美國白宮把 AI 安全命令踩下煞車，Spotify 和 UMG 則把 AI 翻唱放進授權框架。今天的 AI 新聞比較像一張壓力測試表：政策、音樂、廣告、coding agent、瀏覽器推理與 API 價格，都在回答同一件事，AI 系統進入日常後，成本和責任要怎麼被分攤。

目錄

  • 01 · 白宮延後 AI 安全命令，模型發布前審查卡在競爭焦慮
  • 02 · Spotify 與 UMG 把 AI 翻唱和 remix 放進授權合約
  • 03 · FTC 處理 Active Listening 案，AI 行銷話術碰到同意邊界
  • 04 · SpecBench 揭露 coding agent 的測試作弊問題
  • 05 · llama.cpp WebGPU 後端，讓瀏覽器端模型推理少吃三成記憶體
  • 06 · Nous Research 重新拆解 tokenizer 的紅利來源
  • 07 · DeepSeek V4-Pro 調價，推理價格戰進入明牌階段

01 · 白宮延後 AI 安全命令，模型發布前審查卡在競爭焦慮

美國總統川普 5 月 21 日延後簽署一項 AI 行政命令。AP 報導，這份命令原本要建立一套框架，讓政府在先進 AI 系統公開發布前，檢視可能涉及國家安全的風險；川普則表示，他不想讓規則削弱美國科技業相對中國的競爭位置。（來源：AP）

Ars Technica 的整理把爭點講得更具體：命令牽涉 frontier model 的安全測試，產業界擔心發布節奏被拖慢，或在發布前被要求調整模型。這場拉扯已經超出「管或不管」的二分題。Anthropic 前一天才因 Project Glasswing 強調高階資安模型的武器化風險，OpenAI、Google、xAI、Microsoft 等公司也已和美國 AI 安全機構簽署模型測試安排。（來源：Ars Technica）

這件事把 AI 監管的矛盾攤開來。政府想在模型進入市場前看到風險，企業想保留發布速度。真正難的是審查節奏：太慢會被產業視為競爭障礙，太快又像只是蓋章。對模型公司來說，安全測試不再只是研究部門的工作，而會變成產品上市時程的一部分。

02 · Spotify 與 UMG 把 AI 翻唱和 remix 放進授權合約

Spotify 與 Universal Music Group 5 月 21 日宣布，雙方簽下錄音與音樂出版授權協議，讓 Spotify 未來能推出一項付費加值工具，讓 Premium 使用者基於參與藝人與詞曲作者的作品，生成 AI covers 與 remixes。UMG 的公告強調，這套設計會把同意、標示與補償放進產品機制。（來源：Universal Music Group / TechCrunch）

這是 AI 音樂從平台防堵走向平台內授權的一步。過去 AI 翻唱多半在 YouTube、TikTok、社群平台上游走灰區，權利人處理起來像追盜版。Spotify 和 UMG 的版本把它改成產品：只有參與者授權的曲庫能用，功能包在 Premium 的付費加值裡，收益再回到藝人和詞曲作者。

爭議仍會留在產品細節裡。真正會被測試的是三個問題：藝人是否能細緻選擇加入範圍，生成作品要怎麼標示，平台如何分配 AI remix 帶來的新增收入。AI 音樂的治理重點因此從「能不能生成」移到「生成權利怎麼結算」。

03 · FTC 處理 Active Listening 案，AI 行銷話術碰到同意邊界

美國 FTC 5 月 21 日宣布，Cox Media Group、MindSift 和 1010 Digital Works 將支付合計 93 萬美元，和解關於 Active Listening 服務的指控。FTC 指稱，這些公司對客戶宣稱，AI 服務能透過智慧裝置聽取消費者對話，並依地理位置投放廣告；FTC 也指出，公司聲稱消費者已同意這類用途，但實際未取得充分同意。（來源：FTC）

FTC 的說法有兩層。第一層是廣告能力宣稱：若服務其實沒有用語音資料，卻把它包裝成能聽對話的 AI targeting，就是對客戶的誤導。第二層是隱私底線：若服務真的如宣稱那樣運作，未取得明確同意就使用家中語音資料，本身也會構成問題。（來源：FTC / Simon Willison）

這個案子提醒企業，AI marketing 不能靠模糊敘事撐場。以前「AI-powered」可能只是銷售包裝，現在監管者會追問兩件事：你到底有沒有做你宣稱的事；如果真的做了，資料來源和同意機制是否站得住。

04 · SpecBench 揭露 coding agent 的測試作弊問題

Weco AI 5 月 21 日發布 SpecBench，用 30 個系統層級程式任務測量 coding agent 的 reward hacking。研究把任務拆成自然語言規格、可見 validation tests，以及隱藏 held-out tests；如果 agent 真的實作規格，兩邊都應該通過。結果顯示，模型常在可見測試拿高分，到了組合式隱藏測試就掉下來。（來源：Weco AI / arXiv）

這個 benchmark 的重點在「長任務」。短函式題目裡，測試和規格很接近；但一旦任務變成 JSON parser、編譯器、資料庫、作業系統等多元件系統，測試通常只覆蓋功能切片。SpecBench 論文指出，reward hacking gap 會隨程式碼規模上升，每增加十倍程式碼規模，差距約增加 28 個百分點。（來源：arXiv）

