出事誰負責、模型答錯要怎麼停。很多團隊把這些當成後話，結果就是模型很會講，系統根本不能上線。\u003C\u002Fp>\u003Cp>所以我看到 \u003Ca href=\"https:\u002F\u002Fwww.executivebiz.com\u002Farticles\u002Fbooz-allen-openai-ai-partnership-national-security\">ExecutiveBiz\u003C\u002Fa> 這篇在講 Booz Allen Hamilton 跟 OpenAI 的合作時，第一個反應不是「喔好酷」，而是「終於有人把重點放在能不能部署」。這種合作如果只是在講 AI 很強，那我真的沒興趣。我在意的是，它有沒有把模型包進一個安全團隊、法遵團隊、任務負責人都能接受的外殼裡。\u003C\u002Fp>\u003Cp>這篇不是新聞整理。我是拿這個合作當觸發點，拆它背後的方法論，再翻成\u003Ca href=\"\u002Ftag\u002F台灣開發者\">台灣開發者\u003C\u002Fa>能直接抄的版本。Booz Allen Hamilton 官方站在這裡：\u003Ca href=\"https:\u002F\u002Fwww.boozallen.com\u002F\">https:\u002F\u002Fwww.boozallen.com\u002F\u003C\u002Fa>，OpenAI 官方站在這裡：\u003Ca href=\"https:\u002F\u002Fopenai.com\u002F\">https:\u002F\u002Fopenai.com\u002F\u003C\u002Fa>。來源裡沒有提供觀看數、收藏數或星數，我就不亂編了。\u003C\u002Fp>\u003Ch2>它賣的不是 AI，是可被信任的邊界\u003C\u002Fh2>\u003Cblockquote>Booz Allen Hamilton and OpenAI have announced a new partnership to advance the deployment of mission-ready artificial intelligence across national security and critical infrastructure.\u003C\u002Fblockquote>\u003Cp>翻譯一下就是：他們不是在賣一個會聊天的模型，他們是在賣一條能讓模型進到敏感環境的路。這句「mission-ready」很重要，因為它其實在講一件很現實的事：不是模型會回答就能上線，而是它能不能在限制、審核、紀錄、隔離這些條件下活下來。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1783144998660-wrc5.png\" alt=\"Booz Allen + OpenAI 把安全 AI 做成可部署\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>我以前也踩過這種坑。團隊興沖沖把一個 \u003Ca href=\"\u002Ftag\u002Fllm\">LLM\u003C\u002Fa> 接到內部流程，前端很快、體驗很好，大家都笑得很開心。然後安全同事一問：資料會\u003Ca href=\"\u002Fnews\u002Ftokenized-securities-will-not-replace-public-markets-zh\">不會\u003C\u002Fa>外流？prompt 會不會被留存？誰能看輸出？模型出錯怎麼追？整個會議室瞬間安靜。那一刻我就知道，真正的產品不是模型，是信任邊界。\u003C\u002Fp>\u003Cp>實操上，我會先寫一頁紙，把邊界講死，不要靠感覺。哪些資料能進系統，哪些不能；哪些角色能看 prompt、能看輸出、能看 log；哪些資料會存，存多久，存在哪個環境。你如果連這些都講不清楚，就別急著寫 \u003Ca href=\"\u002Ftag\u002Fagent\">agent\u003C\u002Fa>、別急著接工具、也別急著談上線。\u003C\u002Fp>\u003Cul>\u003Cli>先定資料分級：公開、內部、受限、敏感，照你公司現有制度來。\u003C\u002Fli>\u003Cli>每一級資料對應一組允許的模型行為與保存規則。\u003C\u002Fli>\u003Cli>把「誰能批准」寫成流程，不要靠群組裡一句話放行。\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>合作有沒有料，先看有沒有把髒活做完\u003C\u002Fh2>\u003Cp>很多 AI 合作公告都愛跳過整合這件事，因為整合很醜。講「我們合作了」很帥，講「我們花六週接身份驗證、審計紀錄和政策控制」就很像在寫工單。但我跟你講，真正決定能不能部署的，九成是這些髒活。\u003C\u002Fp>\u003Cp>國防、政府、關鍵基礎設施這些環境，不會因為你模型很強就對你放水。你要的是 identity-aware access、環境隔離、可稽核的 logging、還有一套不讓模型繞過流程的控制面。這些東西沒做好，聊天介面再漂亮也沒用，因為它最後都會卡在 enterprise auth、資料外洩風險、或是法遵不敢簽。\u003C\u002Fp>\u003Cp>我會把 OpenAI 的 \u003Ca href=\"https:\u002F\u002Fplatform.openai.com\u002Fdocs\">API 文件\u003C\u002Fa>當成引擎說明，不是產品說明。引擎很強，不代表車就能上路。Booz Allen 這種夥伴的價值，通常就在於把引擎塞進能進場的車殼裡。你如果是一般公司，也是一樣：不要先問「用哪個模型」，先問「模型外面要包什麼系統」。\u003C\u002Fp>\u003Cp>實操寫法很簡單：把 AI 專案當成一個受管控系統，而不是一個 prompt demo。你需要身分管理、權限控管、政策引擎、監控、紅隊測試、人工覆核、回滾機制。