Loading...
Loading...
OpenAI 首席科学家 Jakub Pachocki（雅各布·帕乔基）与首席研究官 Mark Chen（马克·陈）谈从「氛围编码」到「氛围研究」撰文：Techub News 整理
导语
2025 年 9 月，OpenAI 首席科学家 Jakub Pachocki（雅各布·帕乔基）与首席研究官 Mark Chen（马克·陈）罕见地共同接受了知名风投 a16z 的深度访谈。作为 OpenAI 研究团队的两位核心领导者，他们掌管着当今 AI 领域最高调也最前沿的研究团队之一。本次对话围绕2025 年 9 月发布的 GPT-5、背后的「推理」理念、AI 研究的未来方向，以及如何构建能够持续产生颠覆性创新的研究文化与组织展开了深入探讨。
这不仅是一次对 OpenAI 最新技术成果的解读，更是对这家全球领先的 AI 公司其内部运作模式、未来愿景以及技术哲学的一次难得窥探。在 AI 技术竞争白热化、产品迭代加速的今天，这两位技术领袖的思考，为理解 AI 发展的下一阶段提供了关键线索。
摘要
GPT-5 的核心目标是让「推理」成为 AI 的默认行为，旨在弥合快速响应模型与深度思考模型之间的鸿沟。
OpenAI 的终极研究目标是打造「自动化研究者」，让 AI 能够自主发现新知识，尤其是在数学、编程和基础科学领域。
强化学习（RL）的潜力远未穷尽，其与预训练模型的结合是当前取得持续突破的关键，未来将向更接近人类学习的方式演进。
构建成功研究文化的关键在于「保护基础研究」，给予团队思考长期、根本性问题的空间，并避免陷入短期产品竞争的思维。
从「氛围编码」到「氛围研究」的愿景：当 AI 工具足够强大，创造（编码、研究）将更注重直觉、品味和高层次的构思，而非机械执行。
GPT-5：将推理带入主流
访谈从2025 年 9 月发布的 GPT-5 开始。Jakub Pachocki（雅各布·帕乔基）解释，GPT-5 代表了 OpenAI 将「推理」能力主流化的尝试。在此之前，OpenAI 的模型大致分为两个系列：以 GPT-2/3/4 为代表的「快速响应」模型，以及以 O 系列（如 o3）为代表的「深度思考」模型。前者擅长即时给出答案，后者则需要长时间思考以提供最佳结果。
「从战术上讲，我们不希望用户困惑于该使用哪种模式，」Pachocki 说道。因此，GPT-5 的研究重点之一是识别并确定针对不同提示所需的「最佳思考量」，并将这种选择负担从用户身上移除。他们相信，未来的方向是更多地围绕推理和智能体（Agent）展开，而 GPT-5 正是朝着默认提供推理能力和更智能化行为迈出的重要一步。
Mark Chen（马克·陈）补充道，GPT-5 在多个方面相较 o3 都有所改进，但本次发布的核心焦点无疑是让推理模式触及更多用户。
评估标准：从饱和指标到发现新知识
当被问及如何评估模型进展时，Pachocki 指出，过去几年使用的许多评估指标（Evals）已经接近饱和，例如将准确率从 96% 提升到 98% 不再具有决定性意义。更重要的是，AI 研究范式已经发生了变化。
在 GPT-2/3/4 时代，基本范式是在海量数据上进行预训练，然后用评估指标作为模型泛化能力的标尺。而现在，通过强化学习等技术，可以针对特定领域（如严肃推理）进行深度训练，让模型成为该领域的专家。这虽然能在特定评估上取得极佳表现，但不一定意味着同等程度的泛化能力。
因此，OpenAI 目前更关注能够体现模型「发现新事物」能力的评估。Chen 提到，今年最令人兴奋的进展之一是模型在数学和编程竞赛（如 AtCoder）中的表现。然而，这些竞赛本身也正在被模型「攻克」。
「我们正在准备的下一组评估和里程碑，将涉及在经济相关领域取得实际进展和发现。」Pachocki 强调。这意味着评估标准将从解决已知问题，转向在开放环境中创造新的、有价值的知识。
自动化研究：终极目标与长时推理
当被问及未来 1-5 年的研究路线图时，Pachocki 明确表示：「我们研究工作的核心目标是打造一个自动化研究者，即自动化新想法的发现。」这其中，自动化机器学习研究本身是一个具体方向，但可能显得过于自指。因此，他们也致力于推动其他科学领域的自动化进程。
衡量这一进展的一个好方法是观察模型能够进行有效推理和取得进展的「时间跨度」。目前，模型在类似高中竞赛难度的问题上，已经能够进行大约 1 到 5 小时的连贯推理。OpenAI 的研究重点正是延长这一时间跨度，包括模型制定长期规划的能力以及维持记忆的能力。
这也呼应了评估的问题：「模型能够自主运行多长时间」这类评估对他们来说尤其重要。
Chen 进一步阐述了推理对于长时程操作的核心作用。就像人类解决数学难题一样，需要尝试不同方法，从错误中学习，反复迭代。这种在长时间内保持稳健性的能力，正是深度推理赋予智能体的。
强化学习：持续突破的源泉
自 o1 发布以来，强化学习（RL）已成为 OpenAI 持续取得突破的利器。尽管外界常有预测认为 RL 的收益将趋于平缓或面临模式崩溃等问题，但 OpenAI 的模型性能却一次次打破这种预期。
Pachocki 解释了 RL 如此有效的原因。他认为，RL 是一种非常灵活的方法。OpenAI 在深度学习早期阶段就认识到 RL 的强大，但长期以来的挑战在于如何为 RL 模型提供一个合适的「环境」，使其能够与现实世界或模拟世界互动。语言模型的出现解决了这个「锚点」问题。
「当你在自然语言这个极其丰富和稳健的环境中进行预训练后，就获得了在此基础上去追求不同目标和想法的能力。」将深度学习的通用学习能力与 RL 的目标导向训练相结合，产生了巨大的化学反应。Pachocki 称这是过去几年 OpenAI 研究中最令人兴奋的阶段，他们发现了许多新方向和有前景的想法，并且都在不断取得成果。
对于希望利用 RL 的企业或研究者，Chen 的建议是：「最重要的是不要认为现状会永远持续。」就像两年前大家关注如何构建微调数据集一样，他认为奖励建模等方式也会快速演变，最终会向着更简单、更接近人类学习的方式发展。
从「氛围编码」到「氛围研究」
作为曾经的竞技程序员，Pachocki 和 Chen 对 AI 在编程领域的进步感触颇深。Chen 分享了一个故事：上周末他与一些高中生交谈，他们表示，「现在默认的编码方式就是『氛围编码』。」 对他们而言，亲手从头编写所有代码反而成了一个奇怪的概念。为什么不用 AI 来辅助呢？
这启发了 Chen：「我希望未来将是『氛围研究』。」 当 AI 工具足够强大，研究过程也将更侧重于直觉、品味和高层次的构思，而将繁琐的执行和验证交给 AI。
那么，什么造就了伟大的研究者？Pachocki 认为，「毅力」是关键。研究是在探索未知，尝试的事情大概率会失败。因此，研究者需要处于一种「准备好失败并从中学习」的心态，同时对自己的假设保持绝对诚实。既要对自己的想法有信心并坚持不懈，又要能清醒地判断进展，及时调整。
Chen 补充，经验至关重要，这能帮助你判断问题的难度是否合适，并管理自己在长期研究中的情绪。通过与同事交流、阅读优秀论文来培养对「有趣问题」的嗅觉，也是研究过程的一部分。
构建并守护顶尖研究文化
作为 OpenAI 研究团队的领导者，Pachocki 和 Chen 如何吸引并留住顶尖人才？Pachocki 指出，最根本的动力在于 OpenAI 致力于基础研究的使命。他们不热衷于关注竞争对手发布了什么模型，而是专注于前沿创新。「人们为这一使命所激励。」 此外，建立良好的文化、培养人才的管道，以及拥有深厚的人才储备（「深板凳」）也至关重要。
在招聘上，他们不仅仅寻找在社交媒体上最活跃的人，而是看重「在任何领域解决过难题」的能力。许多最成功的研究者在加入 OpenAI 之前，曾在物理、计算机科学或金融等其他领域工作，具备扎实的技术基础和解决雄心勃勃问题的意愿。
「保护基础研究」是创造制胜文化的关键。Chen 解释，必须确保研究者有空间去思考未来一两年真正重要的问题，而不是被短期产品需求所牵扯，或陷入与其他实验室的发布竞赛中。「我们需要确保人们有这种舒适感和空间去思考：事情在一两年后会变成什么样子？」
平衡研究与产品是另一个挑战。他们的做法是明确区分一批真正关心产品、对产品成功负责的研究者，让他们与产品团队紧密协作。同时，公司领导层也充分认同并支持研究的长期愿景，明白当前的产品并非终点，而是与研发共同构想未来。
资源、计算与恒定的挑战
在资源分配上，管理不同项目间的计算资源是两位领导者的重要工作。他们坦言，历史上更多的计算资源流向了核心算法推进，而非产品化研究，但这种分配是动态且灵活的。
当被问及如果增加 10% 的资源会投向哪里时，Pachocki 的回答是：「计算。」 他认为，关于「我们将很快进入数据约束阶段」的说法并不准确，计算资源在可预见的未来仍将是决定性因素。「任何这么说的人，只需要在我的职位上干一周，就会发现没有人会说『我拥有所有需要的计算资源』。」 Chen 笑着赞同道。
最后，当被问及在 AI 飞速发展的浪潮中，有哪些原则应该保持不变时，Pachocki 提到了更广泛的物理限制，如能源，以及未来机器人技术将带来的新约束。但在智能前沿，「我不会做太多假设。」 保持开放和学习的心态至关重要。Chen 则分享了保持团队高速运转的「秘诀」：OpenAI 的研究文化让他从未感到学习停滞，总有新的突破和成果涌现，需要全力以赴才能跟上，这种持续的挑战感和成长感正是驱动力。
用GPT-6 Astra操控Blender玩3D，保姆级教程来了。Blender，可能就是这次GPT-6 Astra上线后的最大受益者。
大家真的是玩疯了。
直接让Blender的下载量都跟着暴增了。。。
我也没想到，3D这个形态，居然以如此离奇的机遇，进入到了大家的视野里。
在我实测GPT-6 Astra那一篇文章下面，有个朋友留了这样一条评论。
然后也有很多朋友说，能不能出一期GPT-6 Astra操控Blender的教程，他们也想玩。
说干就干。
所以呢，今天就给大家分享一下我觉得比较适合小白入门的GPT-6 Astra+Blender的玩法。
跟着我一步一步来，你也能从一个完全不懂建模的小白，做出属于自己的第一个3D的blender模型。
OK，直接进正题。
