大家好，這裡是 Tempest AI News。今天 (2026-04-29) 從 30 篇 AI 技術新聞中精選 12 則，主題沿著三條主軸展開：第一是大廠財務面的劇烈變動——Anthropic 營收正式超越 OpenAI、私募估值衝上 1 兆美元；第二是 Google Cloud Next ’26 的 MCP / Agent 平台落地，加上 Cloudflare 推出企業級 MCP 治理層；第三則是 Claude Code 在實戰中的優勢、限制與工程化反思。如果你是技術主管或 platform/SRE 工程師，今天的內容對年度 AI 預算規劃與 agent 架構選型有直接參考價值。
1. AI Weekly #481：Anthropic 營收超車 OpenAI、Meta 走向封閉、Musk 要求換掉 Altman
本週三件大事同時發生。Anthropic 的營收年化規模據報已達 300 億美元，超越 OpenAI 的 240 億美元；其百萬美元等級客戶數在不到兩個月內翻倍，主要由企業需求拉動。同一時間，Meta 在 Alexandr Wang 主導的 Superintelligence Labs 下推出首個自有閉源模型，等於放棄過去多年的 Llama 開源路線；而 Musk 則公開要求董事會撤換 Sam Altman。這三條訊號合在一起，指向 2026 年大型 AI 公司之間的競爭已從技術指標轉向企業營收與戰略路線。
2. Anthropic 在 Jupiter Prestocks 私募市場估值衝上 1 兆美元
Anthropic 的隱含 pre-IPO 估值在 Jupiter 的 Prestocks 私募市場突破 1 兆美元，自 2025 年 10 月以來累計上漲 733%，正式進入「未上市但兆元級」的稀有公司行列。對台灣企業客戶而言，這代表 Claude API、Claude Code 等產品的長期價格走勢與授權條款應預期是「賣方市場」；想壓價或拿到大量保留容量，可能必須付出更長合約年限或更高承諾用量。預算規劃時建議把這個訊號併進 2026 下半年的供應商議價假設。
3. Google Cloud Next ’26：50+ 全代管 MCP server 直接綁定 GCP 服務
Google 在 Cloud Next ’26 宣布超過 50 個 Google-managed MCP server 已 GA 或進入預覽，覆蓋 BigQuery、Cloud Run、AlloyDB 等核心服務。這個動作的關鍵不是數量，而是「代管」——MCP 的認證、執行邊界、稽核 log 等治理工作直接交由 GCP 處理，企業不必自己維運第三方 MCP runtime。對台灣團隊的影響很直接：如果現行架構是 GCP-native，可優先把 in-house 寫的 MCP server 替換為 Google-managed 版本，省下安全與升級成本。
4. Gemini Enterprise Agent Platform：把 Vertex AI 變成多 agent 的「結締組織」
同樣在 Cloud Next ’26 上，Google 把 Gemini Enterprise Agent Platform 與 Vertex AI 做了更深的整合，從原本「AI 助理為主」的定位，正式走向「多 agent 編排」的企業 agentic AI 架構。新增的整合點包含 agent-to-agent 互通、共用記憶層、以及與 GCP 既有 IAM／資料治理的接合。這條路線在 2026 年進入收網階段——對於評估 enterprise agent 平台的台灣 IT 團隊，現在是把 Gemini Enterprise、AWS Bedrock Agents、Azure AI Foundry 三家放上同一張 PoC 對照表的好時機。
5. Merck 10 億美元、Home Depot 等大客戶導入 Gemini Enterprise Agent
Google 在 Next ’26 上一口氣公布大量 Gemini Enterprise 客戶，最受矚目的是與 Merck 簽下的 10 億美元合約，再加上 Home Depot 等零售與製造業客戶。值得注意的是 Merck 先前已經與 Google 在 AI 領域有合作，而本次擴大到「企業 agent 平台」層級，意味客戶採購重心從單點 LLM API 轉向 agent 平台。對台灣產業，特別是製造、生醫、零售業者，這是觀察「企業導入 agent 為什麼是現在」的具體案例樣本。
6. Cloudflare 端出企業級 MCP 治理：Server Portal、Code Mode 與 Access 認證一條龍
Cloudflare 在 Agents Week 收尾時公布了一整組企業 MCP 工具：MCP server portal 把多個上游 MCP server 聚合在 Cloudflare Access 認證之後、Code Mode 把上千個 API 端點壓縮成兩個高層工具呼叫等等。這代表 MCP 的部署焦點正在從「每家自己跑一個 server」走向「統一治理層 + 多 server portal」。如果你的組織已經在用 Cloudflare Access 做 zero-trust，引入這套 MCP 治理層的整合成本會比另起爐灶低很多——Cloudflare 在 edge / zero-trust 的既有部署是它在 MCP 軍備競賽中的先天優勢。