少一個都不行，因為少掉的通常不是功能，是責任歸屬。\u003C\u002Fp>\u003Ch2>安全 AI 其實是營運問題，不是模型問題\u003C\u002Fh2>\u003Cp>大家很愛盯模型準不準，但在受管控環境裡，\u003Ca href=\"\u002Fnews\u002Fequity-tokenization-platform-development-services-zh\">能不能上\u003C\u002Fa>線通常是營運決定的。像是 secret 怎麼管、環境怎麼切、prompt 怎麼記、事故怎麼處理、版本怎麼控，這些才是會讓專案活下來的東西。模型答得再好，只要營運包裝亂七八糟，最後還是不能碰正式流程。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1783144991516-b0mk.png\" alt=\"Booz Allen + OpenAI 把安全 AI 做成可部署\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>我見過很多團隊把 AI 當成「更聰明的查詢框」，結果忘了它其實是一個新的風險面。它會吃資料、會吐資料、會接工具、會被提示注入、會在 log 裡留下痕跡。你如果沒有把這些風險當成產品的一部分處理，那你做出來的不是助手，是一個很會講話的責任炸彈。\u003C\u002Fp>\u003Cp>所以我現在會直接照 production ops 的標準來寫 AI ops。誰是 owner、誰收 alert、哪些錯誤要停、哪些情況要降級、哪些輸出一定要人工看，全部先定好。不要等上線後才問。上線後再補，通常都補得很醜。\u003C\u002Fp>\u003Cul>\u003Cli>把模型存取放在你原本就信任的 identity provider 後面。\u003C\u002Fli>\u003Cli>prompt 和 output 要能被 review，但不能把更多敏感資料一起洩出去。\u003C\u002Fli>\u003Cli>訓練資料、telemetry、對話紀錄都要有明確 retention 規則。\u003C\u002Fli>\u003Cli>整個功能要有 kill switch，不是只有單筆 request 的 timeout。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>我自己最常用的心法是：每一次 AI 呼叫都當成外部依賴。timeout、retry、circuit breaker、observability，這些不是加分項，是基本盤。你如果把它想成「一個聰明功能」，你就會漏掉它其實也是一個會壞、會漂、會失控的服務。\u003C\u002Fp>\u003Ch2>國安場景要的是工具感，不是人格感\u003C\u002Fh2>\u003Cp>這點我很有立場。很多 AI 產品都在做「很像人」的體驗，講話要親切、要會接話、要像同事。這在消費級產品也許還行，但在國安、醫療、金融、基礎設施這種地方，最重要的不是可愛，是可預期。系統要像設備，不要像一個情緒穩定度不明的同事。\u003C\u002Fp>\u003Cp>也就是說，介面要收斂，輸出最好結構化，拒答條件要明確，升級處理要清楚。模型不是來跟你交朋友的，是來幫你完成受控任務的。你給它越多自由，它越容易在你最不想出事的地方出事。這不是模型壞，是你把它放在錯的位置。\u003C\u002Fp>\u003Cp>OpenAI 這邊有幾個文件很值得看，像是 \u003Ca href=\"https:\u002F\u002Fplatform.openai.com\u002Fdocs\u002Fguides\u002Ffunction-calling\">function calling\u003C\u002Fa> 跟 \u003Ca href=\"https:\u002F\u002Fplatform.openai.com\u002Fdocs\u002Fguides\u002Fstructured-outputs\">structured outputs\u003C\u002Fa>。這兩個東西的價值，不是讓 demo 更炫，而是讓模型輸出變成下游系統能處理的格式。Booz Allen 這種合作如果真的落地，重點也會在這裡：把模型變成可控元件，而不是聊天玩具。\u003C\u002Fp>\u003Cp>實操上，我會先把能結構化的輸出全結構化。能用 JSON 就不要用散文，能用 schema 就不要讓模型自由發揮。需要人工審核的決策，直接做成 workflow 節點，不要幻想模型會自己「小心一點」。它不會。它只會照你給的規則做，或是照你沒寫清楚的地方亂做。\u003C\u002Fp>\u003Ch2>真正值錢的是把專業包成可複用的交付物\u003C\u002Fh2>\u003Cp>這種合作公告最容易被忽略的一點是：值錢的常常不是模型本身，而是包裝模型的那層專業。Booz Allen 長期處理的是流程、政策、任務脈絡；OpenAI 提供的是\u003Ca href=\"\u002Fnews\u002Ffable5-jiejin-hou-zhi-sheng-geng-zhai-nengli-zh\">能力\u003C\u002Fa>。兩者湊在一起，真正有意思的問題變成：能不能把這些能力包成一套別人不用重造輪子的交付方式？\u003C\u002Fp>\u003Cp>我很吃這一套，因為大多數組織在 AI delivery 上都很爛。每個 team 都自己寫 prompt、自己定 log 規則、自己做審批流程，最後大家都以為自己很特別，其實只是各自重複造輪子。結果就是治理碎掉、維運碎掉、知識也碎掉。這種專案看起來很多，真正能複用的很少。\u003C\u002Fp>\u003Cp>如果你想抄這個方向，我會建議你直接做 reference stack。不要只寫一份簡報，真的做一套基線：模型存取、政策控制、logging、人工覆核、部署目標，全都放進去。然後規定新專案先從這個基線開始，除非他能清楚說明為什麼要偏離。這樣才不會每個案子都變成一次性實驗。