AI 趨勢觀察 ／ 數據更新至 2026 年 10 月
2023 年春天，當時最強的 AI 模型 GPT-4，面對「人類專家 4 分鐘能做完」的軟體任務，大約有一半的機會完成。到了 2026 年初，頂尖模型已經能以同樣的成功率，完成人類專家要做 12 小時的任務，超過一整個工作天。
「AI 進步越來越快」不只是一種感覺。這篇文章整理五組公開數據，帶你看清楚：AI 到底快在哪裡、為什麼會越來越快、哪些地方其實沒那麼快，以及身為學生、老師和家長，現在可以怎麼準備。
30 秒看重點
約 4 個月
AI 能完成的任務長度，翻倍一次所需的時間（過去約 7 個月）
近 100%
程式測驗 SWE-bench Verified 的最高分，一年前約 60%
1/13
同樣能力的 AI，成本每年降到原本的約 1/13
53%
美國成年人三年內的生成式 AI 使用率，普及比 PC 和網路更快
每年 5 倍
訓練頂尖語言模型所用算力的成長速度
資料：METR、Stanford HAI《2026 AI Index》、Epoch AI，詳見文末資料來源。
01任務長度：從 2 秒到超過一個工作天
美國非營利研究機構 METR 用一個很直覺的方法衡量 AI：先請人類專家實際完成一批軟體工程、機器學習與資安任務，記下各需要多久；再讓 AI 獨立挑戰同一批任務，找出 AI 有一半機會完成的任務「有多長」。這個長度叫做「任務時間跨度」（time horizon）。
2019 年｜GPT-2
約 2 秒
2022 年｜GPT-3.5
約 36 秒
2023 年｜GPT-4
約 4 分鐘
2025 年｜GPT-5
約 3.5 小時
2026 年 2 月｜Claude Opus 4.6
約 12 小時（超過一個工作天）
2026 年 4 月｜Claude Mythos Preview（早期版本）
估計 16 小時以上（約兩個工作天）
※ 數值為 AI 有 50% 機會完成的任務長度（以人類專家所需時間計）。2019、2022 年取自 METR 第一版估算，其餘為 2026 年更新版。
七年之間，這個長度成長了兩萬倍以上。
真正的重點：連「翻倍的速度」都在變快
METR 在 2025 年 3 月發表研究時估計，這個長度大約每 7 個月翻倍一次。2026 年 1 月更新的資料卻顯示，2023 年之後的翻倍時間縮短到約 4.3 個月；只看 2024 年以後的模型，更只要約 2.9 個月。
「越來越快」的意思是：不只 AI 在變強，連它變強的速度都在加快。
翻倍時間只差幾個月，聽起來好像沒什麼，但指數成長會把差距放得非常大：
如果翻倍速度維持不變，兩年後會變成現在的幾倍？
依 METR 估計的三種翻倍時間計算
每 7 個月翻倍（2019–2025 的長期趨勢）
每 4.3 個月翻倍（2023 年以後）
每 2.9 個月翻倍（2024 年以後）
※ 純數學示意，不是預測：趨勢不保證會延續。
看懂這個數據
「時間跨度」不是 AI 連續工作了多久，而是「這個任務人類專家要做多久」；AI 真正動手時，通常比人快好幾倍。另外，METR 的題目多是規格清楚、可以自動評分的軟體類任務，真實工作常需要溝通與背景知識，難度更高。METR 也提醒，以目前的題組，超過 16 小時的量測並不可靠。
02考試成績：新考卷不到一年就被刷到接近滿分
研究者常用標準化測驗（benchmark）比較 AI 模型的能力。問題是，新考卷被「刷到滿分附近」的速度越來越快。史丹佛大學《2026 AI 指數報告》（AI Index）整理了幾個例子：
| 測驗（考什麼） | 之前 | 之後 |
|---|---|---|
| SWE-bench Verified 修正真實軟體專案裡的程式錯誤 | 約 60% | 接近 100% |
| Humanity’s Last Exam 各領域專家出的高難度題目 | 不到 10% | 38.3% |
| OSWorld 像人一樣操作電腦、完成多步驟任務 | 約 12% | 66.3% 人類為 72.4% |
資料：Stanford HAI《2026 AI Index》第 2 章。SWE-bench 與 Humanity’s Last Exam 為 2024 年對比 2025 年；OSWorld 為 2024 年對比 2026 年初。
原本設計來考好幾年的測驗，幾個月就被考到飽和。
——史丹佛《2026 AI Index》