7. Manus 被收購、MCP 全面整合：自主 agent 正在重新定義 SaaS
一篇深度評論梳理了 Meta 收購 Manus、MCP 普及與廣告／SaaS 業界的結構性變動。論點是：當 agent 能跨應用自動執行任務（不再只是回答問題），SaaS 的價值單元從「介面 + 工作流」轉移到「資料 + 工具呼叫」，傳統 SaaS 的訂閱毛利會被吸到 agent 平台與底層 LLM 兩端。對台灣 SaaS 業者來說，最務實的回應不是恐慌「SaaS 已死」，而是儘快把自家服務以 MCP server 形式暴露出來，把客戶的 agent 流量導回自己的資料層，避免被 agent 平台一刀斷流。
8. Claude Code 為什麼贏：「最強模型」不一定是「最好 agent」
這篇分析直白點出一個容易被忽略的事實：在純模型能力上，Claude Opus 可能只排第三，被 GPT-5.5 與 Gemini 同代旗艦壓著；但在「coding agent」實際使用上，Claude Code 仍然是多數重度開發者的首選。原因是 Claude Code 在 tool use、上下文管理、subagent 編排、以及 hook／plugin 生態上的工程整合超前其他家。對於正在評估換用 GPT-5.5 或其他模型的團隊，本文提醒：選 agent 不要只看模型 benchmark，要看「整套 agentic 工作流的成熟度」。
9. RAG vs MCP 是錯的對立：production agent 系統該有的正確分層
「我們應該用 RAG 還是 MCP？」是 2026 年最常見也是最錯誤的問題。這篇文章把兩者的角色重新拆開：RAG 是「把外部知識塞進模型上下文」的檢索層；MCP 是「讓模型呼叫工具與動作」的執行協定。兩者不是替代關係，而是 production agent 系統中的不同層次——通常一個務實架構會兩者並存。對於正在設計 agent 系統的台灣工程團隊，建議直接以「Retrieval / Memory / Tool / Action」四層思考，並用 MCP 作為工具層介面，避免再花時間打沒有意義的二選一論戰。
10. Claude Code 架構深度檢討：5 個關鍵 gap 揭示 agentic AI 的下一步
另一篇技術評論則從相反方向審視 Claude Code，列出五個結構性缺口：runtime governance（執行時的權限與配額管控）、trust（agent 行動的信任邊界）、context integrity（長對話下上下文一致性）、QA（agent 輸出的可驗證性）、以及 human capability（與工程師既有能力的銜接）。這份清單也基本涵蓋了 OWASP Agentic AI Top 10 的核心議題。對 platform team 而言，這是非常實用的「自家 AI 工具盤點清單」——可以照著五個 gap 對應公司現行控管項目，看哪些已經有、哪些還是裸奔。
11. 每個 Claude Code 專案都該設的 4 個 Hook
這篇實戰文整理了 Claude Code 在 2026 年 4 月一週內的多項更新（Opus 4.7、Claude Design、Routines）後，建議每個專案至少配置的四個 hook：在 agent 行動前後注入 lint／format、在工具呼叫前做 secret scan、在會話結束時自動產生提交摘要、以及在 Stop 事件觸發 CI 提示。對應到本期第 6、第 10 則的治理議題，hook 是把「治理規則」落地成「檔案級別自動化」最低成本的做法，建議每個團隊把這份 4-hook 清單作為 Claude Code 專案的最低標準配置。
12. GLM-5.1 + Claude Code 整合指南：跑分、設定與成本對照
智譜的 GLM-5.1 在 2026 年成為 Claude Code 體系的另一個可選後端，這份指南包含設定步驟、benchmark 對照與成本比較。重點在於 Claude Code 的 agent 架構本身已經被多模型化——透過正確設定，可以把 Claude Opus 留給高難度任務，讓 GLM-5.1 接低成本日常呼叫。這延續了昨天我們提到的「按任務分流」趨勢，並把成本優化從「本地 Gemma」擴大到「中國雲端模型」這個層級，台灣團隊在採購側的選項實質上又多了一個。
編輯觀察
本期三條觀察。第一，AI 大廠的競爭已正式走到財務面：Anthropic 營收超車、估值破兆，配上 Meta 轉閉源、OpenAI 內部動盪，2026 下半年的採購談判將比過去任何一年更不對等，越早鎖長約越有利。第二，MCP 已從技術討論進入治理階段：Google 50+ 代管 MCP、Cloudflare 企業 MCP portal、Claude Code 4-hook、5-gap 自檢清單，全都指向「先有治理再上線」的共識，台灣 platform team 應該把這套納入 2026 下半年的工程化目標。第三，agent 架構的設計觀念正在收斂：RAG vs MCP 不是二選一、Claude Code 之所以贏不在模型最強而在工程最完整、按任務分流模型才是省錢正解——這些訊號合在一起，2026 年的 agentic AI 正在從「百花齊放」過渡到「成熟工程」。明天見。