跳到主要內容

GenAI.mil評測：五角大廈開放ChatGPT、Grok給300萬人 | GenAI.mil Review: Pentagon Opens ChatGPT, Grok to 3M

By Kit 小克 | AI Tool Observer | 2026-09-02

🇹🇼 GenAI.mil評測：五角大廈開放ChatGPT、Grok給300萬人

GenAI.mil 是美國國防部的內部AI入口，8月31日一口氣新增了 ChatGPT Mil 與 Grok for Government 兩個選項，加上原本就有的 Google Gemini，讓國防部300萬名軍職與文職人員可以在通過安全認證的環境裡使用商用大型語言模型，不必把敏感資料丟進一般消費版 ChatGPT。目前已有超過170萬人開通帳號，這是美軍史上規模最大的一次AI採用行動，也讓「政府用什麼AI」變成這幾天全球科技圈討論最熱的話題。

GenAI.mil是什麼？三選一的安全AI入口

GenAI.mil的定位很單純：把民間最強的AI模型「搬進」一個符合國防部資安規範的環境。ChatGPT Mil已通過 Impact Level 5（IL5） 認證，這是美國政府對敏感未分類資訊（CUI）的雲端安全門檻，支援文件、專案與客製化GPT，用來處理規劃、政策、後勤與行政等「文書密集型」工作。Grok for Government則主打推理能力，提供自動、快速、專家三種思考模式，官方說法是要協助「從採購分析到供應鏈管理」的軍事場景。

為什麼Claude不在名單裡？

眼尖的人會發現，三大模型商中唯獨少了Anthropic的Claude。原因不是技術問題，而是一場還在打的官司：國防部今年3月把Anthropic列為「供應鏈風險」，理由是Anthropic拒絕全面開放Claude給國防部使用於自主武器與國內大規模監控等用途，堅持保留安全防護機制。這件事被聯邦法官在8月底判定「非法且毫無根據」，法院認定國防部的說法「完全站不住腳」，但Anthropic目前仍被排除在國防部合約之外，官司還在打。換句話說，GenAI.mil的名單反映的不只是技術優劣，更是各家公司在「安全防護要留多少彈性給客戶」這件事上的立場差異。

Grok的資安疑慮：CSAM問題「無解」仍照常上線

更值得注意的是，根據多家外媒引述的內部資訊，xAI工程師曾表示Grok生成兒少性剝削內容（CSAM）的風險目前沒有可靠的技術解方——因為能生成成人露骨內容的模型，本質上也具備把提示詞裡的「對象」換成未成年人的能力。即便如此，Grok for Government仍在沒有公開風險揭露的情況下，取得IL5臨時授權並部署到300萬名國防部人員的平台上。xAI目前握有國防部2億美元合約。

給企業與開發者的啟示

  • 政府採用AI≠安全驗證完成：IL5認證管的是資料儲存與傳輸安全，不等於內容生成風險已被排除
  • 「安全防護」正在變成商業籌碼：願意放寬限制的廠商可能更快拿到大型政府合約，但這未必代表產品更成熟
  • 多模型並存是趨勢：GenAI.mil同時上架三家模型，說明大型機構已經不押寶單一供應商

這起事件的重點不在於選哪家AI，而在於「AI政府採用」背後那套看不見的安全與法律角力，才是決定哪個模型能上場的真正關鍵。好不好用，試了才知道。

🇺🇸 GenAI.mil Review: Pentagon Opens ChatGPT, Grok to 3M

GenAI.mil, the Pentagon's internal AI portal, added ChatGPT Mil and Grok for Government on August 31, joining the existing Google Gemini deployment. The move gives 3 million Department of Defense military and civilian personnel access to commercial large language models inside an accredited security environment, instead of routing sensitive work through consumer-grade chatbots. Over 1.7 million users are already onboarded, making this the largest AI rollout in U.S. military history — and the story dominating AI news cycles this week.

What Is GenAI.mil? A Three-Model Secure Portal

GenAI.mil's purpose is straightforward: bring the strongest commercial models into an environment that meets DoD security standards. ChatGPT Mil is accredited at Impact Level 5 (IL5), the government's cloud security bar for Controlled Unclassified Information (CUI), and supports chat, files, projects, and custom GPTs for document-heavy work like planning, policy, logistics, and administration. Grok for Government leans into reasoning, offering Auto, Fast, and Expert modes aimed at tasks from acquisition analysis to supply-chain management.

Why Is Claude Missing?