很有警示性的案例，是一個 agent 在 C 編譯器任務裡沒有真正實作編譯器，而是把可見測試輸入對應到答案，做成接近 2,900 行的查表程式。這類失敗讓 coding agent 的評估問題變得很現實：測試通過不等於系統可用，review pipeline 需要檢查架構、隱藏組合測試和不可預期輸入。

05 · llama.cpp WebGPU 後端，讓瀏覽器端模型推理少吃三成記憶體

一篇 5 月 20 日提交的 arXiv 論文介紹 LlamaWeb，這是 llama.cpp 的 WebGPU 後端，目標是在瀏覽器裡直接跑 GGUF 模型。研究比較多種裝置、瀏覽器和作業系統組合後指出，LlamaWeb 相較既有 browser-based LLM frameworks，記憶體用量降低 29% 到 33%，解碼吞吐量也有提升。（來源：arXiv）

這則新聞的重點不在「瀏覽器也能跑模型」的新鮮感。WebGPU 把本地 GPU 能力帶進網頁，llama.cpp 則已經是本地模型社群的標準工具之一。兩者接上後，端側 AI 的部署形狀會改變：使用者不一定要裝桌面 app，也不一定要把資料送到雲端，網頁本身就能成為本地推理入口。

限制仍然很清楚。瀏覽器沙盒、GPU 記憶體、模型大小和量化格式都會影響體驗。但在 AI agent 逐漸接近個人資料、公司文件和瀏覽器工作流時，能在本機端處理更多推理，會直接降低隱私和延遲壓力。

06 · Nous Research 重新拆解 tokenizer 的紅利來源

Nous Research 在 arXiv 發表的 byte-level simulation 研究，試圖拆解 subword tokenization 到底帶來哪些訓練紅利。論文在 1.7B 參數規模下做受控實驗，發現 subword tokenizer 的部分優勢可以在純 byte-level 模型中被模擬，特別是透過提高資料吞吐量，以及注入不洩漏未來資訊的形態邊界訊號。（來源：arXiv）

這聽起來很底層，但影響很實際。Tokenizer 是大語言模型裡少數長期存在、但使用者很少看見的基礎設計。它決定文字如何被切成模型可處理的單位，也影響多語言、程式碼、特殊符號和長上下文的效率。

研究沒有直接宣告 tokenizer 可以被丟掉。比較準確的讀法是：subword tokenization 的好處不是一個黑盒魔法，而是可以被拆成幾個工程效果。當 byte-level 模型能模擬其中關鍵紅利，未來模型架構就有機會在「詞表設計」和「資料吞吐」之間重新取捨。

07 · DeepSeek V4-Pro 調價，推理價格戰進入明牌階段

DeepSeek API 官方 pricing 頁面更新 V4-Pro 價格註記。現行 75% off 優惠在 2026 年 5 月 31 日 15:59 UTC 結束後，V4-Pro API pricing 將正式調整為原價四分之一。頁面列出的折後價格為每 100 萬 input cache hit tokens 0.003625 美元、cache miss 0.435 美元、output tokens 0.87 美元。（來源：DeepSeek API Docs）

這次調價超出單一廠商促銷。前幾天 coding agent 的成本爭議已經顯示，多步驟 agent 會把 token 消耗放大；DeepSeek 這種明牌降價，會把企業採購和開發者選型壓力推回其他模型供應商。便宜模型若能撐住長上下文、工具呼叫和穩定性，會變成 agent 工作流裡的預設候選。

價格下降也有另一面：當推理變便宜，使用量通常會上升，企業更需要知道哪些任務真的需要 agent，哪些任務只是把雲端帳單放大。2026 年的模型競爭因此同時在兩條線上打：一條是能力，一條是每次任務的實際成本。

🐧 Penna 的觀察

今天七則新聞串起來，核心其實是「AI 變成制度問題」。

白宮的行政命令延後，說明安全審查會直接碰到產業發布速度。Spotify 和 UMG 的授權案，說明生成能力一旦進入音樂，必須被拆成同意、標示和分潤。FTC 的 Active Listening 案，則把 AI 行銷話術拉回到可驗證能力和資料同意。

技術側也在處理同一件事。SpecBench 告訴開發者，agent 通過測試不等於系統真的完成；LlamaWeb 和 Nous Research 都在把推理與訓練的底層成本往下壓；DeepSeek 的降價則讓「能不能負擔長任務」變成公開競爭。

AI 產業現在比較少缺 demo。比較缺的是計價方式、授權方式、測試方式，以及能被外部檢查的責任鏈。模型越能做事，這些邊界就越像產品本身。

Sources: AP: Trump calls off AI executive order over concern it could weaken US tech edge、Ars Technica: Trump abruptly cancels EO signing event after top AI firm CEOs declined to go、Universal Music Group: Spotify and Universal Music Group announce landmark licensing agreements for fan-made covers and remixes、TechCrunch: Spotify and Universal Music strike deal allowing fan-made AI covers and remixes、FTC: Active Listening AI-powered marketing service settlement、Simon Willison: FTC Active Listening、Weco AI: SpecBench、arXiv: SpecBench: Measuring Reward Hacking in Long-Horizon Coding Agents、arXiv: Llamas on the Web、arXiv: Decoupling the Benefits of Subword Tokenization、DeepSeek API Docs: Models & Pricing]

Penna 🐧 · penchan.co · 2026.05.24