文／TED｜優創執行長
AI 能力宣稱幾乎每週都有。問題不在於這些消息是真是假，而在於媒體標題與原始來源之間常有落差，而企業主可能拿著標題去做決策。
這篇不講某個模型多強，講一個更實用的技能：看到「AI 突破」時，怎麼在十五分鐘內確認自己理解的是不是事實。我用 2026 年 9 月一則實際報導當教材。
這則新聞長什麼樣
2026 年 9 月 20 日前後，多家中英文科技媒體報導：OpenAI 的 GPT-6 Astra 與三位人類研究員合作，攻克了 FrontierMath 基準中一道自 2017 年起未解的「Major advance」等級開放數學問題。部分中文標題的措辭是「數學家淪為提示詞工具人」。
聽起來很清楚。但照著查證步驟走一遍，會發現需要補充的地方不少。
步驟一：找到一手來源
第一個動作永遠是：這個判定是誰做的？他們自己的頁面怎麼寫？
FrontierMath 由 Epoch AI 建立與維護，Open Problems 子集的狀態公布在 Epoch AI 自己的網站上。
查到的結果是：該頁面的統計顯示 Major advance 等級為 0/6 SOLVED，而 changelog 最新一筆更新停在 2026 年 8 月 12 日，內容是另一道題目（Hadamard matrix of order 668），且註明由 Anthropic 研究員回報、由三位人類與 Claude 共同完成，並標記為暫定判定。
換句話說，在我查證的當下，官方頁面尚未反映媒體報導的那項判定。這不代表報導是假的——可能是官方更新有時間差，也可能是判定仍在確認中。但它代表一件事：如果你要根據這則消息做決策，你引用的依據目前只有二手報導。
步驟二：看判定機構自己的標準
這一步最常被略過，卻最關鍵。
Epoch AI 在 changelog 中寫下了他們的判定原則，而且有個現成的對照案例。2026 年 8 月 11 日，關於 Mathieu Group M23 的反 Galois 問題，他們的判定是「由人類解決」，理由寫得很明白：
他們對「由 AI 解決」設有高門檻，要求解法的核心想法必須無疑義地由 AI 貢獻。在該案例中，一位作者表示「人類與 AI 貢獻的推理界線並不清楚，實務上大概不可能劃出明確分界」，另一位作者的紀錄則提到「其中一些最重要的決定，明顯是人類合作者做出的數學判斷」。基於這些描述，Epoch 認為無法確認核心想法由 AI 貢獻，因此不計為 AI 解決。
這段話的意義是：同一件事，在寬鬆標準下是「AI 解決了問題」，在 Epoch 的標準下是「人類解決了問題」。差別不在事實，在判準。
所以當你看到「AI 攻克某問題」時，真正該問的是：誰認定的？他們的標準是什麼？這個標準和我關心的事情有關係嗎？
步驟三：確認人類參與程度
回到那則報導。即使照報導本身的描述，過程也是一個模型加三位人類研究員的互動式協作，而非模型獨立完成。
「數學家淪為提示詞工具人」這類措辭，會讓讀者形成「人類已無關緊要」的印象。但從 Epoch 對 M23 案例的處理可以看出，專業數學家在這類協作中的判斷，往往是決定性的。
這件事對企業導入的直接啟示是：目前最有效的模式是人機協作，不是人被取代。如果你根據「AI 已經可以獨立完成專業工作」這個前提去規劃人力，前提本身就站不住。
步驟四：分辨「能力存在」與「你能用到」
最後一步，也是對預算影響最大的一步。
即使某項能力確實存在，還要問三個問題：
這個能力目前可以取得嗎？ 研究展示、內部模型與公開 API 是三件不同的事。 它適用於我的任務嗎？ 數學推理表現好，不代表處理你的報價單或客訴分類同樣好。 成本是多少？ 需要大量互動與專家投入才能達成的結果，複製到企業場景的成本可能遠高於預期。
補充一個相關事實：Epoch AI 在同一頁面說明，目前只有 OpenAI 購買了該基準的驗證程式存取權。這不影響判定的效力，但說明了基準測試的生態本身也有值得了解的結構。
一份可以直接用的查證清單
看到 AI 能力宣稱時，依序問這五題：
- 一手來源在哪裡？ 找到發布或判定機構的官方頁面，不停在轉述。
- 判定標準是什麼？ 該機構如何定義「達成」？有沒有對照案例？
- 人類參與多少？ 是獨立完成，還是協作？協作中誰做關鍵判斷？
- 我現在能用到嗎？ 研究成果、內部模型、公開服務是三件事。
- 和我的任務有關嗎？ 基準任務與你的實際工作有多少重疊？
五題走完通常不超過十五分鐘。這十五分鐘的價值，在於它會擋掉基於錯誤前提的決策。
為什麼我把這件事看得比新聞本身重要
我們接觸過不少公司，導入失敗的原因不是工具選錯，是一開始的預期就建立在不準確的資訊上。老闆看到某則報導，認定某件事已經可以自動化，於是編了預算、設了時程；實際做下去才發現，報導描述的情境和公司的實際條件差距很大。
這不是誰的錯。資訊流動的速度遠快於查證的速度，而多數企業主沒有時間逐則確認。
所以我的建議是：不必每則都查，但涉及採購決策或對外承諾的，一定要查。這類宣稱通常一個月不會超過兩三則，花不了多少時間。
如果要授權給同仁或顧問處理，請要求對方提供來源連結，而不是只給結論。能不能拿出來源，通常就能分辨出是查過的判斷還是轉述的印象。
參考來源
- Epoch AI, "FrontierMath: Open Problems" 專案頁面與 changelog（查證時間：2026-09-21）
- Epoch AI changelog 2026-08-11 關於 Mathieu Group M23 判定為人類解決之說明
- Epoch AI changelog 2026-08-12 關於 Hadamard matrix of order 668 之暫定判定說明
本文引用之基準狀態以查證當日的官方頁面為準；該頁面持續更新，讀者引用前建議重新確認。
相關推薦與延伸閱讀
- AI Agent 的權限邊界怎麼設：企業導入前必須畫好的三條線：企業導入 AI Agent 前，權限邊界比模型選型更該先決定。本文用 2026 年 OpenAI–Hugging Face 事件與 Google Gemini
- AI 導入顧問怎麼選？台灣中小企業比較顧問與 DIY 的成本、風險與時程：要自己摸索 AI 工具，還是請顧問協助？本文分析兩種方式的成本、風險與適用情境，幫台灣中小企業老闆做出適合自己的決定。
- AI 導入效果不佳？企業應檢查的 5 個原因與改善方法：AI 工具買了沒人用，先檢查需求、導入範圍、操作支援、繁體中文品質與維護能力。用實際紀錄找原因，再決定調整、延長試行或停止。