AI 雷達 · 2026 年 6 月底

這是一個新欄目。

網路上不缺 AI 新聞,缺的是「一個靠 AI 維生的人,怎麼看這則新聞」。所以這裡不轉述,只做兩件事:掃一圈當月 AI 圈,篩掉九成噪音;剩下的每一則,附上一句「對自己動手做的人,這到底有沒有用」。

老實說在前面:這個欄目是我用 AI 協作整理的——AI 幫我掃、幫我篩、幫我起草,我來定視角和取捨。掃描是機器的,判斷是我的。這正好也是這個網站想證明的事。

工具雷達:能不能用

LTX-2:本地 4K 影片生成,上了 ComfyUI

NVIDIA 在 CES 2026 推出 LTX-2,搭配 ComfyUI 升級,消費級 RTX 顯卡可以本地生成 4K AI 影片,還附了即時 4K 升頻。

判斷:這是我等很久的一塊拼圖。我在一句話到成片的後記就寫過,雲端的 Grok i2v 把每日限額砍到剩十分之一,成本高了快十倍,當時就盯上了 LTX。現在它能在本地把影片這段跑起來,等於我的本地 AI 影片產線可以再切斷一條對雲端 API 的依賴。接下來我會實測它在 8GB 顯卡上的真實表現,成了就寫成筆記。

ComfyUI 一個月內塞進三個新圖像/影片模型

六月的 ComfyUI 連續更新,支援了 Krea2(開源圖像模型,RAW 與 Turbo 雙版本)、ByteDance 的 SeeDance 2.0(4K 影片),還有主打快速生圖的 Z-Image Turbo。

判斷:開源生圖的工具箱又變厚了。我現在的產線用 SDXL(RealVisXL),但 Krea2 的 Turbo 版對「要快、要批量」的宮格分鏡圖可能更省時間。對做說漫、短影音的人,這不是非換不可,而是多了一個「哪段卡了就換哪段」的備案——這本來就是我搭產線的原則。

Gemma 4 12B 與 Ollama:本地 LLM 又往前一步

Google 的 Gemma 4 12B(6 月初)用 12B 的體型,打贏了去年 27B 的分數;Ollama 的 MLX 引擎也在六月大改,本地模型回應更快、更省記憶體。

判斷:本地 LLM 的「能力對 VRAM 比」一直在悄悄進步。對想把工作流裡的 LLM 那段也搬回本地、讓資料完全不出門的人,門檻又降了一階。這正是我在接案頁說的、企業最在意的那件事:用得到 AI,但客戶資料一個位元組都不上別人的雲。

業界大事:看趨勢

OpenAI 自研晶片 Jalapeño:推論成本砍半

OpenAI 和 Broadcom 發表了第一款自研 AI 晶片,目標把推論成本壓低五成,預計 2027 量產。

判斷:對我們這種靠 API 跑產線的人,這是好消息的前兆——大廠自己做晶片壓成本,最後總會反映到 API 價格上。但別急著開心:量產要等 2027,遠水救不了近火。眼前真正能掐住成本的,還是本地開源那條路。這也是為什麼我一直把產線往本地搬,而不是賭雲端會降價。

人才大風吹:Transformer 作者去了 OpenAI

寫出《Attention Is All You Need》(撐起今天所有大模型的那篇論文)的 Noam Shazeer,離開 Google 投奔 OpenAI;同時有多位 Gemini 核心成員與 John Jumper 轉去 Anthropic。

判斷:頂尖人才往哪流,是判斷「未來兩年誰會領先」最早的先行指標。但對我們使用者層級,真正的啟示只有一個:別把雞蛋全押在一家。今天的領先者不保證明年還在前面,所以工具鏈要保持隨時可替換——這跟我搭產線時「每一段都獨立、壞了哪段換哪段」是同一個道理。

這一期,濃縮成一句

影片生成正在「下放」到本地(LTX-2、ComfyUI),而 API 的成本戰要等晶片(2027)。對一人工作室,能立刻掌握的是前者——所以我下一步會去實測 LTX-2,成了就寫進筆記。

---

主要來源:ComfyUI 官方更新日誌、NVIDIA RTX AI(LTX-2)、CNBC:AI 編碼模型之爭、TechCrunch:Google 人才出走。每一則的取捨與判斷是我的,出處是它們的。