Ethan Mollick 以蒸餾潮諷刺當前模型生態，稱美國實驗室指控中國實驗室蒸餾其模型
同一則貼文指出，歐洲新主權模型卻是用 GLM 與 Qwen 產生的資料微調。貼文是評論，沒有附上來源連結或證據。
一龍馬判讀說法涉及開源授權、競爭與主權 AI 可信度，讀者需自行查證資料來源與授權條款。
比對原文節錄
US labs say Chinese labs distill their models
主題時間線 · 人物
Ethan Mollick
跨來源、跨日期追蹤 Ethan Mollick 的公開情報與主編判讀。
近 7 天收錄 17 則不同情報
比較資料不足
統計範圍與相關主題
近 7 天已收錄 17 則不同情報。比較資料不足：本期完整涵蓋 0/7 天，前期 0/7 天。
所有數字皆以來源網址或貼文識別碼去重；重複出現在不同日期的相同情報只算一則。
- 近一年不同情報
- 141
- 近一年每日收錄次數
- 146
- 收錄期間
- 2026-08-27至 2026-10-04
歷史關鍵字搜尋：141 筆去重結果（不限本期）第 1／8 頁
為什麼與主題統計筆數不同？
主題統計比對原始資料與中文判讀中的主題別名；下方搜尋另含原文節錄，並搜尋全部可用歷史。比對文字及日期範圍不同，筆數可能不同。
星期日
Ethan Mollick 用龍與地下城帶高智力反派的技巧，比喻想像中超級智慧的呈現方式
他主張不必真的演出超前部署，而是無論玩家怎麼做，都演得像反派早已預料。他的前提也保留「真正的超級智慧是否可能存在」的疑問，判讀僅限該則貼文。
一龍馬判讀這個比喻把超級智慧從技術預測轉成敘事手法，創作者和評論者可借用，但不能當成能力證據。
比對原文節錄
I like a trick from Dungeons and Dragons for running villains
Ethan Mollick 表示新書《Co-Existence》可能首度收錄專為 AI 讀者寫的推薦語，出自 Tyler Cowen
他另稱書籍網站設有給 AI 的頁面與預購優惠，但貼文未附內容細節。判讀範圍僅限該則貼文文字。
一龍馬判讀對出版與行銷而言，這是嘗試同時觸及人類與 AI 讀者的實驗，實際作法須看網站與書籍內容。
比對原文節錄
might be the first to include a blurb written specifically for AI readers
Ethan Mollick 補充前文是 Pixies 的典故
由於缺少被回覆原文脈絡，無法判斷典故指向哪句話或概念。判讀範圍僅限這句公開回覆。
一龍馬判讀單看此句沒有可用的資訊，只能避免過度解讀其幽默或引用意圖。
比對原文節錄
(Its a Pixies reference, by the way)
Ethan Mollick 質疑 X Money 周邊出現機器人異常轉推喊話要打錢，懷疑背後可能有詐騙操作
他表示自己並未啟用 X Money，卻偶爾遇到貼文被機器人大量轉推。貼文僅為個人觀察與提問，沒有提供可驗證的詐騙手法或金流證據。
一龍馬判讀若為假冒打賞或導流話術，一般創作者可能誤觸或受騙，平台則須釐清是否有人濫用 X Money 名義洗流量。
比對原文節錄
lets send him X Money
Ethan Mollick 引述的結論主張，AI 可能已影響最易被自動化的基層白領職缺聘僱邊際，但歸因仍有爭議
同一引文也強調，整體勞動市場的破壞性衝擊尚未在總體資料中浮現。由於只有引文與外部連結，無法確認研究方法與樣本，判讀應限於該窄幅主張。
一龍馬判讀求職者與雇主不宜把基層聘僱趨緩直接歸因於 AI，政策討論更需要區分邊際現象與總體證據，以免誤判裁員或補貼方向。
比對原文節錄
aggregate labor-market disruption has yet to appear in the data
星期五
Ethan Mollick 引述 Mercor 的人類基線研究，指在中等長度、定義明確的會計任務上，前沿 AI 模型已比受測的初級會計師更快更準確，甚至勝過表現最好的受測者
他補充十八個月前模型表現還明顯落後人類。研究樣本、任務範圍與評分標準需以原文部落格為準。
一龍馬判讀對會計事務所與企業財務部門來說，這改變初級人力分工與覆核流程，但不代表模型能處理模糊或高風險判斷。
比對原文節錄
frontier AI models are now faster and more accurate than junior accountants
Ethan Mollick 認為，有了夠好的 AI，看別人的 PowerPoint 變得比較不痛苦
用心的人會做出有趣排版、視覺笑點和清楚圖表，至於直接丟給 AI 代想的人則很明顯。他也補充，這類敷衍者在以前就是套用預設範本的人。這是個人觀察心得，並未提出量化證據。
一龍馬判讀對經常簡報的上班族與教師而言，重點在於 AI 放大用心程度差距，而非自動保證品質。
比對原文節錄
Sitting through PowerPoints has become much better since we got good AI.