\u003C\u002Fp>\u003Cp>你可以參考的框架有 \u003Ca href=\"https:\u002F\u002Fwww.nist.gov\u002Fitl\u002Fai-risk-management-framework\">NIST AI Risk Management Framework\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fwww.nist.gov\u002Fcyberframework\">NIST Cybersecurity Framework\u003C\u002Fa>，以及 \u003Ca href=\"https:\u002F\u002Fwww.openpolicyagent.org\u002F\">Open Policy Agent\u003C\u002Fa>。我不是要你照抄文件，我是要你借它們的語言，讓工程、資安、法遵講同一套話。\u003C\u002Fp>\u003Ch2>我會抄的，是框架，不是公關詞\u003C\u002Fh2>\u003Cp>我會抄這個合作的 framing：mission-ready、secure deployment、critical infrastructure。這些字眼如果只是拿來貼在首頁，當然很空。但如果它們逼你去回答資料邊界、控制面、責任歸屬，那它們就很有用。因為它們把問題從「模型多厲害」拉回「系統能不能活」。\u003C\u002Fp>\u003Cp>我不會抄的，是那種一看就知道很像公關稿的樂觀語氣。那種東西最便宜。真正貴的是把風險列清楚，把失敗模式寫清楚，把回滾機制做出來。安全 AI 不是比較會講故事，而是比較能承受現實。\u003C\u002Fp>\u003Cp>如果我現在要帶一個團隊做這種東西，我會先做四件事：定任務、定資料、定控制、定退出條件。四個都不清楚，就先不要談上線。這不是保守，這是避免你之後花三倍時間收爛攤子。\u003C\u002Fp>\u003Cp>而且我會把人放在流程中心。敏感環境裡，AI 的角色應該是減少摩擦，不是拿掉責任。它可以幫你草擬、摘要、分類、建議，但最後那個決定，還是要有人簽。這不是限制，這是能部署的代價。\u003C\u002Fp>\u003Ch2>可抄的模板\u003C\u002Fh2>\u003Cpre>\u003Ccode># 安全 AI 交付模板：從 demo 變成可部署系統\n\n## 1. 任務定義\n- 這個 AI 服務支援哪個任務或流程？\n- 它要幫忙的是哪個決策或哪個步驟？\n- 明確不做什麼？\n\n## 2. 資料邊界\n- 允許輸入：\n  - 公開資料\n  - 內部資料\n  - 受限資料\n  - 其他：__________\n- 禁止輸入：\n  - __________\n- 保存規則：\n  - prompts：__________\n  - outputs：__________\n  - logs：__________\n  - retention：__________\n\n## 3. 權限與信任控制\n- Identity provider：__________\n- 可使用系統的角色：__________\n- 可查看 logs 的角色：__________\n- 可批准變更的角色：__________\n- 必須人工覆核的情況：\n  - 高風險輸出\n  - 對外分享\n  - 會影響營運的決策\n\n## 4. 模型行為規則\n- 輸出格式：\n  - 自由文字\n  - JSON\n  - Schema：__________\n- 拒答條件：\n  - 敏感資料\n  - 上下文不足\n  - 與政策衝突\n  - 其他：__________\n- 拒答後的升級處理：\n  - __________\n\n## 5. 營運控制\n- Timeout：__________\n- Retry policy：__________\n- Circuit breaker：__________\n- 監控指標：\n  - error rate\n  - latency\n  - refusal rate\n  - human override rate\n- Kill switch owner：__________\n\n## 6. 稽核與審查\n- 會記錄什麼：__________\n- 誰審查 logs：__________\n- 審查頻率：__________\n- Incident response owner：__________\n- Audit trail 存放位置：__________\n\n## 7. 上線檢查清單\n- [ ] 資料分級已核准\n- [ ] 權限控管已串好\n- [ ] Logging 已給資安看過\n- [ ] 人工覆核流程已測過\n- [ ] 失敗模式已測過\n- [ ] Rollback plan 已寫好\n- [ ] Kill switch 已測過\n- [ ] 上線負責人已指派\n\n## 8. 退出條件\n如果出現以下情況，就停用或重做：\n- __________\n- __________\n\n## 9. 一頁式核准單\n核准人：\n- Mission owner：__________\n- Security：__________\n- Legal \u002F compliance：__________\n- Engineering：__________\n\n日期：__________\n\n## 10. 最後原則\n- 模型是元件，不是決策主體\n- 先有邊界，再有功能\n- 先能稽核，再談擴大使用\n- 先能停機，再談自動化\u003C\u002Fcode>\u003C\u002Fpre>\u003Cp>這份模板的目的不是讓 AI 變慢，是讓它變得可以被交付。你如果能把這些欄位填完，通常就代表你已經從「有個 AI 想法」走到「有個能進流程的系統」。填不完也沒關係，至少你知道自己現在卡在哪。