Skip to Content Facebook Feature Image

首屆減少使用包裝約章頒獎 75間企業獲獎減約13000噸包裝物料

政事

首屆減少使用包裝約章頒獎 75間企業獲獎減約13000噸包裝物料
政事

政事

首屆減少使用包裝約章頒獎 75間企業獲獎減約13000噸包裝物料

2026年10月01日 09:22 最後更新:12:10

環境保護署星期三(9月30日)舉行首屆《減少使用包裝約章》頒獎典禮,表揚在2025至26年度為減少包裝廢物作出卓越貢獻的企業,共有75間簽署《約章》的企業獲獎。參與企業合共減少約13,000噸包裝物料用量,相等於約900輛雙層巴士的重量。

環境及生態局副局長黃淑嫻在頒獎典禮上致辭時表示,今年是國家「十五五」規劃的開局之年。規劃明確提出,要加快經濟社會發展全面綠色轉型,以碳達峰、碳中和為牽引,增強綠色發展動能。為主動對接國家「十五五」規劃,《香港特別行政區經濟和社會發展第一個五年規劃(2026—2030年)》也提到環保署將深化都市固體廢物治理體系改革,力爭在2035年前基本擺脫依賴堆填直接處理都市固體廢物,實現「零廢堆填」。

她表示,香港特別行政區政府一直以務實可行原則,積極與業界共同探討和推動減少本港的包裝廢物。她讚揚獲獎企業持之以恆的努力與付出,強調工商業界積極源頭減廢,是香港邁向「零廢堆填」和碳中和的重要拼圖。她感謝各行業為環保的付出,並期望未來有更多企業加入,一同宣揚綠色營商文化。

《約章》評審準則分為「包裝減量」、「包裝可回收性」、「重用或回收包裝」、「可持續包裝」及「推動包裝減量」五個範疇。得獎機構分別獲頒鉑金獎、金獎及優異獎。得獎名單已上載至《約章》專題網站(www.lesspackaging.hk)。

環保署在去年三月推出《約章》,鼓勵企業重新檢視和減少包裝使用,在商業活動中建立減廢文化,協助香港邁向「零廢堆填」及碳中和的長遠願景。至今,共有148家本地及跨國企業簽署了《約章》,涵蓋全港約3,000個服務和零售點,涉及不同零售和餐飲類別,反映《約章》獲業界廣泛支持且成效顯著。

為協助業界實行減少包裝及包裝管理,環保署已為八個特定行業制訂《減少包裝及包裝管理實用指引》,並上載至環保署網站供業界參考。另外,為應對網購快速發展所伴隨的包裹、紙箱及填充物料大增情況,環保署自2026年起,聯同主要物流企業逐步推行自提點即場回收計劃,方便市民在自提點提取包裹後,即場交還包裝物料以供重用、再造。有關《約章》的最新資訊,可參閲專題網站。

八個特定行業包括超級市場及雜貨店、物流業、電子商貿業、酒店及旅遊服務業、電子產品及電器業、飲品製造業、食品製造業及進口業。

首屆減少使用包裝約章頒獎 75間企業獲獎減約13000噸包裝物料。環境保護署FB圖片

首屆減少使用包裝約章頒獎 75間企業獲獎減約13000噸包裝物料。環境保護署FB圖片

首屆減少使用包裝約章頒獎 75間企業獲獎減約13000噸包裝物料。環境保護署FB圖片

首屆減少使用包裝約章頒獎 75間企業獲獎減約13000噸包裝物料。環境保護署FB圖片

首屆減少使用包裝約章頒獎 75間企業獲獎減約13000噸包裝物料。環境保護署FB圖片

首屆減少使用包裝約章頒獎 75間企業獲獎減約13000噸包裝物料。環境保護署FB圖片

Google 推出全新前沿 AI 模型 Gemini 4 Argon,專為處理複雜、長周期的企業工作流程而設計。這款新模型在真實世界的軟件工程、法律、金融及網絡安全防禦等專業領域展現出卓越效能,並已顯著提升 Google 內部的開發效率與工作方式。

Gemini 4 Argon

Gemini 4 Argon

根據 Google 發布的資訊,Gemini 4 Argon 具備強大的深度推理能力。在定價方面,Argon 推出初期的輸入詞元(Token)價格為每百萬個 2 美元,輸出詞元則為每百萬個 10 美元;若使用快取輸入詞元,更可享有輸入價格的 95% 折扣。目前 Google 正透過 Fairwind 計劃,率先向受信任的網絡安全防禦專家開放該模型,並採取分階段策略,在收集早期測試者意見及完善安全防護後,將逐步開放予開發者、企業及大眾使用。

