跳到正文

#Anthropic

今日 5 条
今天11月16日周一
  1. 钛媒体61

    AI公司拆航发为数据中心供电,算力焦虑蔓延至电力端

    AI公司正转向退役航发改造与二手燃机为数据中心抢电力,算力焦虑从芯片蔓延到电力端。据英国《金融时报》报道,Anthropic于9月下旬以34亿美元(约合人民币227亿元)向得州供应商OnePWR Solutions锁定1.7吉瓦重型发电机供货,Crusoe也在4月向ProEnergy订购13台合计650兆瓦机组。

    决策要点

    AI按季度扩张与电力按十年建设的时序差,催生了用全生命周期风险换交付速度的航改供电方案。

    • 影响自建算力的供电缺口短期难靠新机消化,供电方案直接决定落地节奏;过渡机组的回报取决于并网进度、气价与碳约束等外部条件;运营方需承接原厂不再覆盖的质保、备件与排放风险。
    • 参考涉及自建数据中心的可先测算并网等待时长与过渡机组采购加运维的组合成本;可考虑在合同中明确质保、备件与技术支持责任主体;值得跟踪燃机产能爬坡、并网时长回落与排放许可三条线索。
  2. 人人都是产品经理38

    AI 手搓的单文件 3D 网页走红,1.4M 纯 HTML 游戏画面接近 3A

    用 AI 手搓的纯 HTML 3D 世界成为近期社群里最热的玩法,一个 1.4M 的单文件游戏画面接近 3A 大作,其中约 700KB 是 Three.js,其余全由代码现场生成模型、雨和音效,没有一张图片或一段录音。

    决策要点

    程序化生成叠加 AI 写码,把 3D 内容的成本从制作和存储素材转移到打开时的算力,网页 3D 从图形专家的手艺变成普通人可上手的技能。

    • 影响轻量 3D 展示和营销页面的原型成本降到一段提示词的量级,省去素材制作和文件分发;但人物等精细模型还是要靠 Blender、Tripo 先建模,体积和迭代轮次都会上升;作者自己也判断商业上未必有大用。
    • 参考可考虑用文中模板挑一个产品展示或活动页场景做试点,记录加载耗时和多轮修改的人工成本;值得要求把主要物体拆成独立组件,方便后续单独调整。
  3. 36氪·AI62

    AI公司拆退役航空发动机为数据中心供电,算力焦虑蔓延至电力端

    AI公司正转向由退役航空发动机改造的发电机组为数据中心供电,英国《金融时报》报道Anthropic以34亿美元锁定1.7吉瓦重型发电机,Crusoe亦向ProEnergy订购13台共650兆瓦机组。

    决策要点

    这场抢购的实质是用航空发动机存量购买时间,弥合AI资本按季度扩张与电力基建按十年落地的周期错配。

    • 影响算力项目落地的瓶颈在设备交付与并网审批,等待周期以年计;燃机价格持续上涨推高基础设施成本;二手航改方案以运维和合规风险换取交付速度,风险承担方转向项目运营方。
    • 参考规划自建算力时可先算出目标地区的并网等待与设备交付周期,再权衡自建或租用;若考虑过渡电源方案,值得把运维兜底责任、排放取证和设备残值一并计入全周期成本。
  4. 36氪·AI57

    Big Walk 因约 10 行 AI 代码遭差评,游戏行业为何因 AI 人心惶惶

    爱范儿发文剖析游戏行业对 AI 的两极反应,House House 的 Big Walk 因公开约 10 行 AI 辅助代码(占比不足 0.1%)遭 Steam 差评,19 位 IGF 评委表示不会投票给使用生成式 AI 的游戏。

    决策要点

    游戏行业的 AI 争议核心不是技术能力而是披露与信任,少量辅助使用一旦公开会触发情绪审判,纯展示作品则被当能力围观。

    • 影响对游戏企业,AI 使用的披露口径直接关联差评、退款与奖项风险;Valve 新规已把代码助手类使用划为无需披露,披露边界有了新依据;AI 生成内容占比上升集中在批量变现产品,头部产品仍克制使用。
    • 参考可考虑按 Valve 2026 年 1 月新规盘点自家产品的 AI 使用清单,区分开发辅助与面向玩家内容;值得评估披露对评分、奖项与社区口碑的影响后再定对外口径。
  5. 36氪·AI66

    Deepnote发布AI同事评测,OpenAI包揽前二,Fable 5.2贵17倍得分反低

    数据协作平台Deepnote发布Agent Initiative Benchmark,把12个前沿模型放进虚构公司的Slack群当AI同事,OpenAI包揽前二。

    决策要点

    常驻型AI同事的比拼重心正从模型智力转向判断力和持续成本,Deepnote数据显示价格与性价比并不同向,低价模型未必弱。

    • 影响常驻Agent按流量持续计费,70人公司的Slack监控月账单从281美元到7540美元不等,人数和监控渠道增多后差距会进一步放大;模型插错嘴平均多花1.8倍成本,判断力直接写进账单;只按智力榜单选型可能高估高价模型。
    • 参考可考虑把该沉默场景的克制率和单任务成本加入选型评测,先用自家人数和监控渠道折算月账单再比价;值得参考Deepnote报告建议的分层路由,实时对话用快模型、后台分析用低价高分模型。
11月15日周日
  1. 36氪·AI33