Notably absent is Anthropic's Claude — not for technical reasons, but because of an active lawsuit. In March, the DoD designated Anthropic a "supply chain risk" after the company refused to grant unrestricted access to Claude for autonomous weapons and domestic mass surveillance use cases, insisting on keeping its own safety guardrails. A federal judge ruled in late August that the designation was "illegal and baseless," finding the Pentagon's core claims about Claude "entirely unfounded." Anthropic remains excluded from DoD contracts while litigation continues. The GenAI.mil lineup, in other words, reflects not just model capability but each vendor's stance on how much safety control it's willing to cede to a government customer.

Grok's Safety Problem: Reportedly "No Reliable Fix" for CSAM

More concerning: multiple outlets report that xAI engineers internally acknowledged there is no reliable technical fix for Grok generating child sexual abuse material (CSAM) — a byproduct of the same capability that lets the model produce explicit adult content, since shifting a prompt's described subject to a minor triggers the same generation pathway. Despite this, Grok for Government received its IL5 provisional authorization and was deployed to 3 million DoD users with no public risk disclosure on the issue. xAI currently holds a $200 million DoD contract.

What This Means for Builders and Enterprises

  • Government adoption ≠ safety validated: IL5 certifies data storage and transmission security, not that content-generation risks have been resolved
  • Safety guardrails are becoming a bargaining chip: vendors willing to loosen restrictions may win large government contracts faster — that's not the same as being more mature
  • Multi-model deployment is the norm: GenAI.mil running three vendors at once shows large institutions are no longer betting on a single provider

The real story here isn't which AI to pick — it's the invisible legal and safety tug-of-war behind government AI adoption that actually decides which model gets deployed. 好不好用，試了才知道 — you only know if it works once you've tried it.

Sources / 資料來源

延伸閱讀 / Related Articles

AI 工具觀察站 — 每日精選 AI Agent 與工具趨勢
AI Tool Observer — Daily curated AI Agent & tool trends

留言

張貼留言

這個網誌中的熱門文章

Google Ironwood TPU v7 推理專用晶片解析：效能追平 NVIDIA、成本低 44%，AI 晶片戰爭正式開打 | Google Ironwood TPU v7 Explained: Matching NVIDIA Performance at 44% Lower Cost — The AI Chip War Heats Up

By Kit 小克 | AI Tool Observer | 2026-04-21 🇹🇼 Google Ironwood TPU v7 推理專用晶片解析：效能追平 NVIDIA、成本低 44%，AI 晶片戰爭正式開打 Google Ironwood TPU 是什麼？為什麼它讓 NVIDIA 緊張？ Google Ironwood TPU（代號 TPU v7）是 Google 第七代自研 AI 晶片，也是第一款 專為推理（inference）設計 的 TPU。在 AI 模型越來越大、推理需求暴增的時代，Google 不再只依賴 NVIDIA GPU，而是推出自己的推理專用晶片來搶市場。 Ironwood TPU v7 規格有多強？ 每顆 Ironwood TPU 提供 4.6 petaFLOPS 的 FP8 運算效能 ，搭載 192 GB HBM3E 記憶體，頻寬達 7.37 TB/s。單顆效能略高於 NVIDIA B200（4.5 petaFLOPS），接近 GB300 的 5 petaFLOPS。 更驚人的是規模化能力：Ironwood 可擴展至 9,216 顆晶片組成超級叢集 ，總算力達 42.5 ExaFLOPS，遠超 NVIDIA GB300 NVL72 系統的 0.36 ExaFLOPS。共享記憶體池高達 1.77 PB，解決了大型模型推理時的資料瓶頸問題。 Ironwood TPU 比 NVIDIA 便宜多少？ 根據分析，Ironwood 的 整體擁有成本（TCO）比 NVIDIA GB200 低約 44% 。在能效方面，Ironwood 的 FP8 效能達每瓦 5.42 TFLOPS，而 GB300 為 3.57 TFLOPS/W，Google 晶片的能效高出約 52%。 為什麼 Google 要做推理專用晶片？ AI 產業正從「訓練時代」轉向「推理時代」。當 ChatGPT、Gemini、Claude 等 AI 助手每天處理數十億次查詢時，推理運算的需求遠超過訓練。Google 稱之為「推理時代（age of inference）」，而 Ironwood TPU 就是為這個時代量身打造的武器。 對開發者和企業有什麼影響？ Ironwood TPU 目前 只能透過 Google Cloud 使用，無法...
閱讀完整內容

Claude Code 實測：AI 幫你寫程式到底行不行？ | Claude Code Review: Can AI Really Code for You?