一. 前期准备
在正式开始搓模型之前，我们先把需要的东西准备好。
一个能使用GPT-6 Astra的ChatGPT账号，以及桌面端的App。
下载链接：https://chatgpt.com/zh-Hans-CN/download/
安装完成后打开ChatGPT，点击左上角的模式切换按钮，进入Codex。
然后，点击左侧项目旁边的加号，新建一个本地项目。
然后，直接跟他说，帮我下载和安装好blender。
Codex会根据你的电脑系统，帮你下载对应的安装包。
当然，还有个冷知识，如果你电脑上装了Steam的话，你也可以从Steam里自己手动下载Blender。。。
Blender是一款免费、开源的3D创作软件，现在感觉已经替代C4D成了主流了，我还记得18年我刚开始学3D的时候，主流还是C4D+OC渲染器，然后19年20年的时候，Blender异军突起，直到现在，因为开源，又完美的吃到了AI时代所有的红利。
这玩意也基本是个全栈，建模、骨骼、雕刻、材质、灯光、动画和渲染啥的，它基本全都能做。
一打开，它的界面看起来会有点吓人，满屏都是按钮和参数，中间有一个经典的Box。
不过呢，，完全不用慌。
Codex可以直接替我们操作。
我们还需要再安装两个东西。
一个是，Blender官方推出的MCP，这块一定要注意一下，官方已经出了自己的，不要装成社区的三方插件了。
官方地址：https://www.blender.org/lab/mcp-server/
同样可以让codex直接帮你下载。
还有一个是ChatGPT官方提供的Computer Use插件。
点击左侧的插件，搜索并安装Computer Use。
接着，记得把权限打开。
点击ChatGPT左下角的头像，进入设置。
然后在左侧找到电脑操控，把任意应用打开。
mac用户还可以打开下面的锁屏操作，这样即使电脑进入锁屏状态，Codex也能继续执行正在进行的任务。
到这里，需要的东西就全部准备好了。
接下来，正式开始搓模型。
二. 开始制作
现在GPT-6 Astra操控Blender，大概有3种方式。
第一种是Computer Use。
学人类建模。
操作起来也非常简单。
你只需要大白话告诉GPT使用Computer Use打开Blender，然后把想做的东西描述清楚。
它就会自己找按钮、移动鼠标和输入参数，再一点一点把模型搭出来。
这次，我给它的任务是搭建一座完整的北京的天坛祈年殿。
我给的提示词是下面这个：
@computer-use 使用Blender搭建北京天坛祈年殿的完整精细模型。先搜集资料，以官方资料、实景照片和可靠测绘图为参考，按实际布局和比例重建祈年殿及台基周边。殿身、柱梁、斗拱、门窗、彩绘构件、三重檐屋顶、蓝色琉璃瓦、鎏金宝顶、三层汉白玉台基、栏杆、望柱、台阶、石雕和地面分别建模，保持独立对象，清晰命名，统一比例与材质风格。重点精修屋顶曲线与出檐比例、斗拱层次、梁枋彩绘、瓦片排列及瓦当滴水、石栏雕刻，以及木材、琉璃和汉白玉的表面质感，做到近景观看仍然精细可信。每完成一批资产就渲染检查，不通过就返工。从正面、侧面、俯视及局部特写对照参考资料，检查造型、位置、比例、材质、悬空及穿模问题。先精修一组柱梁、斗拱和屋檐作为质量样板，通过后再扩展到全场。全程通过电脑界面手动点击操作完成建模，不使用代码、脚本或命令行生成模型。
发出去以后，后面的事情就可以全部交给它了。
在前前后后历经了大概4个小时。
它终于把天坛祈年殿做了出来。
效果我觉得还不错。
我还把过程录成了一段加速视频。
看着模型一点点搭出来的感觉，是真的非常爽啊。
Computer Use有一个很明显的优势。
直观，并且是完全跟一个建模师一样操作的，人是怎么做的，它就怎么做。
你可以清楚地看到它现在点了什么、改了什么、卡在了哪里。
但它最大的问题，就是贵。。。
就这一座天坛，直接花掉了我200美刀Pro会员将近一半的额度。
有点肉疼。
虽然GPT-6 Astra的Computer Use确实非常强，但对Blender来说，还有两种速度更快、额度也更友好的方法。
第二种方式，是Blender官方推出的MCP。
可以把它理解成GPT和Blender之间的一条专用通道。
MCP可以直接读取Blender里的场景和物体，并通过底层API执行操作。
速度通常会快很多。
我用了一辆摩托车来给大家看看。
我给的提示词是下面这个：
请用Blender的MCP来制作一辆精细、可编辑的2026 Indian Chief VintageSturgis,SDEdition摩托车。先查阅真实车辆资料，自行生成一致的多视角参考图，再开始建模，以真实照片和尺寸为准。先做好整车比例、车架、油箱和挡泥板曲面，再补充V型双缸发动机、辐条轮毂、悬挂、车灯、车把和皮革座椅。主要部件保持独立并清楚命名，添加符合实车的材质。每完成一批资产就渲染并实际查看，不通过就返工，重点检查比例、外形、机械连接和部件穿插。
生出来的效果是这样的。
模型有了，但是不动起来，就还是不太好玩。
所以第二步，我让它继续基于现有模型，制作一段零件组装动画。
我的提示词是：
请基于现有的Chief Vintage Sturgis, SD Edition模型，用Blender的MCP制作一段10秒、30fps的零件组装展示动画，保留现有模型的外观、双色涂装和材质。0—2秒：以车架为基准，将发动机、轮组、前叉、油箱、挡泥板、座椅等主要总成有序悬浮展开，保持清晰的空间对应关系。2—7秒：零件按合理顺序分批、错峰移动到安装位置，逐渐组装成完整摩托车。动作平滑，有自然的加速和减速。7—10秒：镜头缓慢环绕完整车辆，展示车身曲面、发动机、辐条轮毂和材质细节。主要部件保持独立，动画和相机轨迹可编辑。分阶段渲染并实际查看，重点检查运动路径、部件穿插、构图和镜头衔接。
最后做出来的效果，是这样滴。
这下就有内味了。
如果你还像让它更好看，还可以让GPT-6 Astra，去Blender构建一个场景，这样渲染的效果会更加完整。
不过，在这个过程中，我也碰到了一个问题。
再生成动画视频的时候，MCP的单次运行超时了。。。
这也刚好暴露了MCP在处理复杂任务的一个约束。
解决起来也不难。
遇到一些复杂操作，可以尝试把任务拆成更小的步骤，一步步完成。
或者也可以试试接下来的方法。
第三种方式，通过CLI调用Blender，执行Python脚本。
这也是在实际操作中，最常调用的方式。
它和MCP在底层其实非常接近，两种方法都会使用Blender的Python API。
GPT写好代码以后，Blender再通过bpy创建模型、添加材质，等等完成后续的处理。
区别在于，MCP更像是连接并控制一个正在运行的Blender，CLI则是启动一个Blender进程去执行脚本。
但在其他条件相同的情况下，两种方式最终生成的模型效果，不会产生特别明显的差距。
日常我更推荐大家，使用GPT-6 Astra + Blender MCP + Computer Use来做。
三. 配合3D生成模型
现在大家已经看到GPT-6 Astra + Blender来去做的效果了，不过，大家可能会发现，上面的那些东西，基本都是几何体。
这也是AI现在比较擅长干的东西。
但是一旦涉及到生物类型的，就会效果比较差了。
比如说，让AI去复刻一个这样的金克斯。
只能说是毫不相干。。。
这也是目前GPT直接用Blender建模时，一个非常明显的短板。
从前面的天坛和摩托车也能看出来，GPT-6 Astra更擅长建筑、车辆和机械设备这种可以拆成大量规则的几何结构。
而我们给出来的图片，可能确实有点刁难了，因为人物基本就是建模里最复杂的了，跟一些几何体的建模方式完全不一样，我们过去做这种基本的人物的建模，都是用Box大概拉个型，然后基本都是直接手动ZBrush去雕刻出来的，这个真的就是传统的手工艺活，特别是肌肉的走向，跟老艺术家手工雕刻真的没啥区别。
所以，大家如果现在想复刻一些生物的3D模型，这一步就别用GPT-6 Astra去硬操作Blender了，可以借助专门的AI 3D生成模型。
比如，这么一个手办风格的金克斯的角色图。
让GPT-6 Astra操控Tripo AI生成角色3D模型，再把结果导入Blender。
这一版的效果，就明显好了很多。
所以，这种偏生物类型的，用GPT-6 Astra操控AI 3D生成模型，在导入到Blender里，来处理后续所有的流程，就会更加合适一点。
我们再用牛来举个例子，从建模到动画，完整走一遍制作流程。
在传统影视和游戏流程里的建模，一般需要好几个环节。
建模师先对照原画和不同角度的参考图，把角色的比例、轮廓和细节一点一点做出来。
除了外形，还要整理模型的拓扑、展开UV，再制作材质和贴图。
做到这里，才拥有了一个可以使用的静态角色。
如果还想让它动起来，需要继续做骨骼绑定、刷蒙皮权重，让身体各个部位和皮肤能够跟着骨骼自然变形。
之后，才是具体的动画制作，摆出姿势、设置关键帧，再反复调整动作之间的过渡和节奏。
每个环节都得一点点打磨。
真正耗时间的，往往就是这些又琐碎、又枯燥的基础工作。
所以这一次，我们也照着这套流程来。
先上传牛来妈妈的角色原图，然后让它生成一套统一的多视图设定，作为后续建模的参考。
接下来，正式进入Blender的环节，把牛来妈妈的基本轮廓和身体结构做出来。
然后整理UV、制作材质，再给它上色。
做完以后，感觉眼睛和头部比例还有点问题，又稍微修改了一下。
静态模型处理的差不多，就可以让它接着绑定骨骼。
最后，再来处理场景、表情和动画。
我想的是，可以让他来跳段舞，再根据BGM来喊妈妈和牛来！
最后做出来的效果，是这样的。
虽然属实是有点抽象，但是还蛮好玩的。
而且这套玩法，平时拿来整活也完全用得上。
你可以上传一张自己或者朋友的照片，让AI把它变成一个3D卡通小手办。
再给它编支舞、安排几个搞怪动作。
就很有意思。
写在最后
我忽然想起了7年前，我在朋友圈里发的一个3D的作品。
是根据一个海外的艺术家的图参考，然后我自己一点一点建模贴图然后渲染的。
这一张图，每天下班以后回家做，做了整整一个月。
那天晚上，用OC渲染了一整个通宵，然后在早上8点多发出来了。
一个月的时光啊，就为了一张图。
现在想想，好像这是一个不可思议的念头了。