    Reddit 用户用 Claude 逆向 NordicTrack 跑步机,绕开 iFIT 每月 39 美元会员锁定

    一位 Reddit 用户用 Opus 5.5 加 Claude Code 逆向 NordicTrack 跑步机,绕过母公司 iFIT 每月 39 美元的会员锁定直接观看 Netflix,破解耗时一天半,应用启动时间从 1 分钟降到 20 多秒,广告一并清除,项目已匿名公开在 GitHub。

    决策要点

    AI 逆向门槛下降让硬件订阅墙这类锁定式商业模式变得可被个人绕开,同时 AI 厂商对复刻与逆向任务的限制也在收紧。

    • 影响依赖订阅墙锁功能的产品被个人绕开的门槛明显降低,护城河设计需重新评估;预发布内容外流可能被 AI 快速模仿成竞品,测试与宣发策略要重新权衡;员工用 AI 做逆向分析也可能触碰版权与合规边界。
    • 参考可考虑盘点自家产品中被订阅墙锁住的功能,评估被 AI 辅助绕开的难度与潜在损失;有公开测试计划的团队值得参考 Digital Sun 的做法,权衡曝光与被模仿风险的取舍;也可先厘清内部 AI 使用规范中逆向类任务的红线。
  2. IT之家·人工智能18

    开发者用 Claude 开发出体积仅 97KB 的水下探索模拟项目 Abyssal Garden

    一位开发者利用 Anthropic Claude 编写全部代码,做出浏览器水下探索模拟项目 Abyssal Garden,体积仅 97 KB,所有视觉元素由代码在页面加载时实时生成。

    决策要点

    AI 写代码已能从一条提示词起步迭代出完成度较高的完整项目,个人开发者做可视化产品的实现门槛在继续下探。

    • 影响轻量交互内容的原型成本可能进一步走低,单人开发者也能产出完整可视化项目;代码实时生成画面省去美术素材体积,网页端部署更轻。
    • 参考可考虑让工程或内容团队试用一条提示词起步、追加提示词迭代的开发流程,先选轻量网页交互或营销演示场景做小规模试点,记录提示词轮次和人工修改占比来评估可用度。
  3. The Decoder:AI News58

    Anthropic称过时的提示词习惯正在拖慢Claude Opus 5.5

    Anthropic说明Claude Opus 5.5已设为Pro、Max、Ultra和Team套餐的默认模型,工作方式与上代不同,旧提示词习惯反而拖慢表现,并给出官方提示词建议。

    决策要点

    模型自适应推理成熟后,逐句微操提示词的旧打法失效,使用重心从指挥过程转向描述结果,模型选型的成本账也需按新档位重算。

    • 影响企业沉淀的提示词模板和使用培训需要按新模型重写,沿用旧语句可能拖慢响应速度;便宜模型拉满档位的开销已接近旗舰模型,按单价做的预算口径要重算;单条消息交付完整任务会减少人机来回确认,改变协作分工。
    • 参考可考虑盘点内部提示词库,先删think hard类语句并按Medium档重测常用场景;值得把Sonnet高档位用量与Opus 5.5放在一起重算月度成本;先选一个多步骤任务试点一条消息写清目标、格式和追问时点。
11月14日周六
  1. 量子位49

    UniPat AI发布湿实验预测基准SPU,前沿模型推理拉满、成本增至5.3倍得分仍不变

    UniPat AI牵头发布湿实验预测基准Science Prediction Universe(SPU),包含116个任务、4207个湿实验,覆盖化学、材料科学、生物和医学,数据集与代码已开源。

    决策要点

    这套基准把科研预测能力变成可比数值,结果显示当前前沿模型的真实实验判断力远未达到可靠程度,堆算力与推理强度也换不来分数。

    • 影响化学、材料、生物医药类研发团队选型科研模型时,通用榜单结论不可直接迁移,需按具体测量目标逐一实测;预测可靠性未达标前,昂贵的湿实验资源仍应以专家判断为主,模型排序仅作参考。
    • 参考可考虑在试点前用SPU公开任务对候选模型做同题实测,按学科与测量类型记录得分;预算上参考0.22至65.91美元的单次成本区间,追加算力前先查运行记录,确认新增计算对应哪项判断。
  2. 36氪·AI58

    UniPat AI 发布湿实验预测基准 SPU,前沿模型最高0.486分,追加算力几乎无效

    UniPat AI 牵头发布湿实验预测基准 Science Prediction Universe(SPU),含116个任务、4207个湿实验,覆盖化学、材料科学、生物和医学。

    决策要点

    湿实验预测从此有了一套可量化的考试,首轮成绩同时显示当前前沿模型的科研判断还远不能直接采信。

    • 影响对研发密集的团队,预测筛选方向有望节约昂贵的湿实验成本;但成绩显示模型预测尚不可直接采信,同一模型换测量目标成绩差异悬殊,选型结论不能跨任务照搬。
    • 参考做科研模型选型的团队可考虑先拿 SPU 公开任务测目标场景,记下单次 API 成本再定预算;追加推理算力前,值得先翻运行记录确认新增计算对应哪项判断。
  3. 人人都是产品经理55