這件事對老師應該特別有感：當考卷追不上考生，「考幾分」就越來越難說明「會多少」。評量 AI 是這樣，評量學生其實也是。
03價格：同樣的能力，一年後只要原本的 1/13
研究機構 Epoch AI 在 2026 年 9 月發表的報告估計，自 2023 年以來，要讓 AI 達到「同一個能力水準」的成本，平均每一季下降約 47%，一年下來只剩原本的約 1/13。
舉個具體的例子：2025 年初，OpenAI 的推理模型要在博士級科學題庫 GPQA Diamond 拿到某個高分，平均每題成本約 0.3 美元；不到 18 個月後，新模型 GPT-5.6 Luna 拿到同樣的分數，每題只要 0.0004 美元，便宜了 725 倍。這就像一台 150 萬元的新車，降價到大約 2,000 元。
原本 100 元的東西，一年後剩多少？
依各項技術的長期平均降價速度換算
AI（同樣能力，2023–2026）
DNA 定序（2001–2025）
電腦運算（1940–2001）
鋰電池（1991–2024）
電力（美國住宅電價，1892–1973）
※ 依 Epoch AI 整理的年平均降價速度換算，各技術的統計期間不同。
Epoch AI 指出，以降價速度來比，AI 是 DNA 定序的 4 倍、電腦運算的 6 倍、鋰電池的 18 倍、電力的 54 倍，可能是史上變便宜最快的一項通用技術。
要記得
這些數字是用測驗成績推算的，而且假設使用者總會挑最划算的模型，Epoch 也提醒不應把它們當成精確值。另一個有趣的發現是：某種能力剛被做到時，價格下降得最快（每季約 66%），兩年後降速約減半。
這代表：今天只有少數人用得起的 AI 能力，很快就會出現在每個學生的手機裡。教育要面對的問題，會從「能不能用」變成「會不會用」。
04普及：比個人電腦和網路都快
根據史丹佛 AI Index 引用的調查，美國 18–64 歲成年人在 ChatGPT 推出後的三年內，使用生成式 AI 的比例就達到約 53%，普及速度超過當年的個人電腦與網際網路。2026 年 2 月，OpenAI 宣布 ChatGPT 每週活躍用戶達 9 億，一年半前才剛突破 2 億。
學生走得更前面。AI Index 引用的跨國調查顯示，15 個國家的大學生中，2025 年有 80% 用過生成式 AI 輔助學習，2023 年只有 40%。在美國，每 5 位高中生和大學生就有 4 位用 AI 處理課業；但只有約一半的國中、高中訂有 AI 使用規範，教師調查更顯示，只有 6% 的學校有清楚、完整的規範。
台灣呢？
微軟 AI 經濟研究院追蹤 147 個經濟體，統計 15–64 歲工作年齡人口使用生成式 AI 的比例。台灣一年多來穩定上升，2026 年第二季達到 33.8%，全球排名第 19，也高於美國的 33.0%。
台灣工作年齡人口的生成式 AI 使用率
2025 上半年
2025 下半年
2026 第一季
2026 第二季
全球平均（2026 第二季）
資料：微軟 AI 經濟研究院《Global AI Diffusion》報告（科技新報、NOWnews 報導）
看數據，先看定義
同樣是美國，為什麼一份報告說 53%，另一份卻只有約 33%？因為兩份研究的調查對象、資料來源和「使用」的定義都不一樣：前者是問卷調查，後者分析的是實際使用紀錄。看到數據時先問一句「這是怎麼算的？」，正是 AI 時代很重要的素養。
05投入：資金與算力，推著飛輪越轉越快
為什麼會越來越快？一個重要原因是：投入 AI 的資源也在快速成長，而且彼此帶動，形成一個越轉越快的飛輪。
資金
2025 年全球企業的 AI 投資約 5,817 億美元，比前一年增加約 130%。
算力
訓練頂尖語言模型所用的運算量，2020 年以來每年成長約 5 倍。
演算法
方法越來越聰明：要達到同樣的表現，所需的訓練算力每年約降為 1/3。
使用者
AI 變強又變便宜，用的人更多，營收再投入研發，回到第 1 步。
這個飛輪也和台灣息息相關。AI Index 指出，美國擁有全球最多的 AI 資料中心，而其中大多數晶片，是由同一家台灣晶圓代工廠製造的。此外，AI 也開始被拿來寫程式、跑實驗，協助開發下一代 AI，這也是 METR 等研究機構特別關注「AI 做研發」能力的原因。
但，不是每件事都一樣快
數據越亮眼，越要看清楚另一面。《2026 AI Index》的共同主席這樣總結：