在 Google 內部應用中,Gemini 4 Argon 已協助數以千計的員工優化專業編程任務及深入研究。模型在量子演算法最佳化方面,曾在幾分鐘內將基準效能提升達 40%;在資料中心記憶體管理上,預計全面部署後可節省 500 TiB 至 1 PiB 的容量。此外,Argon 亦成功應用於大規模程式碼庫遷移,包括將高達 80 萬行程式碼的 Fuchsia Zircon 核心從 C/C++ 遷移至 Rust。在 libgav1 影片解碼器的改寫案例中,Argon 產出的安全 Rust 程式碼令執行速度較以往版本快 2.7 倍。

為瞭解決更棘手的難題,Google 將 Gemini 4 Argon 的輸出詞元上限大幅提升至 100 萬個,遠超先前的 6.4 萬個限制。這項改進為模型提供了充足的深度思考空間,使其能夠在單次推演中生成數十萬個詞元,展現出更高層次的推理能力。

Gemini 4 Argon 在多項基準測試中展現出的領先性能對比圖表,包括 Vals Index、DeepSWE 和各項知識工作與編程評測

Gemini 4 Argon 在多項基準測試中展現出的領先性能對比圖表,包括 Vals Index、DeepSWE 和各項知識工作與編程評測

在各項性能基準測試中,Gemini 4 Argon 均錄得領先數據。模型在 DeepSWE v1.1 軟件工程基準測試中取得 77.9% 的得分;在評估金融、編程、法律及税務工作影響力的 Vals Index 中同樣處於領先地位。針對業務自動化的 AutomationBench 測試,Argon 以 51.3% 的得分登榜首;而在長影片理解測試 LVBench 中,更取得 91.7% 的業界領先表現。

DeepSWE v1.1 基準測試圖表,顯示 Gemini 4 Argon 以 77.9% 的得分領先其他模型

DeepSWE v1.1 基準測試圖表,顯示 Gemini 4 Argon 以 77.9% 的得分領先其他模型

Vals Index 基準測試圖表,顯示 Gemini 4 Argon 在金融、編程、法律等工作中展現的經濟影響評分

Vals Index 基準測試圖表,顯示 Gemini 4 Argon 在金融、編程、法律等工作中展現的經濟影響評分

Vals Finance Agent v2 基準測試,展示 Argon 在金融研究與分析中的性能

Vals Finance Agent v2 基準測試,展示 Argon 在金融研究與分析中的性能

Harvey's Legal Agent Benchmark 圖表,顯示 Argon 在長週期法律工作中的領先優勢

Harvey's Legal Agent Benchmark 圖表,顯示 Argon 在長週期法律工作中的領先優勢

AutomationBench 測試圖表,展現 Argon 在自動化企業工作流程中的卓越得分

AutomationBench 測試圖表,展現 Argon 在自動化企業工作流程中的卓越得分

網絡安全防禦是 Gemini 4 Argon 的核心強化領域。該模型能自主尋找並修復關鍵軟件漏洞,在 CWE-bench v1 測試中以 68% 的高分並列首位。Google 的合作夥伴 Wiz 已將其應用於「Scan for Good」計劃,Argon 曾成功識別出一個存在於醫療保健軟件中、足以洩露全球醫院敏感個人資訊的關鍵漏洞,相關風險在以往曾被其他前沿模型遺漏。

CWE-bench v1 排名表,顯示 Gemini 4 Argon 在漏洞識別與修復能力上的顯著提升

CWE-bench v1 排名表,顯示 Gemini 4 Argon 在漏洞識別與修復能力上的顯著提升

針對漏洞識別,Argon 與 3.8 Flash Cyber 相比有顯著進步。Google 內部測評顯示,Argon 能在涵蓋 20 種程式語言的複雜程式碼庫中揭露廣泛風險;而在 Wiz 的黑箱滲透測試中,其在攻擊面探測及概念驗證(PoC)生成方面的表現亦全面勝過 3.8 Flash Cyber。

安全漏洞發現能力對比圖,顯示 Argon 在真實世界漏洞發現及 Wiz 滲透測試基準中的優秀表現

安全漏洞發現能力對比圖,顯示 Argon 在真實世界漏洞發現及 Wiz 滲透測試基準中的優秀表現

為確保前沿能力的安全釋放,Google 持續加強防護機制,包括防範網絡及 CBRN 攻擊的濫用、抵抗「提示詞注入」攻擊,以及嚴密監測對齊偏差。在 Gray Swan 的間接提示詞注入測試中,Argon 的防禦穩健性表現出色。Google 亦正強化沙盒環境的安全性,並倡導行業增加模型推理透明度,以即時中止任何偏離意圖的越界行為。

Gray Swan IPI 基準測試圖表,顯示 Argon 在防禦間接提示詞注入攻擊方面的領先安全性

Gray Swan IPI 基準測試圖表,顯示 Argon 在防禦間接提示詞注入攻擊方面的領先安全性

Gemini 4 Argon 預計於不久後正式面世,並將優先開放予付費 API 客户及 Google AI Ultra 訂閲用户使用。這款模型結合了編程、專業知識、網絡防禦及創意寫作等多方面能力,旨在成為各領域專業人士應對高難度挑戰的理想協作夥伴。

你 或 有 興 趣 的 文 章