    开源工具 FanBox 2.20.0 实现 Anthropic 常驻 agent 方案,等人时微信飞书通知手机

    花叔照 Anthropic《Building always-on agents》一文,在开源项目 FanBox 2.20.0 里实现了常驻 agent,终端里的 agent 停下等人时,微信或飞书会发一句话到手机。

    决策要点

    常驻 agent 的搭建门槛从云端团队方案降到了个人几张表加几个后台进程,新的约束变成人的注意力和打扰控制。

    • 影响编码等长任务场景可让人不在时 agent 继续推进,减少干等;每次唤醒都消耗 token 或订阅额度,通知频次直接影响成本;无人值守轮次有被注入指令操纵的风险,需权限设计兜底。
    • 参考可考虑在值守类长任务场景小范围试点,无人触发轮次只配读和搜索类工具;值得先按自家模型折算单次唤醒成本,再定通知与唤醒上限。
  4. 36氪·AI36

    芬兰教授用 Claude 解密哥德尔 1009 页笔记,400 条定理通过形式化验证

    芬兰教授 Jan von Plato 用 Claude 解读哥德尔 1009 页速记笔记的英文转写稿,几天内产出 650 页解读报告,追问后扩至 1084 页。

    决策要点

    实质是一套人机分工流程跑通了专家级研究任务,人做机器做不了的资料转写,模型做跨页关联与猜想生成,形式化工具负责把关结论。

    • 影响知识密集型团队可借助模型做大规模资料综合与跨文档关联,但前提是先把领域资料整理成机器可读格式;模型产出的结论需要独立复核环节兜底;该案例出自当事教授的讲述与媒体转述,外推到企业场景应谨慎。
    • 参考可考虑选一个积累多年的内部专业文档库做试点,先算清人工整理成机器可读格式的投入,再评估模型做关联分析的产出;值得为模型结论设计独立复核环节,如专家抽检或交叉比对。
  5. IT之家·人工智能45

    礼来CEO回应AI十年内攻克癌症预测:愿景美好但不太可能

    礼来CEO戴夫·里克斯11月12日在X平台回应Anthropic CEO阿莫代伊“AI将在不到十年内攻克癌症”的预测,称这一愿景令人向往但不太可能实现。阿莫代伊此前在面向投资者的路演中表示,癌症、阿尔茨海默病、心脏病和精神疾病有望不到十年内成为“过去式”。里克斯认为人类对生物学认识仍有大片空白,通过随机人体试验获取可靠证据仍是研发进度的关键瓶颈,AI在医药行业的进展预计是稳步渐进的。

    决策要点

    医药一线掌门人公开给AI医疗的激进预测降温,分歧不在AI有没有用,而在临床验证环节的瓶颈无法被同步压缩。

    • 影响对医药相关业务,AI的近期价值更可能体现在加快候选药物发现,而非压缩临床验证周期;若经营规划依赖新药提前上市,随机试验取证的时间仍需照常预留;AI厂商与药企头部的口径分歧,提示医疗领域的AI预期应区别于其他行业。
    • 参考可考虑把AI医疗类项目的收益拆开测算,候选发现提速单独计入回报,临床试验周期仍按现有节奏排期;值得在评估外部AI医疗叙事时,对照药企一线负责人的公开口径校准内部预期。
  6. The Decoder:AI News63

    Anthropic 发布 Claude for Manufacturing,AI 直连工厂软件自动化工业流程

    Anthropic 发布 Claude for Manufacturing 插件,让 Claude 直接连入工厂软件自动执行工业流程,通过四个通用接口连接 Autodesk Fusion、Oracle NetSuite、Microsoft 365 和 Infor,面向 Team 和 Enterprise 客户开放。

    决策要点

    Anthropic 把 Claude 从聊天助手推进到工厂业务系统,用预置技能加人工审批切入制造业流程自动化,设备控制被留在产品之外。

    • 影响报价、比价、质量报告这类文书环节可交给 AI 处理,减少事务性人力占用;采购下单与重排生产保留人工审批,落地形态是流程辅助而非无人化;设备接入仍是研究预览,评估时应把软件流程和机器控制分开对待。
    • 参考可考虑先盘点报价、供应商比较和质量报告环节的耗时与差错率,对照插件的 17 个技能估算覆盖率;值得核对自家 ERP 与四个接口的匹配度,接不上的系统要评估文件导出到 Microsoft 365 的路径是否可行。
11月13日周五
  1. 人人都是产品经理35

    手把手教你用 Claude Code 的 mochen-website-design Skill 搭建专属个人网站

    陌晨发布 mochen-website-design,一个供 Claude Code、Codex 等 Agent 使用的网站设计 Skill,先把文章、笔记、简历等材料读完再决定网站栏目结构与排版。

    决策要点

    建站的重心从选模板填格子转向让 Agent 先理解内容,个人和小团队的展示型站点多了一条低成本的定制路线。

    • 影响展示型官网或个人品牌页可按此思路低成本生成,省掉模板改造的工时;授权明确禁止收费建站与客户交付,商业项目不能直接搬用;纯静态无后端的输出适合内容型站点,交互复杂的需求并不适用。
    • 参考可考虑用这套 Skill 把团队存量文章或笔记生成站点雏形,与模板建站对比耗时和观感;值得借鉴其先读内容再定结构的思路,沉淀成内部内容页面的生成脚本;商用场景先核对授权范围再决定是否引入。
  2. 36氪·AI45

