今日要聞
過去兩天的 AI 動態，再次把焦點拉回『企業落地』：一邊是更快、更便宜的模型走向一般可用，令大量流程自動化變得可計數；另一邊是政府與產業的測試合作擴大，迫使我們更認真面對安全、治理與責任。對香港這類高度國際化的市場而言，選模型不只是比較回答質素，而是比較能否長期穩定、可控、可審計地支撐業務。
Gemini 3.1 Flash-Lite 正式 GA：把「低延遲 + 低成本」推到企業代理平台
Google 宣布 Gemini 3.1 Flash-Lite 正式一般可用（GA），定位為 Gemini 3 系列中「最快、最具成本效益」的型號，主打超低延遲與高吞吐量工作負載。
對香港企業而言，這類模型的關鍵不只在『更聰明』，而是在同一筆預算下把更多流程自動化：例如客服分類、文件摘要、批量標註、即時搜尋整理、以及需要大量工具呼叫（tool calling）的代理式工作流。
值得留意的是，官方把它放在企業代理平台的脈絡去講，代表它更偏向『可部署、可擴展、可量化 ROI』的模型選擇，而不是只為展示效果。
重點整理
- 模型能力仍在進步，但「成本、延遲、可擴展性」正成為企業落地的決勝因素。
- 政府與產業的自願測試機制擴大後，企業採購更需要可交代的風險與治理證據。
- 算力供應改善通常會先反映在用量限制與 API 可用性，直接影響產品迭代速度。
美國 CAISI 擴大前沿模型安全測試合作：由「自願評估」走向更制度化
美國商務部轄下、由 NIST 支持的 CAISI，定位為政府與業界之間的主要對接點，透過自願協議推動測試、協作研究與最佳實務，並進行可能影響國家安全的 AI 能力評估。
近期報道指出，CAISI 與多家大型 AI 供應方簽訂合作，讓政府可在模型公開前進行評估與研究，重點放在可驗證的風險面：網絡安全、生物安全與化學武器等。
對企業用戶來說，這意味著『合規與風險證據』將更常出現在採購流程：同一套模型在不同市場落地，可能需要不同的測試紀錄、使用限制與治理文件。
Anthropic 提升 Claude 用量上限：算力合作帶動產品體驗與 API 可用性
Anthropic 公布與 SpaceX 的算力合作，指將使用其 Colossus 1 數據中心的算力容量，並因此上調 Claude Code 與 Claude API 的使用限制。
公告提到的調整包括：把 Claude Code 的 5 小時 rate limit 倍增、移除部分帳戶的尖峰時段降速，以及『大幅提高』Opus 系列 API 的 rate limit。
對香港開發團隊而言，這類更新直接影響 PoC 到上線的節奏：用量更穩定，才能把客服代理、內部知識庫問答、報告自動生成等場景，從小量測試擴展到日常營運。
實務小貼士（給香港公司）
如果你正把 LLM 放入客服或內部知識庫，建議同時建立「成本預算表 + 風險與權限矩陣 + 供應商測試紀錄」三件套，方便與合規、資訊安全及業務部門對齊。
總結而言，模型『更強』已不再是唯一賣點；能否在成本、延遲與治理之間取得平衡，才是 2026 年企業採用 AI 的主線。香港企業如果想把 AI 變成日常生產力，而不是一次性的 demo，應優先建立可量化的 KPI（如處理時間、錯誤率、人工介入比例）與最基本的資料治理流程，這會比追逐最新名詞更快帶來回報。
本文由 AI Course Hong Kong 導師 Ivan So 整理。如有查詢，歡迎電郵至 ivan@hdcourse.com。