创作越来越平权了。
每个人心中有想法，都可以让AI去操控软件，来帮你做出来。
虽然现在还很贵，还比较慢，但是，至少能做出来。
而且趋势一定是越来越便宜的，就像去年，我们想象不到，一个Coding类的长程任务，能做到这么便宜，当年，做一个PPT，甚至都需要20美金。
但，人人都可以做了，却不代表，好作品会涌现。
以后真正拉开差距的，会越来越变成你的想法、审美、判断力，还有那点愿意继续折腾下去的好奇心。
我还挺期待看到，大家都会做些什么出来。
最后。
祝大家，建模愉快。
DeepSeek Harness 是自进化 Agent 的基石作者：Cage、Daniel
/
01.
Key Takeaways
1.DeepSeek Harness（DSH）发布的是一套可以热重载的 harness ，并且设计成适合 coding agent 自己去修改、进化的形态。这个发布思路很有野心，没有在白领工作/coding agent 这些方向去和 Claude Code/Codex/Workbuddy 竞争产品，而是延续了他们一以贯之的思路：开源、infra 化。
•开源是把 harness 每一层都拆开开放出来，允许社区开发者一起接受优化
•Infra 化的发布形式提高了使用门槛，避免出现像 Openclaw 那种项目复杂度膨胀太快，最终无法维护的情况。
2.我们可以从三个层面理解 DSH 这次发布：
•第一层是可直接使用的 coding agent，以本地 Web UI 为主要快速入口。这个交互形态的选择能看出开发者 preview 的目的，没有去做完整的桌面端/ TUI。使用起来和 ds 模型适配度很高，能感觉到同一个任务 ds 模型在 dsh 中和比直接用裸模型/其他 harness 更强。
•第二层是 everything-is-a-plugin 的 harness 构造框架。这里面的核心能力都可以自定义，包括其他 agent 中最核心的 agent loop。
•第三层是 Cordis 是一套底层的 meta-framework，能够让插件真正做到热重载、自由组合，以及彻底的遗忘和删除。
3.DSH 的 Cordis plugin 不好直接去类比 MCP/Skills。它更像是 Claude Code 的 hooks、MCP、subagents 和内部核心 loop 全部统一了成一种插件机制。Cordis 解决的是动态组合问题，让组件能在依赖出现/消失时重组，并在卸载时撤回由 context 管理的副作用。注重可组合性和生态扩展性，这让 DSH 有点像早期的 Unix，拥有了类似 OS 的高潜力上限。
4.这次发布的 coding agent 有四个模式，其中 Creator 模式值得关注。它的形式比较像一个交互式 Agent Foundry：允许开发者指导 agent 检查当前 runtime 试验插件，并创作新的 Agent preset 形式。虽然还不是自进化系统，但可以收集 agent 用来学习自进化的数据。 官方同时明确鼓励社区创建与分发第三方插件，因此 Creator mode 也可能成为其插件生态的创作入口。
5.DSH 更长期的目标用户，很可能会为 To Developer 走向 To Agent。它把 harness 做成了对 agent 可以修改、热重载的对象，并不是为了服务现在的 coding agent 需求，而是服务未来下一代的自进化和持续学习框架。有了 DSH 之后，我们愈发能想象下一代 agent 会在 long horizon task 中，一边执行任务，一边更换支撑自身运行的部件，就像一艘持续航行的忒修斯之船。
6.Anthropic Claude Code 与 Deepseek DSH 代表了两种不同的 Harness 研究重点：
•Anthropic 是为了在当前范式下做出一个最好的 agent 产品，目标是最有效、简单，同时最大化模型能力边界的 harness。Deepseek 是在押注下一个范式，因此直接把替换、组合和撤销 harness component 作为首要的假设来进行设计。
•Claude Code 希望做成做端到端的垂直整合产品，来给自己 API 依赖的商业模式增加用户粘性；而 DSH 则是目标完全开放给开发者的。
•因此可以认为 Anthropic/OpenAI 和 deepseek 在研究两个不同的问题：
1）A/O 研究的是 Harness 本身的能力：已有 SOTA 模型应该如何设计 harness 架构，比如 agent loop、subagent 架构来让 harness 表现得最好？
2）Deepseek 在研究的是 Harness 的可塑性：harness 是流动的，一直会被模型内化和重写，那么最重要的就是如何最有效的修改、替换、撤销 harness 中的组件变化？这个问题更接近于 meta harness。
7.DSH 已经提供了 agent runtime self-modification 的底座，但距离真正的 self-evolve 缺少一个完整的学习闭环，需要 有 Learning Loop 来学习并提出修改、Eval 评估修改的有效性。因此当前其实是 Harness-level RSI 的第一步，自身拆成可定位、可替换的组件。
02.
DSH 这次发布了什么？
从产品表面看，DeepSeek Harness（DSH）是一个带本地 Web UI 的 Coding Agent。
官方设置了四个模式，也允许开发者去贡献配置更多模式：
•80% 的任务用标准模式：能力完整、行为可预测，也最容易排错。
•PTC / Code 模式适合工具调用密集的任务：模型不再逐个调用工具，而是先生成一段 TypeScript，再通过run_code调用多个工具。批量分析、跨文件检索、重复操作时收益最大；任务简单时反而可能增加调试成本。
•极简模式是实验室环境：它只保留 Bash 和编辑器，许多便利能力都没有。它的价值在于控制变量：帮助研究者区分能力来自模型本身，还是来自 Harness 的帮助。
•创造模式的核心用途是“造 Agent”：这个模式值得关注，它保留了标准模式的能力，同时允许 Agent 检查 Cordis Runtime、实验新的 Plugin，并编写新的 Preset。创造模式具有更高权限，更适合 Harness 开发和隔离实验。
我们可以把这次发布分为三层去拆解：
1.Coding agent
DSH 没有把 Terminal-first TUI 或桌面端作为主要产品形态，而是选择了更像开发者 Demo 的本地 Web UI。标准模式已经包含真实编程工作需要的主要能力，包括执行命令、修改和搜索文件、调用 Skills、维护计划与目标、启动子代理，以及运行工作流。系统还提供 Context Compaction、会话持久化、Sandbox 和权限审批。
2.Harness construction framework
DSH 不只允许开发者“增加一个 Tool”。Model Adapter、Tool Registry、Sandbox Policy、Subagent Backend，甚至默认 Agent Loop，都可以由 Cordis Plugin 提供。这些组件通过 ctx.llm、ctx.tools、ctx.sandbox、ctx.agentLoop 等稳定的 Service Key 协作，而不是直接 Import 某个具体实现。开发者因此可以替换一个能力的 Provider，同时尽量保持其他组件不变。
3.Cordis meta-framework
Cordis 进一步解决的是：这些组件怎样加入、删除和重新组合，能够不把正在运行的系统破坏掉。
多数 Agent 插件系统主要关心怎样增加功能：安装更多 Tool、Skill 和 MCP。但组件不断增加后，系统也会积累更多 Tool Schema 和依赖关系。模型需要在更多能力之间进行选择，很多人在 Claude Code 中遇到过 Skills 过多后反而效果变差的情况。
这里可以把这种现象理解为一种工程上的“熵增”：系统不断增加能力，却缺少对应的删除和重组机制。这个问题与 Continual Learning 中“记忆与遗忘”的关系有一定相似性。这也是 Cordis 论文 A Programming Paradigm for Spatiotemporal Composability 讨论的核心问题。论文把插件的动态组合拆成两个相互独立的维度来解决。
•时间可组合性 Temporal Composability，是解决处理组件的退出。
一个 Plugin 加载时，可能注册 Tool、Prompt Section、Event Listener、Timer 和 Service。如果只删除插件代码，这些已经进入 Runtime 的状态可能继续存在，形成无法正常清理的“幽灵组件”。Cordis 要求组件在注册 Effect 时，同时提供对应的撤销方式。注册 Tool 时记录怎样注销 Tool，增加 Prompt 时记录怎样移除 Prompt，启动 Timer 时记录怎样停止 Timer。组件卸载后，Runtime 会撤销它在 Context 中留下的 Effect。
•空间可组合性 Spatial Composability 处理组件之间的依赖。
组件不直接绑定某个实现，而是声明自己需要什么 Service。当依赖尚未出现时，组件保持 Waiting；依赖满足后，组件进入 Active；正在使用的 Service 消失或被替换后，组件先撤销自己的 Effect，再根据新的依赖关系重新激活。
因此从产品气质看，当前的 DSH 更接近早期 Unix：默认体验比较粗糙，但底层结构更开放，也允许开发者深入修改。Claude Code 和 Codex 就更像整合度很高的 Windows。
当然这种开放也需要有更长期主义的耐心。“一切可替换”只有在存在足够多、足够稳定的替代组件时才有价值。DSH 当前的 Plugin 生态和状态管理仍处于早期阶段，理解和修改整个项目的门槛也很高，短期内很难直接和 Claude Code、Codex 产生替代关系。
03.
