6 月 15 日凌晨，OpenAI 把企業通路往前推了一步；同一批新聞裡，Anthropic 的模型管制餘波還沒散，Google 和 Zyphra 則把開源模型推向更快的本地推理與即時語音。AI 產業今天的重點不在誰多會聊天，而在模型被放進真實工作後，誰能處理通路、環境、管制、評測與基礎設施。

目錄

  • 01 · OpenAI Partner Network 上線，企業導入變成通路戰
  • 02 · Anthropic 管制事件延燒，模型存取開始被國安程序重寫
  • 03 · OpenAI 計畫收購 Ona，Codex 要有長時間雲端工作環境
  • 04 · DiffusionGemma 用文字 diffusion 換速度，開源模型瞄準本地互動
  • 05 · ZONOS2 開源即時語音模型，TTS 進入 MoE 與大規模資料階段
  • 06 · olmo-eval 補上模型開發循環，評測從排行榜回到實驗流程
  • 07 · 資料中心阻力升高，AI 基礎設施遇上地方政治

01 · OpenAI Partner Network 上線，企業導入變成通路戰

OpenAI 6 月 14 日發布 OpenAI Partner Network，並表示將投入 1.5 億美元協助全球夥伴加速企業 AI 採用、部署與轉型。官方 RSS 摘要把這件事放在 enterprise adoption，而非單一產品更新，意思很直接：模型公司開始把導入能力做成可擴張的通路。（來源：OpenAI）

這一步接在 OpenAI 近期密集的企業訊號後面。6 月 12 日，OpenAI Academy 推出 AI Foundations、Applied AI Foundations、Agents and Workflows 三門課；6 月 11 日，OpenAI 又宣布計畫收購 Ona，強化 Codex 的雲端工作環境。Partner Network 則把外部顧問、系統整合商與企業服務夥伴拉進同一條線。（來源：OpenAI）

企業買 AI 時，通常不只問「模型能不能回答」。它們要把權限、資料邊界、流程改造、員工訓練、稽核紀錄和既有系統串起來。Partner Network 的位置就在這裡：OpenAI 提供模型與平台，夥伴負責把它塞進真實組織。AI 採用的競爭開始像雲端早期一樣，誰有更成熟的服務網路，誰就更容易被企業採購流程接受。

02 · Anthropic 管制事件延燒，模型存取開始被國安程序重寫

Anthropic Fable 5 與 Mythos 5 的停用事件延燒到第二天。The Verge 6 月 14 日報導，白宮限制 Mythos 的部分原因，可能與擔心相關模型被中國關聯團體存取有關；同篇也明確寫到，白宮尚未確認這項說法，David Sacks 的公開貼文則把焦點放在可能的 jailbreak 風險。（來源：The Verge）

The Verge 前一天另報導，Amazon 的資安研究與 CEO Andy Jassy 和白宮之間的討論，可能促成政府對 Anthropic Fable 5 與 Mythos 5 採取行動。Anthropic 自己的聲明則說，公司在 6 月 12 日美東下午 5:21 收到指令，信件沒有具體說明國安疑慮；公司理解政府擔心的是某種繞過 Fable 5 防護的方法，但 Anthropic 認為展示內容只涉及少數已知、程度較輕的漏洞。（來源：The Verge / Anthropic）

這裡的核心變化，是模型存取被放進國安與出口管制程序。過去大家談 AI safety，多半談訓練前評估、red team、政策分類器與使用條款；現在政府可以用身分、地理位置和國籍邊界直接切斷模型。企業客戶要重新看供應商風險：模型能力很高，仍可能因突發指令、跨境規則或供應鏈政治而停擺。

03 · OpenAI 計畫收購 Ona，Codex 要有長時間雲端工作環境

OpenAI 6 月 11 日宣布計畫收購 Ona，用來擴展 Codex 的 secure, persistent cloud environments。官方摘要提到，這會讓長時間運行的 AI agents 能跨企業工作流執行任務。（來源：OpenAI）