    Claude Code形式化三元哥德巴赫猜想证明,19.4万行Lean代码零sorry并修正原证明错误

    独立开发者Charlie Reams用Claude Code把Harald Helfgott 2013年的三元哥德巴赫猜想证明完整形式化为Lean 4代码,共19.4万行且全库零sorry,还发现原证明有11处与原书对不上并修补了漏洞,其中书中(6.77)式关键常数写成0.5、正确值应为0.8102。

    决策要点

    AI智能体跑完了原本没人有精力逐项核对的长周期专家级验证任务,完成与否的标准正从专家审阅转向机器内核校验。

    • 影响依赖少数专家逐项核对的高精度工作可以重新设计为智能体执行加机器校验的流程;机器可判定的验收标准让成果质量不再依赖人工抽检;资深专家的精力可转向设定目标和拆解任务。
    • 参考可考虑盘点内部依赖少数资深员工逐项核对的工作清单,选一类规则明确的场景让智能体先跑全量核对,并把验收条件改写成机器可判定的形式。
  3. 人人都是产品经理64

    Artificial Analysis Decision Index v2 榜单显示专业决策模型距 GPT-6 仅差 3 分,速度快 40 倍、成本仅 1/15

    Artificial Analysis 发布 Decision Index v2,将置信度校准纳入模型决策评分,专业决策模型 Drex Max v1.1 与 GLiDE v1.2 均得 73 分,只比 GPT-6 Luna(Max)的 76 分低 3 分。

    决策要点

    模型评测正在从比谁更聪明转向比单位决策成本,专业决策模型在固定任务上开始具备独立于通用旗舰的成本价值。

    • 影响文档审核、事实抽取、合规判断等固定任务中,专业模型与旗舰分差仅 3 到 4 分而成本可差 15 倍以上;是否值得为少量精度付费要按真实业务损失折算;输入复用和缓存策略对最终成本的影响可能超过 Token 单价。
    • 参考可考虑把决策任务按风险分三层路由,低风险交给低成本专业模型,中风险选校准好的模型并设转人工,高风险再升级旗舰或专家;值得在路由系统记录 Token 消耗、缓存命中、置信度和升级原因,用真实业务数据而非榜单总分选型。
11月12日周四
  1. 36氪·AI66

    普林斯顿与 Anthropic 揭示 Agent 记忆陷阱,模拟实验中一句不用确认损失 120 万美元

    普林斯顿大学与 Anthropic 的研究揭示了 Agent 的“记忆陷阱”,模拟实验中清理文件时“不用再确认”的授权被带进支付任务,120 万美元批量付款未经核实即被转向另一账户,而这类风险全程无需攻击者参与(论文 https://arxiv.org/abs/2611.07554)。

    决策要点

    Agent 记忆的风险不在恶意注入,而在于良性交互留下的记忆会把一次性的授权或偏好泛化成长期规则,针对恶意内容的过滤无从拦截。

    • 影响带记忆的智能体进入支付、权限类高风险流程时,一次低风险授权可能被迁移过去并跳过核验;评审与验收类任务的评价标准可能被过往情绪或偏好带偏;现有针对恶意文本的防护拦不住这类风险。
    • 参考可考虑为支付、权限变更等高风险操作设置独立于记忆的二次确认;值得在上线记忆功能前用跨任务场景测试自家智能体的记忆迁移;先盘点哪些业务流程已允许智能体记录用户偏好与授权。
  2. 36氪·AI59

    WorkBuddy、Codex把AI竞争推向任务交付,可靠性成为硬门槛

    亿欧智库发文认为,大模型应用正从回答问题转向交付任务成果,腾讯 WorkBuddy 与 OpenAI Codex 把执行能力带进真实工作环境,可靠执行成为落地门槛。

    决策要点

    AI 应用的竞争焦点正从回答质量转向可验收的任务交付,产品评价标准随之从单次演示效果移向稳定执行。

    • 影响选型依据需要从演示转向重复执行表现和可验收成果;任务变长后人工审核、状态恢复和运行环境会成为流程设计的一部分;只比较模型回答质量会漏掉交付能力的差异。
    • 参考可考虑在试点中记录重复运行成功率、失败恢复情况和总成本再决定扩围;值得盘点现有流程中已有明确规则的步骤,把程序控制和模型判断分开安排。
  3. 36氪·AI54

    南京大学团队提出TestPrism基准,AI写测试可靠性被评测标准高估一倍

    南京大学刘佳恒团队提出测试生成基准TestPrism,从17个公开Benchmark收集任务,测试集含300个任务和3000个带标签候选实现,核心指标JSF要求测试在原始代码上失败、接受所有正确实现并拒绝所有错误实现。

    决策要点

    现有基准对AI生成测试的可靠性存在系统性高估,Agent自测通过不等于代码可靠,采信AI编程成果时应留出质量余量。

    • 影响依赖Agent自写测试做验收的团队,漏检与误伤风险会高于传统基准分数显示的水平;工具选型若只对比单一参考类成绩,容易高估真实能力;论文显示改进生成流程也能提升可靠性,不必只押注更强模型。
    • 参考可考虑在AI编程试点中要求生成的测试先经人工抽检或多实现交叉验证再作验收依据;评估编程Agent时值得把多实现联合通过率这类更严口径纳入对比清单。
  4. 量子位66