DSH 与 Anthropic harness 是两种不同的 Harness 哲学
如果我们用一个简单的框架理解 Agent：
•Agent = Model + Harness
•Harness = orchestration + context/memory/state + permissions + tools/sandbox/recovery
我们可以发现，Anthropic 与 DeepSeek 的差异并不只是组件设计不同，而是二者在优化不同的目标：
Anthropic Claude Code： 不断试验，优化 Agent 行为
我们阅读 Anthropic 关于 Agent Harness 的技术文章，会发现他们的 Long-horizon Agent 研究通常从 SOTA 模型的能力边界和失败模式出发，再去设计和验证相应的 Harness 机制。例如：
•通过 initializer agent、coding agent 和跨 Session 的 Artifact Handoff，解决长任务中的状态丢失；
•通过 planner、generator 和 evaluator 分工，解决任务规划不足和模型自我评价偏高的问题；
•通过 Context Reset 与 Compaction，缓解 Context 污染和长任务中的连贯性下降；
•通过任务分解、测试反馈和 Scalable Evaluator，控制执行范围，并让每一步都可以被自动验收；
•随着模型能力提升，通过 Ablation 删除不再必要的 Scaffolding。
Boris Cherny 的 YC 访谈中提到，Opus 5 发布后，Claude Code 删除了超过 80% 的 System Prompt。每当新模型发布，团队都会以清空 System Prompt 的 Ablation 作为实验基线，重新运行真实任务；只有当模型反复出现同一种失败时，才逐行加回必要指令。他们也会持续调整 Tool Set，并删除不再提供能力增益的 Harness Code。
Anthropic 的方法很像实证科学。团队先观察当前模型在真实任务中的能力边界，再针对反复出现的失败设计 Harness。每个 Harness Component 都对应一个关于“模型当前无法独立完成什么”的假设；模型进步后，这些假设可能过期，因此需要通过 Eval 和 Ablation 重新验证优化。
DSH：从可变性出发，打造万物可插拔的 Harness
对比以上 Anthropic 的实证研究思路，DSH更像从理论研究的视角想去第一性的解决一个目标问题，也就是Harness 能否被低成本地修改的问题，最终是在设计一个能够持续修改迭代 Harness 的Meta Harness，应该：
•替换一个 harness component
•撤销旧 component 的副作用
•出现修改时重新解析依赖
•让不同 session 使用不同 composition
•让 agent 检查和编写新的 preset/plugin
因此 Anthropic 优化的是当下时间点的最佳结果，DSH 优化的是未来持续探索不同结果的能力。这让我们觉得 Deepseek 更像是想制造一套 Harness Evolution 的操作系统，而不是直接给出一套固定的最佳 Harness。
04.
DSH 的短期用户是开发者，长期用户是 Agent 自己
DSH 当前的产品形态更像开发者预览版，而不是面向普通用户的成熟 Coding Agent。它没有优先打磨 Terminal UI、桌面端和开箱即用的工作流，而是把主要精力放在一个可以被深度修改的 Runtime 上。
对普通用户来说，产品体验是比较粗糙的，不如 Claude Code 或 Codex 好用；但对 Agent Developer 来说，这意味着系统的大部分结构都可以重新组合。开发者可以在 DSH 上替换 Memory、Tool、Sandbox、权限策略和 UI，甚至更换 Agent Loop。最终做出来的产品可能完全看不出原始 DSH 的形态。因此，DSH 短期内更像一个 Agent 开发底座：它不直接交付唯一的最佳产品，而是让开发者基于同一个内核创造不同的 Agent。
它更长期的想象空间，是让 Agent 逐渐成为 Harness 的使用者和修改者。Agent 要改进自己的 Harness，首先必须看懂自己运行在什么系统里。把 Harness 拆成命名清晰、依赖明确的 Component，相当于为 Agent 提供了一张系统地图：它可以定位问题，找到相关组件，再提出局部修改。
这也是插件化的真正意义。它不仅方便开发者扩展功能，也把原本开放式的软件修改，变成了一组边界更明确的操作。Agent 不需要重写整个系统，而是可以尝试替换任何一个组件。如果实验失败，系统还可以卸载插件并恢复原来的组合。自我修改因此从一次高风险的整体重写，变成一系列可以测试和回滚的局部实验。
其中的 Creator Mode 像是连接开发者与 Agent 的过渡形态。今天是开发者指导 Agent 创建新的 Plugin；这些过程未来可能变成训练数据，让模型学习如何设计和改进自己的 Harness。让 Agent 真正成为 Harness 的用户：它不仅调用 Harness 提供的工具，也开始操作 Harness 本身。
未来，人类与 Agent 的分工可能发生变化。开发者不再直接决定每个 Session 使用哪些 Tool，而是负责定义允许修改的范围、可靠的 Eval，以及安全边界。Agent 则在这些边界内不断尝试更适合当前任务的 Harness。
05.
插件机制，DSH 的核心
在 DSH 中，插件是一个可以独立安装、替换和撤销的 Harness 组件。它可以小到一个主题或工具，也可以深入到 Memory、Model Adapter、Sandbox，甚至 Agent Loop。只要遵循 DSH 的统一接口，一个 Harness 组件就可以被封装成插件。
MCP、Skills、Hooks 和 Subagent 定义了某些具体能力或使用方式，DSH 插件则定义了这些能力如何接入整个 Harness。一个插件既可以封装 MCP 或 Skill，也可以包含一套完整的软件模块，改变 Agent 的运行方式。
DSH 通过完全开源的方式拥抱社区。DSH 内核负责维持接口、依赖关系和插件生命周期，社区则在外围快速创新。这样既能避免大量 Pull Request 直接进入核心仓库，也能降低维护不同社区方案的成本。
这种架构很快带来了生态增长。截至 8 月 19 日，GitHub 的 dsh-plugin Topic 聚合了约 7,700 个仓库。经过社区筛选的 awesome-dsh-plugin 已经收录约 1,500 个可通过 dsh plugin add 安装的插件，并获得约 9,200 Stars、1,350 Forks，仓库累计超过 1,800 次提交。
从分类看，目前最集中的方向主要有两类。一类是在补充产品体验，例如 Web UI、桌面端、状态监控和交互组件；另一类是在接入外部 Agent 能力，例如长期记忆、Browser、Vision、Sandbox 和 Workflow。这意味着 DSH 正在成为外部 Agent Infra 接入用户 Runtime 的适配层。对于 Agent Infra 创业者，短期可以借助 DSH 获得分发和用户反馈；长期则要面对接口变化、平台依赖，以及同类插件快速竞争的风险。
围绕插件的分发基础设施也开始形成，比如 dsh-market 提供插件搜索、安装和升级，dsh-find-plugin 则允许 Agent 在对话中主动寻找插件。社区不只在开发插件，也开始建设插件发现、安装和管理的完整链路。
从这个角度看，DSH 的插件生态不只是一个应用商店，而是一个开放的 Harness 搜索空间。不同开发者可以并行尝试不同的 Memory、Tool、Workflow 和 Agent Loop。更长期的目标，则是让 Agent 自己读取、编写、测试和选择插件，通过改变 Harness 来改善自身行为。
06.