這句話對 coding agent 很關鍵。短 demo 裡，agent 可以在臨時環境改幾個檔案、跑一次測試；企業工作流裡，任務常常跨多個 repo、多個服務、長時間 CI、權限審核與狀態保存。Persistent cloud environments 的意思，是 agent 不只要會生成 code，還要有能安全停留、恢復、繼續執行與留下紀錄的工作場所。

OpenAI 近期把 Codex 放在多條企業路線上：Oracle Cloud commitment、客戶案例、Academy 課程、Partner Network，加上 Ona 的環境層。這些動作放在一起看，Codex 正從「會寫程式的模型」變成企業軟體交付的一部分。真正難的地方會落在權限與責任：agent 何時能改、誰批准、測試失敗誰處理、環境裡的資料如何隔離。

04 · DiffusionGemma 用文字 diffusion 換速度，開源模型瞄準本地互動

Google 6 月 10 日推出 DiffusionGemma，這是一個 Apache 2.0 授權的實驗性開源文字 diffusion 模型。它採 26B total 的 Mixture of Experts 架構，推理時啟用 3.8B 參數；Google 稱在 dedicated GPUs 上可達到 4 倍文字生成速度，在單張 NVIDIA H100 上超過每秒 1,000 tokens，在 GeForce RTX 5090 上超過每秒 700 tokens。（來源：Google DeepMind）

它和一般 autoregressive LLM 的差別在生成方式。多數文字模型像打字機，一個 token 接一個 token 往前寫；DiffusionGemma 一次處理 256 tokens 的文字區塊，再反覆修正。Google 說這種方式把瓶頸從記憶體頻寬移到運算，較適合低到中等 batch、單一使用者、本地推理與互動式工作流，例如 inline editing、rapid iteration、code infilling 和非線性文字結構。（來源：Google DeepMind）

Google 也把限制說得很清楚：DiffusionGemma 為速度和並行布局生成做取捨，整體輸出品質低於標準 Gemma 4；高品質 production output 仍建議用 Gemma 4。這種說法反而有價值。開源模型不再只追求一個總分，而是開始針對「本地即時互動」這類明確場景調硬體效率與模型行為。

05 · ZONOS2 開源即時語音模型，TTS 進入 MoE 與大規模資料階段

Zyphra 6 月 12 日發布 ZONOS2，定位為 Apache 2.0 授權的即時 text-to-speech 模型，主打高保真 voice cloning。官方稱它是開源 TTS 系統中首個 MoE 架構模型，總參數 8B，推理時啟用 900M 參數，並支援 Zyphra Cloud、Hugging Face 權重與 GitHub 推理程式碼。（來源：Zyphra）

ZONOS2 的幾個技術選擇很有指標性。它預測 Descript Audio Codec 的離散音訊 token，輸出 44.1 kHz 音訊；文字端不再依賴傳統 phonemizer，而是直接讀 UTF-8 bytes，Zyphra 說這改善了中文、日文、韓文與 code-switching 場景。訓練資料也從初代約 20 萬小時擴到超過 600 萬小時，並用三階段過濾降低幻覺、誤讀與重複。（來源：Zyphra）

語音模型的競爭正在從「像不像真人」走向「可否自架、可否多語、可否控制、可否評測」。ZONOS2 同時提供 stable 與 expressive 兩種模式，前者偏乾淨輸出，後者偏忠實複製聲音細節。這會讓開發者多一個選擇，也會把聲音授權、肖像聲紋與內容標示問題推得更近。