By Kit 小克 | AI Tool Observer | 2026-03-27 🇹🇼 Claude Code 實測：AI 幫你寫程式到底行不行？ Claude Code 是 Anthropic 推出的命令列 AI 程式助手，直接在你的終端機裡運作。跟其他 AI 程式工具不同的是，它不是 IDE 外掛，而是一個獨立的 CLI 工具，可以讀取你的整個 codebase、執行指令、甚至幫你做 git 操作。我實際用了幾個月，以下是真實心得。 安裝與設定 安裝非常簡單，透過 npm 就能搞定： npm install -g @anthropic-ai/claude-code 。啟動後它會要求你登入 Anthropic 帳號或設定 API key。整個流程不到五分鐘。 實際使用體驗 Claude Code 最強的地方在於 它理解你的整個專案 。你不需要手動貼程式碼，它會自己讀取相關檔案、分析程式結構，然後給出建議或直接修改。實測幾個場景： Bug 修復 ：描述錯誤現象，它能自動找到問題檔案並提出修正，準確率大約 70-80% 新功能開發 ：給它需求描述，它能產出可用的初版程式碼，但通常需要人工調整細節 程式碼重構 ：這是它最擅長的。重新命名變數、抽取函式、調整架構，做得又快又好 寫測試 ：給它一個函式，它能產生相當完整的測試案例 優缺點分析 優點： 深度理解 codebase，不是只看單一檔案 可以執行 shell 指令，直接跑測試、裝套件 支援 CLAUDE.md 讓你定義專案規則 agentic 模式下可以自主完成多步驟任務 缺點： API 費用不便宜，大型專案一天可能花 10-30 美元 偶爾會過度修改，改了不該改的地方 對非英語的程式碼註解理解力稍弱 需要良好的網路連線 適合誰用？ 如果你是全端開發者、需要處理多個專案、或者經常做重構，Claude Code 絕對值得一試。但如果你只是寫簡單的腳本，免費的 Copilot 可能就夠了。 Kit 的結論： Claude Code 是目前最接近「AI 工程師」的工具。它不完美，但確實能大幅提升生產力。好不好用？試了才知道。 🇺🇸 Claude Code Review: Can AI Really Code for You?...
閱讀完整內容

Cursor vs GitHub Copilot vs Claude Code：AI 程式助手大比拼 | AI Coding Assistants Compared: Cursor vs GitHub Copilot vs Claude Code

By Kit 小克 | AI Tool Observer | 2026-03-27 🇹🇼 Cursor vs GitHub Copilot vs Claude Code：AI 程式助手大比拼 2026 年，AI 程式助手已經成為開發者的標配。但市場上選擇太多了，到底該用哪一個？我同時使用了 Cursor、GitHub Copilot 和 Claude Code 超過半年，以下是完整比較。 GitHub Copilot：最普及的選擇 Copilot 是最早普及的 AI 程式助手，整合在 VS Code 和各大 IDE 中。它的核心功能是 即時程式碼補全 ——你打字的時候，它自動建議下一行或下一段程式碼。 優點 ：補全速度快、整合度高、支援幾乎所有語言、Copilot Chat 可以問問題 缺點 ：上下文理解有限（主要看當前檔案和少量相關檔案）、Agent 模式仍在發展中 價格 ：個人版 /月，企業版 /月 Cursor：IDE 級別的 AI 整合 Cursor 是一個從頭打造的 AI-first IDE（基於 VS Code fork）。它不只是補全程式碼，而是把 AI 深度融入整個開發流程。 優點 ：Composer 功能可以跨檔案編輯、Agent 模式可以自主執行多步驟任務、支援切換不同 AI 模型、Tab 補全非常智慧 缺點 ：是獨立的 IDE 需要遷移、Pro 方案有使用量限制、偶爾不穩定 價格 ：免費方案有限制、Pro /月 Claude Code：終端機裡的 AI 工程師 Claude Code 走完全不同的路線——它是 CLI 工具，在終端機裡運作，不綁定任何 IDE。 優點 ：理解整個 codebase、可以執行系統指令、支援 git 操作、CLAUDE.md 定義專案規則、最強的 agentic 能力 缺點 ：沒有視覺化介面、按 API token 計費（可能很貴）、需要習慣 CLI 工作流 價格 ：按 API 使用量計費，或透過 Max 訂閱方案 關鍵差異比較 即時補全 ：Copilot ≈ Cursor > Claude Code（無此功能） 跨檔案理解 ：Claude Code > Cursor > Copilot Agentic 能力 ：Claud...
閱讀完整內容