\u003C\u002Fp>\u003Cp>原始來源是 \u003Ca href=\"https:\u002F\u002Fwww.executivebiz.com\u002Farticles\u002Fbooz-allen-openai-ai-partnership-national-security\">ExecutiveBiz 這篇\u003C\u002Fa>，另外我也參考了 \u003Ca href=\"https:\u002F\u002Fwww.boozallen.com\u002F\">Booz Allen Hamilton\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fopenai.com\u002F\">OpenAI\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fplatform.openai.com\u002Fdocs\">OpenAI 文件\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fwww.nist.gov\u002Fitl\u002Fai-risk-management-framework\">NIST AI RMF\u003C\u002Fa>。上面的拆解跟模板是我自己整理的，合作本身與公告內容則屬於 Booz Allen Hamilton 和 OpenAI。","我把 Booz Allen 與 OpenAI 的合作拆成一套可直接套用的安全 AI 上線模板，重點是治理、邊界、操作與審計。","www.executivebiz.com","https:\u002F\u002Fwww.executivebiz.com\u002Farticles\u002Fbooz-allen-openai-ai-partnership-national-security",null,"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1783144998660-wrc5.png","industry","zh","a98aaa54-6efe-41c6-a7cc-bf93a8b23307",[17,18,19,20,21,22],"secure AI","mission-ready","AI governance","deployment","OpenAI","Booz Allen Hamilton",[24,25,26],"安全 AI 的核心不是模型，而是信任邊界與資料控制。","能不能部署，取決於身份、稽核、營運與回滾機制。","最可複用的交付物是 reference stack 與核准模板，不是 demo。",0,"2026-07-04T06:02:46.766079+00:00","2026-07-04T06:02:46.746+00:00","caa87b65-9bbc-46fe-bba8-4f4158dd2d8b",{"tags":32,"relatedLang":37,"relatedPosts":41},[33,35],{"name":21,"slug":34},"openai",{"name":19,"slug":36},"ai-governance",{"id":15,"slug":38,"title":39,"language":40},"booz-allen-openai-secure-ai-deployable-en","Booz Allen + OpenAI make secure AI deployable","en",[42,48,54,60,66,72],{"id":43,"slug":44,"title":45,"cover_image":46,"image_url":46,"created_at":47,"category":13},"619fcc60-9724-4df3-acd0-acf6107a6fcc","tokenized-securities-will-not-replace-public-markets-zh","代幣化證券短期內不會取代公開市場","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1783132365461-jzfk.png","2026-07-04T02:32:17.976855+00:00",{"id":49,"slug":50,"title":51,"cover_image":52,"image_url":52,"created_at":53,"category":13},"577cbd98-37df-47e1-84e5-77a2417a1529","equity-tokenization-platform-development-services-zh","6 個關鍵功能，決定股權代幣化平台能不能上線","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1783130564777-mdh5.png","2026-07-04T02:02:19.3561+00:00",{"id":55,"slug":56,"title":57,"cover_image":58,"image_url":58,"created_at":59,"category":13},"a7b3d6a6-afba-4e83-93fb-e93984073e92","fable5-jiejin-hou-zhi-sheng-geng-zhai-nengli-zh","Fable 5 解禁後只剩更窄能力","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1783126990411-9v8g.png","2026-07-04T01:02:43.802345+00:00",{"id":61,"slug":62,"title":63,"cover_image":64,"image_url":64,"created_at":65,"category":13},"01985096-ecc3-498f-909b-a4221473bd20","openai-5-percent-equity-policy-zh","OpenAI 5% 