离真正的 self-evolve harness 还有多远
难点 1: 保持系统自身的稳定性
在 Agent 修改自身配置时，一个经典的痛点是如何保持自身稳定，避免 Agent 在修改配置、工具或核心代码时破坏自己的运行环境。这类风险已经出现在 Hermes、OpenClaw 等允许 Agent 修改自身配置的系统中。
更复杂的 Self-Evolution 不能依赖“修改完成后重启”。它需要支持系统一边运行，一边替换支撑自身运行的组件。这就是Cordis 想核心实现的热重载：不关闭整个进程，也不重启完整的 Agent，而是在 Runtime 中卸载旧组件、清理它留下的状态，再加载新的实现。
DSH 这套插件机制的价值，不只是“方便替换组件”，而是把一次危险的全局修改缩小成有边界的 Component Mutation。Agent 可以复制当前状态，在隔离的 Context 或 Sandbox 中修改一个 Plugin，通过热重载加载候选版本，再决定采用还是撤销。
Cordis 将不同的 Harness 能力组织成具有统一生命周期的 Plugin。每个 Plugin 注册的 Service、Tool 和 Event Listener，都会被记录为该 Plugin 拥有的 Effect。当 Plugin 被卸载时，这些受 Cordis 管理的 Effect 会随之撤销。它还会持续跟踪组件之间的依赖关系。如果一个 Service 被卸载，依赖它的 Plugin 会暂时退出运行，避免继续使用失效的引用。新的 Service 加载完成后，这些依赖组件再基于新实现重新启动。
这可以被理解为类比为数据库中的 Transactional Harness Mutation。一次 Harness 修改像数据库事务，更好的状态管理，使 Agent 能够在不摧毁自身的情况下进行更多 Harness-level RSI 实验。目前 Cordis 距离稳定的自我修改系统，还需要一套更完整的状态管理。
难点 2: 持续可靠的 eval
Harness 能生成修改不等于自我改进。只有系统能够判断哪些修改真的更好，并把它们保留下来，Self-Mutation 才会变成 Self-Improvement。
从工程实现上来说，如果一个问题能够被低成本、稳定地评价，解决问题就可以被转化为搜索和优化。系统不断生成候选方案，运行 Eval，保留更好的版本，再进入下一轮迭代。测试充分的代码任务、Kernel 优化和棋类游戏之所以容易形成自动改进闭环，就是因为结果相对容易验证。
DSH 的 Creator Mode 可能是一个重要的数据入口。Create Agent 可以检查当前 Runtime，复制已有 Preset，修改 Cordis Composition，并生成一个可以被其他 Session 加载的新 Agent。这个过程可以产生 Harness Patch、修改理由和人工反馈，为未来构建 Eval Suite 提供原始材料。
但创作轨迹本身还不是可靠的 Eval。开发者接受一个 Preset，不代表它在其他任务上也更好。系统还需要记录新旧版本的对照结果，并通过 Held-out Tasks、Regression Test 和 Canary Deployment 检查改进能否迁移、是否带来能力退化。Create Mode 解决了一部分候选生成和数据积累问题，但距离持续可靠的 Eval System 仍然很远。
真正的 Self-Evolving Harness 需要一套完整的 Learning Loop
目前 Cordis 解决的主要仍是 “Harness 能否被更可控地调整”。它不知道为什么应该替换 Agent Loop，也不能判断新 Loop 是否真正提高了整体能力。它提供了运行和管理候选方案的底座，却没有完成问题诊断和效果的自动化评估。
但这是一个很好的开始。Cordis 先解决了“系统能不能在不破坏自身的情况下修改 Harness”，让更多 Harness-level RSI 实验成为可能。下一步，才是让系统从这些实验中持续学习，并把有效的修改保留下来。
07.
从 DSH 展望未来的 RSI
RSI 是AI 能否越来越擅长改进自己。核心是递归反馈：上一轮改进不仅提高了任务表现，也提高了系统下一轮发现问题、设计实验和产生改进的能力。其中又可以定义为两类：
•一类是模型开发过程中的迭代 Model-level RSI。随着 Compute 和模型能力提高，交付下一单位智能所需要的 Researcher 数量是否持续下降。
•另一类是 Agent 在工作中是否能够持续变好 Harness-level RSI。随着一个 long horizon task 任务执行深度增加，是否能够更好地改进自身来完成任务。DSH 在解决的就是这类问题。
可以作为一个现实的观察指标。今天的 Coding Agent 已经能够承担代码实现、实验执行和结果分析等工作，Researcher 则逐渐转向选择方向、定义 Objective 和判断结果。我们正在看到 Research Automation 向初级 RSI 过渡：模型开始进入生产下一代模型和系统的流程，但整个改进方向仍然主要由人决定。
RSI 也不一定从模型直接修改自己的 Weights 开始。Lilian Weng 认为，一条更现实的近期路径，是先把模型外部的 Harness 变成优化对象。优化范围会从 Prompt 和 Structured Context，逐渐扩展到 Workflow、Harness Code，最终可能进入负责优化 Harness 的 Optimizer Code。此时，系统改进的不再只是一次任务的答案，而是“如何获得更好答案的方法”。
放到 Harness 层面，RSI 也不只是让 Agent 为自己写一个新 Tool。它需要形成一个完整过程：Agent 从任务轨迹中发现稳定的失败模式，判断问题来自 Memory、Tool、Context Management 还是 Agent Loop，提出新的 Harness 方案，再通过独立 Eval 判断新方案是否真的更好。验证有效的方案被保留，并成为下一轮任务和改进实验的起点。
这有点像一艘持续航行的忒修斯之船。Agent 一边执行任务，一边更换支撑自身运行的部件。但真正重要的是每次更换之后，它是否能航行更快，也更好判断下一次应该更换什么。
这里首先需要解决的是 Harness 的可理解性。Harness 的组件彼此依赖，修改一个部分会牵一发动全身。Agent 如果不知道系统由哪些部分组成，也不知道一次失败对应哪个组件，就很难安全地改进自己。Harness 内部还存在复杂依赖，一次 Agent Loop 的变化可能同时影响 Tool、Prompt 和 Context State。
DSH 解决这个问题的方式是插件化和热重载。它通过 Cordis 把 Harness 组织成边界相对明确的 Component，使 Agent 能够查看系统结构，定位相关能力，并尝试调整 Memory、Tool、Workflow 或 Agent Loop。Plugin 不只是扩展功能的接口，也让原本隐藏在 Runtime 内部的 Harness 变成一个显式的优化空间。
如果未来 Agent 能继续优化这套选择机制，让 Agent 修改进一步提高了 Agent 诊断失败、提出方案和设计 Eval 的能力，使后一轮改进比前一轮更有效，就能走向真正的Harness-level RSI。关于更广范围的 RSI 与持续学习，我们后续还会发布研究，继续分享对新范式的理解。
智谱在天猫开店卖Token了：成首家入驻主流电商平台的大模型厂商以后打开淘宝搜"智谱旗舰店"，你能买到的不再只是衣服和数码产品——而是大模型的调用额度。
9月2日，智谱正式入驻天猫开设官方旗舰店，成为第一家登上主流电商平台的大模型厂商。店铺里上架的不是模型、不是API文档，而是四款明码标价的"GLM Coding Plan"订阅套餐：个人版Lite每月118元、Pro每月538元、Max每月1078元，团队版标准席位598元/月，支持按月、季、年订阅，支持支付宝、支持开发票。
一位企业工程师的评价很到位："以后买Token可以像充话费一样丝滑，大促节点说不定还有折扣。"
货架上卖的是什么
套餐基于8月刚发布的GLM-5.3模型——这是智谱最新旗舰，在Artificial Analysis智能指数上拿到60分，进入全球前沿模型区间，与Claude Fable 5、GPT-5.6 Sol同档，并和Kimi K3并列开源模型第一。它兼容ZCode、Claude Code、Codex等20余款主流Agent工具，买完拿到额度，代码生成、调试、重构随便用，超出部分再按标准API计费。
模式确实和手机话费套餐一模一样：固定月费、额度打包、用超再加价。对高频开发者，锁定月费比按次调用便宜——商品页直接标注"较标准API最高省87%到90%"。
但值得注意的是，这次天猫定价相比年初版本大幅上调：Lite、Pro、Max三档月费分别从49元、149元、469元涨至118元、538元、1078元，其中最热门的Pro档直接变成原价的3.6倍。智谱的解释是：新套餐改为以Token消耗为基础的积分制，额度更透明可预期，非高峰时段还有50%积分抵扣，且模型从GLM-5升级到了GLM-5.3。
涨价的不止智谱一家。今年上半年Coding Plan市场刚打完价格战，腾讯、MiniMax、Kimi就陆续下架了包月套餐，阿里关停了入门档位，整个行业从"低价抢人"转向"精简提价"。智谱选择在这个时点把涨价后的新套餐搬上天猫，底气是模型能力，也是生存压力。
为什么偏偏是现在
看一眼财报就明白了。
8月31日晚，智谱发布2026年中报：上半年营收9.54亿元，同比增长399.7%，超过去年全年；但净亏损20.7亿元。作为今年1月登陆港交所的"全球大模型第一股"，它的股价曾从116.2港元发行价冲到2980港元、市值破万亿，随后又大幅回调，市值蒸发超5000亿港元。