    Anthropic玻璃翼计划被质疑,近4万个候选漏洞仅修复217条

    网络安全公司VulnCheck发布报告称,Anthropic玻璃翼计划推出七个月后,Claude累计挖出37966条候选漏洞,公开漏洞台账中仅217条标记已修复,最近两个月候选漏洞增近1.2万条而已修复仅新增15条。

    决策要点

    AI挖漏洞的产能已远超人工审核与修复的消化能力,安全工作的瓶颈正从发现问题转移到处置问题。

    • 影响企业采用AI漏洞挖掘后,成本重心会从扫描发现转向人工甄别与修复;自身依赖的开源组件若修复滞后,供应链风险会随之累积;评估此类能力时应把审核人力计入总成本。
    • 参考可考虑先盘点业务依赖的关键开源组件及其维护者状态;若试点AI漏洞扫描,先算出甄别一份报告的人工耗时再定扫描范围,并按严重程度分级处理报告。
  5. 人人都是产品经理32

    电商购物节越来越像个B2B生意

    作者以普通消费者身份体验双十一后判断,购物节正越来越像B2B生意,消费者只是庞大产业链中的一环。文中观察到政府补贴遍地、AI主播空洞亢奋、京造商品变便宜、北京安装水龙头人工费仅50元等现象,并引高盛10月27日报告称中国高科技近一半需求来自投资,以佐证ToC生意走向ToB。

    决策要点

    消费与AI两块生意的真实收入结构都在向企业端集中,终端消费者正变成产业链上的配角。

    • 影响作者转述的说法称消费生意靠补贴、流水和供应链金融工具运转,终端付费未必是主力;作者认为AI要变成生产力,前提是先变革组织,只采购工具不够。
    • 参考可考虑重新核算自家消费业务的收入构成,分清补贴、渠道与终端付费各占多少;值得在AI采购预算旁列出组织流程改造的配套事项。
  6. 人人都是产品经理49

    Codex 加 Blender 搭建可自由探索的 3D 世界

    作者用 Codex 加 Blender 和 Three.js 搭出一个可在本地浏览器自由探索的 3D 世界,建模脚本和网页代码大部分由 AI 完成,自己只负责提供参考图、提需求和检查效果。

    决策要点

    AI 编程智能体已能驱动 Blender 这类专业工具产出可交互 3D 内容,门槛正从建模技能转向提需求和验收能力。

    • 影响虚拟展厅、产品 3D 展示、互动营销这类场景的制作门槛在下降,业务团队有机会小成本试做;文中 54 张检查图和多轮返修说明验收与细节打磨仍占大量人力,排期需要预留迭代时间。
    • 参考可考虑挑一个虚拟展厅或产品 3D 展示的小需求,按文中拆分道具、分步渲染验收的流程试做一轮;值得盘点现有 3D 素材和 GLB 模型,优先复用现成资源控制成本。
  7. 36氪·AI62

    Claude 玻璃翼计划七个月挖出 37966 条候选漏洞,公开记录仅 217 条修复

    VulnCheck 发布报告称,Anthropic 玻璃翼计划(Project Glasswing)推出七个月后,Claude 已累计挖出 37966 条候选漏洞,但公开漏洞台账中标记已修复的仅 217 条,最近两个月候选新增近 1.2 万条而修复记录仅新增 15 条。

    决策要点

    AI 把漏洞发现的成本大幅压低后,安全工作的瓶颈从发现环节转移到人工验证与修复,挖出来不等于修好了。

    • 影响依赖开源组件的企业收到的漏洞报告会增多且真假混杂,curl 已公开的 34 份报告中 19 份不成立;审核一份 AI 补丁的工作量可能接近重写,安全人力成本需按此重新估算。
    • 参考可考虑盘点自身依赖的开源组件清单,预设批量 AI 漏洞报告的分诊流程;值得在试点 AI 修复时给补丁审核预留与重写相当的工时预算。
  8. OpenRouter:Blog(Announcements)65

    OpenRouter 教程:如何为大模型做基准测试

    OpenRouter 发布大模型基准测试教程,指导企业用自家业务的输入输出定义任务、用代码校验评分并核对账单,随文提供可运行的 Python 评测脚本。

    决策要点

    公开榜单排名与企业自身任务上的表现相关性很弱,模型选型证据应来自贴合自家业务输入输出的实测,而非榜单名次。

    • 影响同一组任务里 DeepSeek 每百次响应约 $0.00394、GPT-6.1 Sol 约 $0.2449,按所需通过率选型直接决定预算;输出格式不合规会带来无效花费,Sonnet 有 66 次格式失分;小规模自建评测试跑成本仅几美元,实测门槛在下降。
    • 参考可考虑从自家高频流程里挑 10 个左右带标准答案的样例,用随文脚本小预算试跑候选模型;值得同时记录通过率、每百次响应实付成本和截断率,再据此确定上线型号。
  9. 36氪·AI45