「這些數據並不指向單一方向。它呈現的，是一個擴張速度快過周遭體系調適速度的領域。」
能力不平均
Gemini Deep Think 在 2025 年國際數學奧林匹亞（IMO）拿下金牌；但最強的模型看指針時鐘報時，正確率只有約五成，人類約九成。研究者稱之為「鋸齒狀前沿」。
代理人還不夠可靠
AI 已經從回答問題，進步到自己動手完成任務；但在標準化測驗中，仍有大約三分之一的嘗試會失敗。
規範追不上
有紀錄的 AI 事件，從 2024 年的 233 件增加到 2025 年的 362 件；學校的 AI 使用規範也普遍不夠清楚。
衝擊先落在新手
美國 22–25 歲軟體開發者的就業人數，比 2024 年少了將近 20%。年輕、入門的職位，最先感受到變化。
面對加速，我們該怎麼學？
工具每幾個月就換一輪，追著工具跑，一定追不完。比較好的策略，是把力氣放在不會因為工具更新而過時的能力：提出好問題、判斷答案好不好、把事情真正做完。下面三個習慣，今天就可以開始。
先想
先寫下自己的想法、草稿或解題步驟，再請 AI 補充或挑錯，思考的主導權留在自己手上。
再問
把 AI 當成家教和練習對手：請它出題、扮演考官、說明「我錯在哪裡」，而不是直接要答案。
後查證
重要的數字、日期和引用，回到原始來源確認。這篇文章的每個數字，都附上了出處。
為什麼要「先想」？
AI Index 提到，55% 的美國大學生認為生成式 AI 對自己的批判思考能力「有好有壞」；研究者也擔心，當學生把分析、創造這類高層次思考交給 AI，就少了自己練習的機會。
給學生
用 AI 之前，先花 3 分鐘寫下自己的想法；用完之後，用自己的話把學到的東西說一遍。
給老師
和學生一起約定「哪些作業可以用 AI、要怎麼註明」；也可以改收「與 AI 的對話紀錄」，看學生怎麼追問、怎麼修正。
給家長
比起禁止，更有用的是陪孩子一起用一次 AI，然後問他：「AI 這樣說，你同意嗎？為什麼？」
新工具可以每一季試一個，但不必每個都追。真正會累積的，是閱讀理解、邏輯推理、清楚表達和運算思維這些底層能力。
延伸學習
想打好 AI 基礎？TempEDU 的免費線上課程可以陪你一步一步來：
本文重點
- AI 能完成的任務長度，從 2019 年的約 2 秒成長到 2026 年超過一個工作天，翻倍時間也從約 7 個月縮短到約 4 個月。
- 新的標準化測驗常在一年內就被刷到接近滿分，評量方式越來越追不上 AI 的進步。
- 同樣能力的 AI，成本每年降到約 1/13，可能是史上變便宜最快的通用技術。
- 生成式 AI 的普及速度超過個人電腦與網路；台灣工作年齡人口的使用率已達 33.8%。
- 資金、算力與演算法互相帶動，讓加速持續；但能力不平均、可靠度與規範仍在追趕。
- 面對加速，最值得投資的是不會過時的能力：先想、再問、後查證。
想一想
如果 AI 能完成的任務長度每 4 個月就翻倍一次，三年後，你的學習或工作裡，哪一件事最可能交給 AI？又有哪一件事，是你最想親手做好的？
資料來源
- Stanford HAI（2026）。The 2026 AI Index Report；第 2 章 Technical Performance、第 4 章 Economy、第 7 章 Education
- METR（2026 年 5 月 8 日更新）。Task-Completion Time Horizons of Frontier AI Models
- METR（2026 年 1 月 29 日）。Time Horizon 1.1
- Epoch AI（2026 年 9 月 22 日）。The plunging price of thought
- Epoch AI。Trends in AI
- 科技新報／中央社（2026 年 9 月 22 日）。台灣 AI 使用率升至 33.8%，躍居全球第 19 名
- NOWnews（2026 年 5 月）。台灣人不能沒有AI了！使用量排名上升到全球第20名、還小贏美國
- 9to5Mac（2026 年 2 月 27 日）。ChatGPT user base surges 350% in 18 months as it nears 1 billion weekly active users
本文插圖為 AI 生成的示意圖。
Edit with Tr.Bug
Follow me on：LinkedIn ｜ 探教育TempEDU ｜ Coding Cake