增长引擎已经换挡：上半年开放平台及API收入8.25亿元，同比暴增2735.7%，占总收入比重从去年同期的15.2%飙升到86.5%。换句话说，智谱已经从"卖项目、卖定制"的传统软件公司，变成了"卖调用量"的Token零售商。董事长刘德兵把上半年的关键词定义为"能力兑现"——模型第一次被证明能独立把事做完，收入结构随之置换。
背景板是整个Token经济的爆发：国内日均Token消耗量已突破140万亿，比2024年初的1000亿增长超1000倍。今年5月三大运营商集体推出Token套餐，阿里成立AlibabaTokenHub事业群，腾讯云升级全域TokenHub——"卖Token"已经成了AI产业链上最拥挤的生意。智谱上天猫，本质是在这场零售战争里抢占离普通用户最近的那个收银台。
套餐化的隐忧与出路
不过话费套餐留下的历史教训也摆在那儿：档位可以多，账单别靠猜。
有观察者已经提醒：商品页上"10000积分"的数字很醒目，但普通用户真正想知道的是——这些积分够我写多少代码、跑多少次任务？大模型用量比手机流量难感知得多，有人天天用它干活觉得值，也有人第二个月打开账单才想起自己还订着。订阅制最大的敌人从来不是价格，是沉默续费。
好在电商货架本身就是最好的倒逼机制。当Token从开发者文档里的专业概念变成淘宝商品，它就得接受零售世界的规则：七天无理由式的体验保障、双11的折扣大战、买家秀和评价区的公开处刑。哪家套餐说明写得像天书，哪家额度虚标，评论区会替市场教育它。竞争越往零售走，计费透明和用户体验就越没法糊弄——这对消费者是好事。
结语：Token正在变成水电煤
从官网自助购买，到运营商套餐，再到天猫旗舰店，Token的销售路径正在复刻所有数字商品的大众化之路。智谱这一步的象征意义远大于开业当天的销量——截至发稿，四款商品还没有销量显示。
但方向已经清楚了：大模型能力正在从"技术产品"变成"生活耗材"。就像没人关心电是哪个电厂发的，只关心电费多少钱一度、充值方不方便；未来大多数人也不会关心背后是哪家模型，只关心每月那笔AI订阅费，值不值。
下一站，双11的Token满减券，已经可以期待了。
Anthropic的增长放缓了吗争议的源头。TickerTrends 制作的 Claude Code ARR 追踪图，最新数据为 2026 年 8 月 10 日当周，151.2 亿美元，占 Anthropic 总 ARR 的 21.9%。请注意：这是第三方机构的估算，不是 Anthropic 的官方披露。下面第一节会讲清楚这个区别有多重要。
硅谷 Alan Walker 在香港约了顿晚饭，等人的功夫翻群，发现这张图已经被转了三十几次，配的话大同小异——「Anthropic 增长拉平 了，两万亿是泡沫」。
Alan 把图存下来，放大看了一遍，然后又看了一遍。
问题不在这张图。这张图做得很好，数据也大概率是认真做的。问题在于，几乎所有转发它的人，都在用它回答一个它根本回答不了的问题。
01
先搞清楚这张图是谁做的
左上角有个 Claude 的图标，配色是 Claude 那个熟悉的橙色，一眼看过去很像官方出品。
它不是。
这张图的作者是 TickerTrends，右上角写着自己的名字。它是一家 第三方数据追踪机构，靠各种外部信号（应用数据、支付面板、招聘、渠道口径等等）去估算一家非上市公司的收入。图里那行小字写得很老实：「tracked allocation」——追踪出来的分配比例。
说白了：Anthropic 从来没有公开披露过 Claude Code 单独的 ARR 数字，一次都没有。这条曲线上的每一个点，都是 外人估的。
举个例子
这就好比有人用「某餐厅门口每天排多长队」来估算它的营业额，然后画出一条漂亮的周度曲线。队伍长度和营业额确实相关，但中间隔着翻台率、客单价、外卖占比、包厢生意——你看到队伍短了三周，可能是那三周厨房在装修。
更要命的是口径本身。ARR 的算法是「最近一段时间的收入 × 12」。企业软件的合同不是每天均匀落地的，是一批一批签的。一个季度末签下的大单，会让某一周的曲线跳一大截；下一个季度的大单还没签，曲线就横着走。周度 ARR 追踪对这种块状落地极不敏感——它会把「签约节奏」画成「需求变化」。
一句话解读
你手里拿的是一张外人估的、口径很钝的、非官方的周度图。用它下"泡沫"这么重的判断，等于用体温计量血压。
02
这张图自己就打了自己的脸
接下来这一点，没见有人提过，但它是整件事里最有意思的地方。
图上写着两个数：Claude Code 是 151.2 亿美元，占 Anthropic 总 ARR 的 21.9%。
做个除法：
算一下
151.2 亿 ÷ 21.9% = 约 690 亿美元
这是这张图自己隐含的、截至 8 月 10 日当周的 Anthropic 公司总 ARR。
而 Bloomberg、Reuters、CNBC 在 8 月 17 日报道的官方口径数字是——7 月底 650 亿美元。
看清楚了：这张被拿来论证"增长放缓"的图，它自己隐含的公司总量，比十天前的官方数字还高出 40 亿美元。
再往后推十天到今天，如果趋势没断，700 亿以上 是合理的推算（这一句是推断，不是数据）。
一句话解读
转发的人只读了 151.2 这个数和柱子的高度，跳过了旁边那个 21.9%。而那个 21.9% 说的是：这家公司在大家喊"它慢下来了"的时候，又往上走了一截。同一张图上的两个数，只信对自己观点有利的那个，这不叫分析。
03
你在看下面那张图，钱在上面那张图里
那张图有上下两块。上面是绝对金额（多少亿美元），下面是百分比变化（比四周前涨了百分之多少）。
绝大多数人的推理是：在下面那张图上看到 85% 掉到 5.2%，得出"塌了"，然后把这个结论按回上面那张图，说"你看柱子都一样高"。
先算个数。5.2% × 151.2 亿 = 一个月新增约 7.5 亿美元的年化收入。而 2025 年 3 月那个 85% 的月份，基数还不到 1 亿美元——那个"爆发"的月份，实际增加的钱只有今天这个"平淡"月份的 十分之一 左右。
举个例子
你儿子三岁时一年长 20 厘米，十六岁时一年长 3 厘米。增速掉了 85%。你会说"这孩子发育出问题了"吗？
百分比是分数，分母一直在变大。100 块涨 85% 是 85 块，15,120 块涨 5.2% 是 786 块。后者是前者的九倍多。你在下面那张图上看到的"崩塌"，在钱上是"多赚了九倍"。
但 Alan 要把话说完整，不然就是耍赖：绝对新增 确实从峰值 回落 了。
四五月那两个月，Claude Code 从 50 亿量级冲到 135 亿量级，月均新增 40 亿；到 7 月只剩 3 亿量级。五倍以上的回落，不能拿"你看百分比看错了"糊弄过去。
所以真正该问的不是"有没有减速"——有。真正该问的是两件事：为什么减速？以及，为什么它又翘回来了？
请再看一次图的最右端。最后一根柱子是跳上去的，下面那条线也从 2% 回到了 5.2%。一条正在右端回升的曲线，被读成了拉平。
04
走平的那三周，模型是下线的
把日历拿出来对一遍，答案就在明面上，一点都不神秘。
6 月 9 日，Anthropic 把 Mythos 级别的模型推向公开可用，对外叫 Fable 5 和 Mythos 5。6 月 12 日，为遵守美国商务部的 出口管制令，两个模型全部下线。6 月 30 日商务部解除该管制，7 月 1 日恢复。
那段所谓的"平台期"，正好卡在这个三周的洞上。
比这三周更根本的是 产能。Anthropic 在 4 月公开承认过，需求给基础设施带来了压力，高峰期的可靠性和性能都受了影响。而它跟 Amazon、Google、Nvidia、Microsoft 签的那些算力协议，绝大部分要到 2026 年底或 2027 年初 才上线。
这一段是重点
一条贴着产能上限走平的收入曲线，含义是「能卖的全部卖光了」，不是「没人买了」。
这两件事在图上长得一模一样。在估值上，一个是天花板，一个是发射台。
举个例子
一家火锅店只有 20 张桌子，天天翻台到打烊，营业额横着走了三个月。你能说"这家店没人气了"吗？它的营业额被桌子数锁死了。等隔壁铺面盘下来、桌子加到 50 张，营业额会立刻跳一个台阶。怎么区分"没人来"和"坐不下"？看三件事：它有没有降价（没有）、有没有排队和限速（有）、加了桌子之后是不是立刻坐满（这正是 8 月那根跳上去的柱子在说的事）。
05
占比会说话：17% 涨到 22%
如果 Claude Code 真的失速了，它在公司收入里的比重应该往下掉。事实是反的。
2025 年 11 月 - Claude Code 10 亿 ｜ 公司总 ARR 约 70–90 亿 ｜ 占比约 12%
2026 年 2 月 - Claude Code 25 亿 ｜ 公司总 ARR 约 140 亿 ｜ 占比约 18%
2026 年 5 月 - Claude Code 约 80 亿 ｜ 公司总 ARR 470 亿 ｜ 占比约 17%
2026 年 8 月 10 日 - Claude Code 151.2 亿 ｜ 公司总 ARR 约 690 亿 ｜ 占比 21.9%
在被称为"平台期"的那个窗口里，Claude Code 占公司收入的比重从 17% 涨到了 22%。而同一个窗口，公司总量增加了约 180 亿美元。
一句话解读
Claude Code 不但没掉队，还跑赢了一家七个月长了 7.2 倍的公司的平均速度。（其中 5 月的 80 亿是单一来源估算，2 月和 11 月的公司总量是我按公开节点推的，见文末核实说明。但首尾两端的 17% 和 21.9% 分母都相对硬，结论不依赖中间那几个数的精度。）
06
拿互联网比？方向全反了
群里有人说"互联网用户当年也没这么慢"。这句话里有三个错，方向全是反的。
第一，速度比反了
1995 年全球网民约 1600 万，2000 年约 3.6 亿。五年 23 倍，年化约 86%。Claude Code 是 六个月 6 倍。放到同一把尺子上，它比互联网普及期快一个数量级不止。
再换个更狠的参照：Salesforce 用了大约二十年做到 300 亿美元年收入。Anthropic 从第一美元开始，不到三年。