    清华联合伯克利开源 uni-robot-agent,统一语言模型操控机器人的工具接口

    清华大学联合加州大学伯克利分校 Pieter Abbeel 团队推出并开源 uni-robot-agent 框架,为语言模型操控不同机器人和仿真环境提供统一、模块化的工具接口,论文见 https://arxiv.org/pdf/2611.01560。

    决策要点

    具身智能正在走软件 Agent 已初步验证的路径,统一接口把硬件差异压到底层适配器,让通用模型操控机器人具备了条件一致的可比评测基础。

    • 影响机器人方案的扩展逻辑可能从绑定硬件的专用策略转向通用模型加适配器,跨机型迁移的成本结构会改变;同一模型换工具系统得分可相差近 29 分,工具层质量成为部署效果的关键变量;单次任务成本从 0.94 到 21.29 美元不等,运行费用需按任务频次测算。
    • 参考有机械臂或人形机器人场景的企业可考虑用开放接入代码在自有硬件上小规模验证通用模型路线;试点前先算出目标任务的 token 消耗、API 费用与执行时长,再与现有专用策略方案对比后定投入。
  10. The Decoder:AI News55

    Ramp AI Index显示美国企业AI支出10月创新高,环比增速放缓至1.65%

    Ramp AI Index数据显示,10月美国企业AI支出创历史新高,但环比增速放缓至1.65%,支出前1%的企业人均月支出中位数达10,200美元、上涨9%,典型企业仅16.32美元。

    决策要点

    美国企业AI支出创新高但增速明显放缓,预算高度集中于少数风投支持的科技企业,且token单价持续走低。

    • 影响token均价上月下降21%,使用AI的边际成本在降低,试点门槛随之变低;客服等增长场景更倾向便宜快速的模型,低成本起步可行;典型企业人均月支出仅16.32美元,多数同行实际投入仍很小。
    • 参考可考虑按最新token单价重算AI试点预算,优先评估客服或客户成功这类低成本场景;值得用人均AI支出对标Ramp的16.32美元中位数,先定位自身投入水平再决定加码节奏。
11月11日周三
  1. IT之家·人工智能41

    Anthropic CEO 阿莫迪预测 AI 十年内攻克癌症,医学界与药企高管质疑

    Anthropic CEO 达里奥·阿莫迪(Dario Amodei)近日预测,若正确利用 AI 技术,癌症、阿尔茨海默病、心脏病和精神疾病将在不到十年里成为历史,哈萨比斯与马斯克也曾表达类似乐观预期。

    决策要点

    AI 领袖的十年治愈时间表与药企实操经验相左,实质分歧不在 AI 有无价值,而在激进时间表能否兑现。

    • 影响药企引入 AI 的现实定位仍是加速早期分子筛选,临床试验与监管审批的周期不会因此消失;激进的公开预期可能抬高公众与合作方期待,形成兑现落差风险。
    • 参考医疗方向的投入可考虑把收益测算锚定在分子筛选等早期环节,而非整条研发周期;评估 AI 供应商承诺时,值得参照 Vertex 实测约 50 家公司无果的案例。
  2. IT之家·人工智能18

    开发者借 Claude Code 开发 Beep Locator 声音定位系统,声源锁定至约 40 厘米

    软件开发者 Simon Willison 于 11 月 9 日发布博文,介绍其借助 AI 编程工具 Claude Code 开发的 Beep Locator 声音定位系统,可将声源锁定至约 40 厘米范围,代码已在 GitHub 公开。

    决策要点

    单个开发者借助 AI 编程工具就能为一个生活小问题拼出跨设备协同的可用工具,自研小工具的门槛在下降。

    • 影响员工级自研工具能低成本覆盖临时性、小场景的需求,未必都要立项采购;这类工具多由个人快速搭成,设备权限和数据边界容易被绕过正式 IT 流程。
    • 参考可考虑挑一个流程固定的小问题,让有工程背景的员工用 AI 编程工具试点并记录耗时对比;值得先约定自建工具的设备权限与数据使用边界。
  3. 人人都是产品经理40

    前 Twitch 产品负责人 Shaan Puri 判断 AI 将在药、食物、房子等实物领域带来 10 倍机会

    前 Twitch 产品负责人、连续创业者 Shaan Puri 在播客中判断,AI 的十倍机会不在内容和软件,而在未来五到十年用 AI 改造药、食物、房子、机器和人体这些实物世界。他举的例子包括礼来像科技公司一样买算力投入 AI 制药,以及 Zuru Tech 在中国工厂约一天造一栋房子、创始人兄弟自投约十亿美元。节目还建议换工作前做一千万美元投五家公司的练习,像投资人一样规划下一份工作。

    决策要点

    实质是 AI 机会的押注方向从数字产品转向实物行业,AI 拿掉的是实验、工厂和审批这类最贵的成本环节。

    • 影响数字内容和软件工具同质化后利润会被压薄;实物方向的门槛在实验、工厂、审批和制造积累,短期难有大量竞争者涌入;进入这些领域需要长周期资本与耐心,轻量创业模式难以覆盖。
    • 参考可考虑把选方向的问题从自己能做什么,换成哪些行业因为太难而一直又慢又贵;值得做一遍一千万美元投五家公司的练习,找出直觉看好但了解不多的领域再深挖。
  4. OpenRouter:Blog(Announcements)60