星期四
Ethan Mollick 認為擁有前沿模型的實驗室能推出半成品卻依然可用，因為模型會自行補位與即興應變
他將這種現象比喻為產品內建前線工程師與客服。該說法是個人觀察，貼文未提供產品資料或對照案例。
一龍馬判讀對產品團隊的風險在於把模型補位能力誤當成品品質，可能低估測試、支援與責任歸屬成本。
比對原文節錄
labs that have frontier models can release half-built products
Ethan Mollick 認為開放權重模型很快就會帶來與閉源模型相同的安全威脅，但少了內建防護機制
他把 Anthropic 發布相關研究的動機先放一邊，斷言風險時點已經接近，主張各方應提前規劃。判讀僅限於這則貼文，未提供具體模型、攻擊案例或時間表，無法驗證迫近程度。
一龍馬判讀對企業與治理單位而言，重點是開源部署的安全責任可能轉移到使用者與平台，缺防護會放大濫用風險。
比對原文節錄
open weights models will soon create the same security threats
Ethan Mollick 批評 OpenAI 幾乎每年換一種第三方生態做法，卻又半途放下
他點名 2023 年 Plugins、2023 至 2024 年 GPTs 與 GPT Store、2025 年 Apps，到 2026 年同名但不同的 Plugins。這是個人評論，並非 OpenAI 官方路線說明，是否棄置需對照產品現況。
一龍馬判讀對開發者與創業者而言，介面頻繁更替會提高維護成本與選型風險，下注前應確認支援承諾。
比對原文節錄
Plugins in 2023, GPTs and the GPT Store in 2023-2024
Ethan Mollick 認為 OpenAI 在短暫收斂到 ChatGPT 應用後，產品線又變得混亂重疊
他點名 Dot、Spaces、Pages、本機與雲端 ChatGPT Work，以及雲端與本機排程任務等多個方向。這屬於個人使用觀感，貼文未舉具體功能重疊證據。
一龍馬判讀對使用者與 IT 採購來說，產品定位重疊會增加學習與整合成本，選用時需釐清各產品的適用情境。
比對原文節錄
everything is getting quite confusing and overlapping again
Ethan Mollick 認為即使是粗糙早期的 AI 產品，實用性也常勝過打磨完善的傳統產品，原因是大型語言模型能處理非常廣泛的任務
企業與使用者也正在適應這種不完美但堪用的形態。判讀範圍僅限這則回覆文字，原文未說明指的是哪款產品，也沒有提供佐證資料。
一龍馬判讀對產品團隊的啟示是先求可用與快速迭代，而非一次到位；但風險是把容忍粗糙常態化，忽略品質與安全責任。
比對原文節錄
A broken early version of whatever product
Ethan Mollick 表示自己在發表前僅短暫試用 Dots，無法提供詳細評測，但認為表現不錯
他將 Dots 歸入快速擴張的 Clawlike 類別，並與 Muse 及 Grokbot 並列，強調能存取個人資料的強大模型適合作為助理與第二意見。結論僅基於短暫體驗，不宜推論完整功能。
一龍馬判讀該說法有助於理解個人化助理的產品方向，但潛在風險是資料存取範圍與隱私控管尚未交代。
比對原文節錄
I only used Dots briefly before launch
Ethan Mollick 回覆抱怨目前不清楚各工具在各裝置上的權限分工
他舉例 Dot 可在 Codex／ChatGPT App 建立討論串與任務，語音模式也會建串，且有些會延續、有些被丟棄。由於缺少原貼文脈絡，此處只能視為個人使用困惑，不宜推論整體產品設計。
一龍馬判讀對同時使用多個 AI 入口的使用者來說，權限與對話狀態不一致可能造成工作遺失或重工。
比對原文節錄
Like Dot can create threads and tasks in Codex/ChatGPT app
Ethan Mollick 的這則貼文僅轉貼一個 Anthropic 研究頁面連結，網址片段指向疑似 GLM-5 的內容
抓取到的文字沒有評論、摘要或資料，無法確認連結指向的具體主張。判讀範圍只限於確認有這則轉貼，內容本身無法解讀。
一龍馬判讀讀者無法從此片段得知模型規格或發表重點，若要查證須開啟原始連結。
比對原文節錄
R to @emollick: anthropic.com/research/glm-5…
Ethan Mollick 認為這類 AI 在團隊中有自然定位，可當作具固定職責的成員，透過 Slack 等既有工具指派工作
他預期類似 Claw 的產品會變多，但不認為那就是最終型態。這是缺少主文的回覆，評論的「這類 AI」所指對象無法從單句確定。
一龍馬判讀對團隊導入者而言，重點是常駐型 AI 的分工、權限與問責設計，而非追逐同類新產品。
比對原文節錄
I expect more Clawlikes soon
星期一
Ethan Mollick 談到模型個性的差異，認為這是基準測驗量測不到的部分
他覺得 Opus 從 4.7 到 5 一度失去原本的 Claude 感，而 Opus 5.5 又找回熟悉的互動感覺。這是個人使用感受，並附帶對教師模型的猜測，沒有提出評測證據。
一龍馬判讀對模型選型者而言，個性與協作手感可能影響採用意願，但這類主觀評價不適合當作能力高低的依據。
比對原文節錄
Opus 5.5 feels like working with ol' Claude again
Ethan Mollick 感嘆，語言模型最後成為許多問題的關鍵解法
這些問題乍看並不像語言問題，也不像是語言模型能處理的範圍。貼文是觀察性評論，沒有列出具體任務或成功率。
一龍馬判讀對應用開發者而言，這指向跨領域套用的可能性，但缺乏案例時難以評估適用邊界與失敗風險。
比對原文節錄
LLMs turned out to be the key to such a wide range
莫利克邀請讀者在留言區爭論純大型語言模型、多模態模型與具工具使用能力模型的差異
他表示自己理解各種但書，只是希望讀者抓住大意。這是討論串中的語氣緩衝句，並未提出新的實驗或結論。
一龍馬判讀對模型架構爭議有興趣的讀者可延伸討論，但該貼文本身沒有提供判斷依據。
比對原文節錄
Also please feel free to fight in the comments