第二，S 曲线的形状记反了
互联网用户增长的百分比增速，从第一天起就是往下掉的。AOL 从 1994 年的 100 万订户到 2000 年的 2300 万，月增速一路下滑，同时每月净增的人数一路上升。所有 S 曲线都长这样：百分比递减、绝对值递增。
第三，量纲搞错了
用户数是一个变量。收入是 席位 × 用量 × 单价 三个变量相乘。
举个例子
一家公司买了 500 个 Claude Code 席位，明年可能一个新席位都不加——但每个工程师从每天跑 2 个 agent 变成跑 20 个，用量涨 10 倍；再叠加更贵的模型层级，单价再涨一档。席位数完全没动，收入涨了十几倍。用户曲线里没有这条路，收入曲线里有两条。
07
图上看不见的：它其实变强了
这半年 Anthropic 不只是"没那么糟"。它在这张图完全照不到的地方，实打实变强了四处。
一 · 从"烧钱"叙事里走出来了
Q2 调整后 经营利润为正。在前沿模型实验室里，这是罕见的。过去两年所有对 AI 公司最核心的怀疑是"收入是烧钱买来的、单位经济不成立"。一个正的经营利润数字，把举证责任反过来推给了怀疑的一方。而且这是在算力最紧、最贵的半年里做到的。
二 · 不再靠一条腿站着
Claude Code 只占 22%，另外 78% 是 API 和企业业务。市场把 Anthropic 叫做"那家做编程工具的公司"，但四分之三的收入不来自那个工具。这意味着：哪怕有一天编程 agent 的竞争把 Claude Code 的份额打掉一半，公司也不会塌。而市场今天的定价，很大程度上还挂在"编程"这一个故事上。
三 · 客户在往上走
年花费 超过 100 万美元 的客户，从两年前的十几家到 500 多家，再到 1000 家以上；年花费 超过 10 万美元 的客户一年增长约 7 倍。大客户续费不靠销售，靠工作流嵌进去之后拔不出来。这是净收入留存率的机器，也是这类公司在增速自然回落之后仍能撑住高倍数的根本原因。
四 · 相对位置换了
同一段时间：OpenAI 从约 200 亿到约 400 亿，翻了一倍；Anthropic 从 90 亿到 650 亿，7.2 倍。两家口径可能不同，但差距的方向没有歧义。
08
下一波在哪，什么时候来
以下是 Alan 的判断，不是公司披露。四个点，附时间窗。
点一｜算力上线 — 2026 年四季度到 2027 年一季度
这是最直接、最可计算的一个。如果六七月的平台确实是产能造成的，那 产能上线 就是收入的机械解锁：多吉瓦级的 Amazon 部署、Google 与 Broadcom 的 TPU 产能、以及和 xAI / SpaceX 那笔算力交易，全都指向这个窗口。观察方法很土但有效：看限速有没有放松、新层级的模型是不是不再排队。产品端的松绑，比任何财报都早两个月告诉你答案。
点二｜走出开发者 — 2026 下半年起步，2027 放量
全球专业开发者大约 3000 万人。知识工作者以十亿计。中间隔着两个数量级。Claude Code 完成的是一道证明题：agent 这东西真的有人肯付钱，而且肯付很多。接下来 Cowork、Excel、PowerPoint、Word、Outlook、Chrome、以及 Slack 里 @Claude 的那套东西，是把这个已经验证过的付费意愿，卖给不写代码的所有人。这条曲线的斜率一定比 Claude Code 缓——非开发者采纳更慢、工作流更碎。但它的天花板不在同一个楼层。这也是"开发者渗透到顶了怎么办"的唯一正经答案。
点三｜Mythos 层的定价 — 时间未定，但一定是个台阶
目前 Mythos Preview 只开放给少数受信任的机构（Project Glasswing），Fable 5 是加了安全措施的公开版本。这一层真正大规模可用的时候，每客户收入会跳一档，因为它卖的不是同一个东西。这一层的时间表已经被出口管制打断过一次（就是 6 月那三周），所以它同时也是 政策风险 最集中的一个点。
点四｜上市本身 — 2026 年 9 月到 10 月
6 月已经向 SEC 保密递交招股书，摩根士丹利、高盛、摩根大通在做承销。上市不是收入事件，是 资本事件，但它对收入的传导链条极短：募到的钱换算力，算力换收入。而且 Anthropic 有机会比 OpenAI 先上——在算力就是产能的行业里，先拿到 大资本池 是可以复利的先手。
09
两万亿贵吗？先去香港看一眼
这是全文我最想让人看的一节。
要判断两万亿贵不贵，不能自己跟自己比，得找 同类。而最好的同类不在纳斯达克——就在香港。
2026 年 1 月 8 日和 9 日，智谱（02513.HK）和 MiniMax（00100.HK）连着两天在港交所敲钟，成了全球第一批公开交易的大模型公司。它们第一次让市场看到：二级市场愿意为一家纯大模型公司出什么价。
智谱 02513.HK ARR 约 10 亿美元（2026 年 7 月）｜ 市值约 7312 亿港元 ≈ 938 亿美元（7 月 10 日）｜ 约 94× 2025 年收入 7.24 亿元人民币，净亏 47.18 亿元
MiniMax 00100.HK ARR 约 3 亿美元（2026 年年化）｜ 市值约 842 亿港元 ≈ 108 亿美元（7 月 10 日）｜ 约 36× 2025 年收入 0.79 亿美元，经调整净亏 2.51 亿美元
Anthropic 若按 2 万亿 ARR 约 690 亿美元（8 月 10 日）｜ 2 万亿美元（市场传的目标）｜ 约 29× Q2 调整后经营利润为正
把这三行连起来看
香港市场愿意给一家 ARR 10 亿美元、年亏 47 亿人民币的公司约 94 倍 ARR。用同一把尺子量 Anthropic，两万亿只有约 29 倍——而它的 ARR 是前者的 69 倍，增速不慢，而且已经开始赚钱。
要么香港疯了，要么两万亿不贵。这两个结论必须选一个。
而且智谱这个数字不是野路子。它 2026 年 5 月市值一度到 6915 亿港元，6 月冲到 8800–9000 亿港元区间，恒生科技指数在 5 月把它纳了进去。按它 3 月末 17 亿元人民币的 MaaS ARR 算，当时市销率一度到 544 倍；即便用高盛、摩根士丹利给的 2026 年 70 亿元人民币收入预期算，也还有 130 倍以上。
一句话解读
拿"倍数太高"去质疑两万亿的人，如果去看一眼港股同赛道在交易的价格，会发现自己质疑错了对象。在当下这个市场情绪里，两万亿配 690 亿 ARR，是这三家里最 保守 的一个。
再把 Anthropic 自己的几条口径摊开，看得更清楚：
Series H 定价（2026 年 5 月） 9650 亿 ÷ 470 亿 ＝ 20.5×
2 万亿 ÷ 当前 ARR（图上隐含） 20000 亿 ÷ 690 亿 ＝ 29.0×
2 万亿 ÷ 年底 ARR（FT 引投资人预期 1000–1200 亿） 20000 亿 ÷ 1100 亿 ＝ 18.2×
2 万亿 ÷ 2028 年收入（公司给投资人的 1900–2000 亿） 20000 亿 ÷ 1950 亿 ＝ 10.3×
两万亿不是一次重新定价，是同一个倍数乘一个更大的基数。五月的私募轮就已经给了 20.5 倍。如果年底 ARR 落在投资人预期区间，两万亿反而比五月那轮更便宜。
所以要论证泡沫，必须论证的是"20 到 30 倍 ARR 这个倍数本身错了"，而不是"增长停了"——后者已经被数据直接否掉。这两件事的难度天差地别：前者要谈毛利率、留存和竞争格局，后者只需要看错一张图。大部分人选了后者。
方法论提醒
不要把当期倍数套到远期收入上。"现在 29 倍 ARR，明年 ARR 翻倍所以值 4 万亿"——这是把同一份增长算了两遍。倍数 和 增长 里只能有一个是变量。上面那张表分四行，就是为了让每行的分子分母都站在同一个时点上。
但香港也给了一个警告 · MiniMax 的四个月
MiniMax 1 月 9 日上市，发行价 165 港元，首日收盘涨 109%。3 月最高冲到 1330 港元，市值一度突破 4100 亿港元。到 7 月 10 日，市值 842 亿港元——较峰值缩水约 80%，用了四个月。转折点是 解禁。稀缺性溢价一旦变成基本面定价，倍数收缩 的速度会比任何人预期的都快。
这件事对 Anthropic 的意义不是"所以它也会跌 80%"——两者的收入规模差 200 倍，盈利状态完全不同。真正的意义是：上市之后，故事让位给 报表。9 月或 10 月的招股书里，毛利率、留存率、客户集中度 会第一次白纸黑字写出来。那才是定价真正开始的地方。
10
真正该吵的四件事
能改变结论的问题，一个都不在那张图上。
毛利率。这是唯一有分量的争论点。推理成本坐在成本项里，如果 29 倍收入对应的是 50% 毛利，实际就是 58 倍毛利，位置立刻不便宜了。参照系已经有了：智谱 2025 年综合毛利率 41.0%，MiniMax 25.4%（其中企业端 69.4%、消费端只有 4.7%）。传统 SaaS 那种 75%–85% 的结构，在大模型行业里目前谁都没做到。
收入口径。ARR 是最近一个月乘十二。上市前如果收紧成更保守的口径，账面上会出现一次"缩水"，那不是业务变差。真正硬的数字是入账收入：上半年 162.3 亿美元。
客户集中度与留存。650 亿里有多少来自前二十个客户？招股书里会有。这一个数字对估值的影响，超过未来六个月所有的曲线波动。
开发者天花板。151.2 亿 ÷ 3000 万开发者 ≈ 每人每年 500 美元。这个渗透已经不低了。再往上必须靠单价、用量，或者靠第八节说的"走出开发者"。
11
写在最后
九月或十月，招股书会把所有猜测替换成 审计过的数字。毛利率、留存、集中度、真实口径——今天在群里吵的一切，到那时候都会变成可以查的表格。
在那之前，用一张第三方估的周度曲线，去判断一家 650 亿美元 ARR 公司的命运，是在用手上最弱的证据回答最重的问题。
那张图确凿说明的事只有一件：Claude Code 在六个月里从 25 亿长到 151 亿，中间因为一纸出口管制令，模型下线了三周。
剩下的，都是在柱子的高度里读心。
