從 1,200 萬 token 到 MCP GA：AI 正在從能力展示轉向系統嵌入

Subquadratic 宣稱用 SSA（Subquadratic Selective Attention）打破標準 Transformer 注意力的二次方成本，支援原生 1,200 萬 token，上下文達 100 萬 token 時推論速度比 FlashAttention 快 52 倍。這如果被獨立驗證，會直接衝擊 RAG、chunking、retrieval pipeline 的必要性。

但這類宣稱的風險也很明確：長距離推理品質、選擇性注意力如何取捨、benchmark 是否可重現，仍需要第三方評測。這條新聞應該被放進「高潛力但待驗證」類別，而不是直接當成產業已轉向的結論。

OpenAI 新的即時語音模型把語音互動從「ASR → LLM → TTS」管線，推向端到端音訊層推理。貼文提到 Zillow 測試房地產諮詢電話成功率從 69% 提高到 95%。即使具體數字仍應追官方案例，方向很清楚：語音代理不再只是朗讀 FAQ，而是能在電話中即時理解、判斷、追問與執行。

Cursor 3.3 的 Canvas 代表一個很關鍵的介面變化：agent 的輸出不再只限 Markdown、程式碼區塊或終端文字，而可以是可排序、可篩選、可互動的 React 元件。對 coding agent 來說，這等於把「回覆」升級成「可操作工作台」。

JPMorgan Chase 將 AI 投資從實驗性研發重新分類為核心基礎設施，這類會計分類比產品 demo 更有訊號。實驗預算可以砍，基礎設施預算很難砍；前者看 ROI，後者看可靠性、合規性、可擴展性與不可中斷性。

MCP 從開發者圈的工具協定進入雲端大廠正式支援，代表 agent 接企業資源、雲端服務、內部資料與操作權限的標準化正在加速。當雲端供應商把協定做成正式產品，agent 就更容易從「單機自動化」變成「企業內部可治理的執行層」。