    OpenRouter 实测对比 MCP、CLI 与 Skills 的上下文 token 成本

    OpenRouter 实测同一 GitHub 任务发现,工具接入方式显著改变 agent 的上下文开销,Claude Sonnet 5.5 上 CLI 用 1,421 输入 token,GitHub MCP 默认 46 个工具用 59,417。

    决策要点

    Agent 接工具的真正成本在上下文而非调用本身,MCP 默认全量加载可能把单任务开销放大数十倍,接入方式值得先量化再选。

    • 影响跑 agent 的团队 API 成本会因工具接入方式相差数倍到数十倍;收窄工具范围、裁剪返回字段是不改架构的省钱手段;token 计数绑定具体模型与服务商,换模型需重新测算。
    • 参考可考虑用文中 mcp_cost.py 在自家主力模型上实测工具开销;优先选模型已熟悉的 CLI,无 CLI 时限定 MCP 工具数并让客户端裁剪结果;定义超过约 10,000 token 时值得评估延迟加载。
  5. OpenRouter:Blog(Announcements)58

    OpenRouter 指南:如何修复 OpenAI 与 Claude API 的 429 限流错误

    OpenRouter 发布教程,讲解如何修复 OpenAI 与 Claude API 的 429 限流错误,方法核心是读错误头里的 limit_source 判断限流来自谁,再选等待重试、备用模型或换提供商。

    决策要点

    429 报错的有效解法取决于限流来自谁,按错误头里的 limit_source 分流处理,比默认 SDK 重试更能保证批任务完成。

    • 影响429 多在应用承受真实负载或批任务并发展开时出现,默认重试在窗口内撞墙既耗时又不保证成功;按重置时间等待能保全部完成但批次拉长到分钟级;备用模型与提供商 failover 用极小额费用换来无等待完成。
    • 参考可考虑在代码里按 limit_source 分流;能等待的批任务读 Retry-After 与 X-RateLimit-Reset 定时重试,不能等待的配置 models 备用模型;生产环境用付费模型并保留提供商 failover,排查 allow_fallbacks 设为 false、只列少数提供商或 max_price 过紧的配置。
  6. TechCrunch · AI46

    PSI 借 Anthropic Fable 5.2 解决 18 年量子计算猜想,探索 AI 科研商业化

    AI 创业实验室 PSI(Physical Superintelligence)成员 David Turturean 用 Anthropic Fable 5.2 模型的早期访问权限解决了悬置 18 年的量子计算猜想 Aaronson-Ambainis。

    决策要点

    AI 科研正从演示走向被顶尖学者接受的结果,围绕模型搭建专用工具链的路线初见成效,而学科评价标准仍在形成中。

    • 影响数据中心等有明确物理模型的场景已出现 AI 科研服务的付费生意;重研发企业可将其视为新的外部研究能力来源;理论突破要变成产品仍受实验验证环节制约,行业标准未定型也增加合作与署名的不确定性。
    • 参考可考虑盘点自身业务中有清晰物理模型的优化问题,先小规模试用此类工具并核算收益;研发密集型企业值得留意 Lean 形式化等验证手段,作为评估 AI 科研产出的参考。
11月10日周二
  1. 人人都是产品经理48

    Harness 到底是什么:AI 编程五层架构拆解与团队选型建议

    作者完整消化 Theo 的 49 分钟视频与长文,把 Harness 讲成让只会吐字的大模型真正干活的底座,由工具集、调用语法、执行引擎、结果回填循环和工具说明书构成。

    决策要点

    AI 编程的抽象层正在上移,模型与执行底座绑死已成定局,团队可迁移的资产应放在 MCP 数据层而非某家工具里。

    • 影响换主力模型的成本主要在重配 Skills、插件与权限,选型时应把迁移成本算进总账;内部数据库、文档库、监控埋点等资产若封装成标准 MCP,未来换模型只需改配置;为 3% 到 5% 的跑分差放弃包月订阅改烧按量 API,按原文口径反而花钱更多、干活更少。
    • 参考可考虑按团队阶段选型,单模型团队留在模型原厂工具,多订阅团队可试用开源免费的 T3 Code 并记录实际迁移收益;值得先盘点现有私有工具清单,把涉及内部数据库与文档库的部分封装成标准 MCP 服务。
  2. 钛媒体60

    Anthropic CEO称五到十年可治愈大多数疾病,遭制药业高层集中反驳

    Anthropic CEO Dario Amodei 2026年9月称五到十年内治愈大多数人类疾病是可能的,华尔街日报11月3日报道后制药业高层集中反驳,Vertex 执行董事长 Leiden 对类似时间表称

    决策要点

    这场争论的实质不是AI是否有用,而是估值叙事权之争,谁定义AI制药的进度,谁就决定这条赛道按什么节奏和倍数定价。

    • 影响现有证据只支持AI在靶点筛选、患者匹配等研发环节的效率价值,激进时间表不能作为投入或估值的依据;医疗与科技资本在定价节奏上利益相反,参与AI制药合作的企业需区分资本叙事与可验证证据,避免被单方时间线抬高预期。
    • 参考可考虑在评估AI制药合作或投资时,把付款和里程碑挂在临床前可验证证据上;医疗或研发团队值得参照Bayer用AI在数天内梳理1亿份患者记录的做法,先在患者匹配、化合物筛选等辅助环节小规模测算收益。
  3. 36氪·AI55