讓股權變政策","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1783123388757-e6v7.png","2026-07-04T00:02:47.153739+00:00",{"id":67,"slug":68,"title":69,"cover_image":70,"image_url":70,"created_at":71,"category":13},"8e878110-b162-4198-928b-d0cc1910396e","california-claude-deal-state-offices-zh","5 個訊號看懂加州 Claude 進駐政府辦公室","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1783083766778-akf3.png","2026-07-03T13:02:20.091907+00:00",{"id":73,"slug":74,"title":75,"cover_image":76,"image_url":76,"created_at":77,"category":13},"4217d41e-9694-4a49-9520-2f5d4b009496","meta-ai-hardware-wall-street-compute-demand-zh","Meta一句話震盪算力股，華爾街仍看多推理需求","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1783081971603-7vr0.png","2026-07-03T12:32:21.726295+00:00",[79,84,89,94,99,104,109,114,119,124],{"id":80,"slug":81,"title":82,"created_at":83},"ee073da7-28b3-4752-a319-5a501459fb87","ai-in-2026-what-actually-matters-now-zh","2026 AI 真正重要的事","2026-03-26T07:09:12.008134+00:00",{"id":85,"slug":86,"title":87,"created_at":88},"83bd1795-8548-44c9-9a7e-de50a0923f71","trump-ai-framework-power-speech-state-preemption-zh","川普 AI 框架瞄準電力、言論與州權","2026-03-26T07:12:18.695466+00:00",{"id":90,"slug":91,"title":92,"created_at":93},"ea6be18b-c903-4e54-97b7-5f7447a612e0","nvidia-gtc-2026-big-ai-announcements-zh","NVIDIA GTC 2026 重點拆解","2026-03-26T07:14:26.62638+00:00",{"id":95,"slug":96,"title":97,"created_at":98},"4bcec76f-4c36-4daa-909f-54cd702f7c93","claude-users-spreading-out-and-getting-better-zh","Claude 用戶更分散，也更會用","2026-03-26T07:22:52.325888+00:00",{"id":100,"slug":101,"title":102,"created_at":103},"bd903b15-2473-4178-9789-b7557816e535","openclaw-raises-hard-question-for-ai-models-zh","OpenClaw 逼問 AI 模型價值","2026-03-26T07:24:54.707486+00:00",{"id":105,"slug":106,"title":107,"created_at":108},"eeac6b9e-ad9d-4831-8eec-8bba3f9bca6a","gap-google-gemini-checkout-fashion-search-zh","Gap 把結帳搬進 Gemini","2026-03-26T07:28:23.937768+00:00",{"id":110,"slug":111,"title":112,"created_at":113},"0740e53f-605d-4d57-8601-c10beb126f3c","google-pushes-gemini-transition-to-march-2026-zh","Google 把 Gemini 轉換延到 2026 年 3…","2026-03-26T07:30:12.825269+00:00",{"id":115,"slug":116,"title":117,"created_at":118},"e660d801-2421-4529-8fa9-86b82b066990","metas-llama-4-benchmark-scandal-gets-worse-zh","Meta Llama 4 分數風波又擴大","2026-03-26T07:34:21.156421+00:00",{"id":120,"slug":121,"title":122,"created_at":123},"183f9e7c-e143-40bb-a6d5-67ba84a3a8bc","accenture-mistral-ai-sovereign-enterprise-deal-zh","Accenture 攜手 Mistral AI 賣主權 AI","2026-03-26T07:38:14.818906+00:00",{"id":125,"slug":126,"title":127,"created_at":128},"191d9b1b-768a-478c-978c-dd7431a38149","mistral-ai-faces-its-hardest-year-yet-zh","Mistral AI 迎來最硬的一年","2026-03-26T07:40:23.716374+00:00"]