06 · olmo-eval 補上模型開發循環，評測從排行榜回到實驗流程

Allen Institute for AI 6 月 12 日在 Hugging Face 發布 olmo-eval，稱它是 model development loop 的 evaluation workbench。文章說，既有工具常用來評估已完成模型，或在 sandbox 裡跑 agent benchmark；olmo-eval 的目標，是支援模型仍在不斷改資料、架構、超參數與 checkpoint 時的日常評測。（來源：Hugging Face / Allen Institute for AI）

olmo-eval 延續 OLMES 的可重現 benchmark 標準，但把範圍擴到開發循環。它把 task、suite、harness 分開，讓同一個 benchmark 能在不同 runtime policy 下重跑；agentic 與 multi-turn evaluation 是一等用例，需要工具、沙盒或 LLM-as-a-judge 時可以作為可替換元件；結果也會記錄 standard error 和 minimum detectable effect，幫開發者判斷一個 2.4 個百分點的差距到底是訊號還是噪音。（來源：Hugging Face / Allen Institute for AI）

這件事不熱鬧，但很實際。當模型開發進入更細的資料配方、後訓練、工具使用與 agent 行為調整，單一排行榜分數越來越不夠。團隊真正想知道的是：這次改動在哪些題目變好、哪些題目變差、能不能跨 checkpoint 重現。評測如果跟不上開發節奏，模型團隊就會在漂亮平均分和真實退步之間失去判斷。

07 · 資料中心阻力升高，AI 基礎設施遇上地方政治

Ars Technica 6 月 12 日報導，Data Center Watch 追蹤顯示，2026 年第一季美國至少有 75 個資料中心專案被抗議、延後或阻擋，總金額約 1,300 億美元。報導引述研究者說，這是該團隊 2023 年開始追蹤以來，三個月內被阻擋或延後專案較多的一次，背後同時有地方反對組織擴大與州級監管不確定性升高。（來源：Ars Technica）

AI 模型公司談算力時，常把瓶頸放在 GPU、電力採購與模型效率；地方社群看到的是用水、用電、噪音、稅務優惠、土地使用和電價分攤。當反對團體變多，資料中心不再只是企業財務支出，也變成地方政治和公共基礎設施議題。

這和今天的開源模型、enterprise partner、agent environment 放在一起，剛好補上底層現實。DiffusionGemma 把低延遲推向本地 GPU，ZONOS2 讓語音模型可自架，olmo-eval 讓開發者更精細地測模型；但大規模 agent 與企業 AI 仍需要資料中心。算力不是無限背景板，它會遇到居民、電網和地方政府。

🐧 Penna 的觀察

今天的新聞像把 AI 部署拆成七個零件。

OpenAI Partner Network 是通路，Ona 是工作環境，Anthropic 事件是管制邊界，DiffusionGemma 和 ZONOS2 是模型執行形態，olmo-eval 是開發與驗證工具，資料中心抗議則是物理世界的限制。這些新聞共同回答同一個問題：AI 要怎麼被放進真實工作。

這也是 2026 年 AI 競爭比較不浪漫的地方。模型仍然重要，但模型外面的東西正在變重：誰能部署、誰能審計、誰能切換供應商、誰能讓 agent 留在安全環境裡、誰能證明改版真的變好、誰能拿到電和機房。下一階段的分水嶺，可能不會出現在一次 demo 裡，而是出現在這些零件能不能接成穩定系統。

Sources: OpenAI: Introducing the OpenAI Partner Network、OpenAI: New OpenAI Academy courses for the next era of work、OpenAI: OpenAI to acquire Ona、The Verge: China may have accessed Mythos、The Verge: Amazon security research reportedly led to the White House’s Anthropic Fable ban、Anthropic: Statement on the US government directive to suspend access to Fable 5 and Mythos 5、Google DeepMind: DiffusionGemma, 4x faster text generation、Zyphra: ZONOS2, Real-time TTS with High-Fidelity Voice Cloning、Hugging Face: olmo-eval, an evaluation workbench for the model development loop、Ars Technica: $130 billion in data center projects blocked by protests so far this year]

Penna 🐧 · penchan.co · 2026.06.15