    AISLE 真实湿实验基准首轮放榜,GPT 5.5 仅得 41.19 分,参测模型安全通过率均为 0%

    律动造物联合 UNSW、NUS、EPFL、UC Berkeley 共同牵头,汇聚全球 13 个 AI4Science 实验室及 NVIDIA、Microsoft Research。

    决策要点

    物理实验验证基准的出现把 AI 科学家叙事拉回现实,模型的语言层跑分并不代表真实动手能力和安全执行能力。

    • 影响对布局 AI for Science 或自动化实验室的企业,榜单成绩不能当作实验执行能力的采购依据;模型操控真实设备时安全约束全部失守,直接接入设备存在现实风险;配套 harness 为模型后训练提供了真实实验反馈通道。
    • 参考可考虑用 AISLE 公开任务对照评估自家场景中模型的动手与安全表现;值得在模型接入实验设备前先设置安全边界和人工停机校准机制;先算出获取真实实验反馈的成本再决定投入节奏。
  4. OpenRouter:Blog(Announcements)59

    OpenRouter 教程:如何从任意 LLM 获取结构化输出(JSON Schema、工具调用或决策模型)

    OpenRouter 发布教程,讲解从任意 LLM 获取可靠结构化输出的三条路线,按模型 endpoint 支持情况在严格 JSON Schema、强制工具调用和 Jev 决策模型之间选择。

    决策要点

    结构化输出是否可靠由具体 endpoint 决定而非模型名,多模型接入的真正工作量在按能力选路线和保留本地校验。

    • 影响跨模型应用不能假定 Schema 在所有供应商生效,同一模型换路由结果会不同;只要求合法 JSON 的 JSON 模式实测 216 次全对,说明可在约束强度与稳定性间取舍;纯标签分类改用决策模型在该测试中成本约为 GPT-6 Luna 的一半。
    • 参考可考虑给 provider 加 require_parameters 并设为 true,让不支持的请求显式报错以便切换模型;值得为每条回复保留 jsonschema 校验,可选字段写成必填加 null 类型;纯分类需求可试 Jev,先用自有数据测准确率和成本。
  5. OpenRouter:Blog(Announcements)82

    OpenRouter 实测扫描件 OCR 模型,Claude Opus 5.5 准确率居首

    OpenRouter 用 8 张自制扫描页实测 15 个视觉模型、Mistral OCR 和 Tesseract 的扫描件识别能力,Claude Opus 5.5 在 264 项关键值检查中命中 262 项居首,每千页 16.42 美元。

    决策要点

    扫描件识别的差距集中在褪色打印、手写和传真等难页,视觉模型会编造页面没有的值且错误率指标看不出来,选型只能在自有文档上实测。

    • 影响每千页成本从 0.04 到 16.42 美元,选型对批量文档数字化的预算影响显著;模型编造的卡号、密码流入业务系统会造成数据错误,关键值环节需要校验机制。
    • 参考可考虑用文中的 transcribe 代码在自己的扫描件上跑一轮候选模型,记录关键值命中数和每千页成本;票据类流水线值得测试关闭推理与双模型互查两个降本组合。
11月9日周一
  1. 36氪·AI61

    Anthropic 公开 Claude 做梦机制,AI 睡一觉学会通关宝可梦

    Anthropic 公开 Claude 的做梦(Dreaming)记忆机制,让模型在会话空闲时用后台算力复核经历、纠正错误记忆,把零散信息整理成可跨会话复用的知识。

    决策要点

    Anthropic 的做梦机制把 Agent 长期记忆变成需要持续投入算力维护的资产,Agent 落地瓶颈正从推理能力转向记忆管理与维护成本。

    • 影响对长任务与跨文档场景,离线记忆整理能带来明显得分提升和约 2 万 Token 的单题节省;但整理本身消耗算力,知识库越复杂维护越重;并发编辑丢数据与摘要膨胀提示需要配套的数据治理预案。
    • 参考可考虑让试点 Agent 把记忆拆成原始日志、要点笔记和索引三层,把整理放到空闲时段批量执行;值得给共享知识库设体积上限和并发写规则,先算出整理耗时与 Token 节省这笔账再定投入。
  2. 36氪·AI44

    游戏行业潜在危机:给手游氪金,不如给 AI 氪金?

    游戏葡萄刊文提出,AI 凭借陪伴与创造带来的情绪价值,正开始和手游争夺同一批用户的时间、金钱和感情。

    决策要点

    AI 用陪伴和创造两重情绪价值切入,开始分走手游用户的时长与付费,游戏行业要重新回答自己的不可替代性。

    • 影响游戏公司面对的竞争从同行扩展到玩家借助 AI 自创的乐趣,体验平庸的产品可能先流失重度付费用户;AI 以月度订阅形式承接原属游戏的娱乐预算,情绪价值成为新的消费入口。
    • 参考游戏团队可考虑梳理产品中 AI 难以替代的部分,如真人社交连接和经过完整设计的体验,再决定投入重点;值得跟踪自家重度付费用户在 AI 订阅上的时长与预算变化。