饭局的人到了。九月见招股书。
核实说明
一、已核实（多家主流媒体，2026 年 8 月 17–18 日）
· Anthropic ARR 7 月底突破 650 亿美元；5 月 470 亿；2025 年底约 90 亿。Bloomberg 首发，Reuters、CNBC、Axios、TechCrunch 独立确认。
· Q2 初步收入超过 115 亿美元，去年同期 7.87 亿；Q1 为 47.3 亿，环比增幅超 140%；Q2 调整后经营利润为正（Bloomberg 见到的文件）。OpenAI ARR 约 400 亿美元，年初约 200 亿（Bloomberg）。
· 投资人预期 2026 年底落在 1000–1200 亿（FT)；公司给投资人的 2028 年收入预测 1900–2000 亿（Reuters，8 月 14 日）。
· 2026 年 6 月保密递交 S-1，摩根士丹利、高盛、摩根大通承销，预计 9 月或 10 月上市。Series H 于 5 月 28 日以 9650 亿美元估值完成。
· Fable 5 与 Mythos 5 于 6 月 9 日上线，6 月 12 日因商务部出口管制令下线，6 月 30 日管制解除，7 月 1 日恢复。
· 智谱 2026 年 1 月 8 日、MiniMax 1 月 9 日在港交所上市；智谱 2025 年收入 7.24 亿元人民币（+131.9%）、综合毛利率 41.0%、净亏损 47.18 亿元、经调整净亏损 31.82 亿元；MiniMax 2025 年收入 7903.8 万美元（+158.9%）、毛利率 25.4%、经调整净亏损 2.509 亿美元。
· MiniMax 3 月高点约 1330 港元、市值一度超 4100 亿港元；7 月 10 日市值约 842.42 亿港元。智谱 7 月 10 日市值 7311.8 亿港元。
二、单一来源 / 估算 / 未能核实
· 图中 151.2 亿美元与 21.9% 占比来自 TickerTrends，属第三方估算（页面标注 "tracked allocation"），非 Anthropic 官方披露。Anthropic 从未单独公开过 Claude Code 的 ARR。
· 由 151.2 亿 ÷ 21.9% 推出的「约 690 亿公司总 ARR」，是该第三方口径下的隐含值，不是官方数字。「今天可能超过 700 亿」是作者推断。
· Claude Code 2026 年 5 月约 80 亿，来自单一二手统计站点；表格中 2025 年 11 月、2026 年 2 月的公司总 ARR 为按公开节点推算，非披露值。
· 智谱 ARR「约 10 亿美元（2026 年 7 月）」来自多家中文媒体引述知情人士，智谱官方未回应确认。智谱可核实的公开 ARR 口径是 3 月末 MaaS 平台 17 亿元人民币。
· MiniMax「年化收入约 3 亿美元」来自媒体对其 2026 年 2 月 ARR 超 1.5 亿美元的外推，非公司披露。
· 港元兑美元按 7.8 折算。港股市值为 7 月 10 日数据，波动极大，读者阅读时的实际数字可能已显著不同。
· 2 万亿美元 IPO 目标估值为媒体转述的市场预期，非公司公开表态。
· 年花费超 100 万美元客户「1000 家以上」、超 10 万美元客户「一年 7 倍」来自 Sacra 及公司此前公开表述，未核对最新时点。
· 与 xAI / SpaceX 的算力交易金额来自媒体报道，未见双方公告原文。
三、历史参照（公开记录）
· 全球互联网用户 1995 年约 1600 万、2000 年约 3.6 亿；AOL 订户 1994 年约 100 万、2000 年约 2300 万。不同来源口径有出入。
· Salesforce 达到约 300 亿美元年收入用时约二十年。
四、作者推断（非事实）
· 六七月平台期的主因是产能约束与出口管制停机，而非需求见顶。
· 四个「下一波」的点与时间窗全部为推断；算力窗口依赖公开报道的协议上线时间，非公司承诺。
· 「香港市场给的倍数说明两万亿不贵」这一比较，前提是三家公司可比。实际上业务结构、客户地域、监管环境、流动性折溢价均不同，跨市场倍数比较只能作为参考量级，不能当作定价依据。
· 毛利率是唯一有分量的争论点、29 倍收入对应 58 倍毛利的推算，为示意性计算，Anthropic 未披露毛利率。
· 每开发者约 500 美元/年的渗透测算，使用「全球专业开发者约 3000 万」这一区间中值，该口径本身有争议。
五、重要提示
· 本文由 Claude（Anthropic 制造）协助撰写，讨论对象为 Anthropic 自身，存在直接利益冲突。
· ARR 与入账收入是两回事。ARR 是近期收入的年化外推，会放大好月份，也会放大坏月份。
· 本文不构成投资建议。Anthropic 目前未上市；文中提及的港股公司股价波动剧烈，历史表现不代表未来。
OpenAI 开源 Codex Harness，是几个意思撰文：硅谷 Alan Walker
一周之内三家公司做了同一件事，这才是重点2026 年 8 月 20 日California Ave 的酒吧，第二杯还没喝完，群里已经在传「OpenAI 全面开源 Codex Harness」——但真正值得看的不是这一条消息，是它前面六天里发生的另外两件事。01 先把话说准：开源的到底是什么8 月 19 日，OpenAI 开发者博客发了一篇《Codex as a platform: build on the open agent harness》。中文圈翻成了"全面开源"。这个说法有两处不准，得先修掉，不然后面全是错的。
第一，不是新开源。Codex CLI 从 2025 年 4 月发布起就是开源的，用 Rust 写的，MIT / Apache2.0 许可。8 月 19 日这篇不是一次代码发布，是一次定位发布——把已经开源的一堆东西，重新包装成"平台"这个叙事。新东西是 app-server 协议、官方 SDK，和一整套"怎么把 Codex 装进你自己产品里"的说明书。
第二，也是最关键的——不是"全面"。OpenAI 在文章里写得清清楚楚：开源的是 harness 和集成层，模型访问与托管服务 仍然是分开的。先解释一下 harness 是什么模型只会做一件事：给它一段文字，它吐一段文字。它不会读文件、不会跑命令、不会等你点"同意"、不会记住上一轮干了啥。harness 就是包在模型外面、让它能干活的那一整套东西：怎么找上下文、怎么调工具、怎么控制沙箱权限、什么时候停下来要你批准、怎么把上一轮的结果接到下一轮。
模型是发动机，harness 是变速箱、方向盘、刹车和仪表盘。OpenAI 送出去的是车壳和底盘，发动机还锁在自己车间里。02 时间线：三家公司，七天把日历摊开，这件事的性质就完全变了。2026 年 8 月，harness 层的一周8 月 13 日 - DeepSeek 发布 DeepSeek Harness v0.1，MIT 许可，GitHub 开放下载，公开对标 Claude Code。同日发布 V4-Pro，原生支持 OpenAI Responses API，并且直接集成 Codex。8 月 18 日 - Block（Square 和 Cash App 的母公司）开源 Berd——一个本地桌面应用，用一个界面同时管 Goose、Claude Code 和 Codex。8 月 18 日 - Anthropic 的 Claude Code CLI 发布 v2.1.229 性能修复，把 p99 CPU 占用从 24% 压到 10%（改了 Bun 垃圾回收的调度方式）。8 月 19 日 - OpenAI 发布《Codex as a platform》。看出来了吗？harness 这一层，在这七天里被三家公司同时按到了"免费"这个价格上。DeepSeek 用 MIT 许可送，Block 直接送了个统一壳子，OpenAI 第六天出来说"我们的也是开源的，而且是标准"。
这一段是全文的地基你没法卖一样马上就要免费的东西。你只能决定，要不要当那个把它送出去的人。DeepSeek 在 8 月 13 日把时钟按下去了。OpenAI 在 8 月 19 日回答的，不是"我要不要开源"，而是"这件事的署名权归谁"。时间差只有六天，这不是巧合。
一句话解读把这理解成 OpenAI 主动出招，会误判它的处境。更准确的说法是：它抢在别人之前，把一个已经保不住的东西送了出去，并且要求署名。03 那句最容易被跳过的话整篇公告里最重要的一句，藏在中段，语气平淡到几乎让人跳过去："开源的这一层是 harness 和集成界面；模型访问 与 托管服务 保持独立。"这一句话把整件事的结构说完了。而且它有一个现成的、所有人都见过的模板——举个例子 · 安卓
安卓是开源的。任何人都可以拿 AOSP 源码去改、去发行、去做自己的手机系统。但 Google 移动服务（GMS）——应用商店、地图、推送、账号体系——不开源。结果是什么？十几年过去，能 fork 安卓的公司有几十家，能在没有 GMS 的情况下把手机卖到全球的，几乎没有。Google 送掉了操作系统，留下了操作系统之上那层让它值钱的东西。
Codex harness 就是 AOSP。模型访问加托管服务，就是 GMS。
这个结构的精妙之处在于：送掉的那一层，本来就快没有定价权了；留下的那一层，定价权在变强。04 为什么 harness 突然这么重要要理解 OpenAI 为什么肯送，得先理解 harness 到底能带来多大差别。公告里给了一个数，我认为是全文最硬的一个数据点。同一个模型，换一套 harness
模型 - GPT-5.6 Sol，一字未改测试 - ARC-AGI-3改动 - 只改了两个 harness 设置：保留推理链（retained reasoning）+ 上下文压缩（context compaction）结果 - 得分从 13.3% 升到 38.3%，同时输出 token 减少到原来的 六分之一
把这个数分析一下：模型没动，只动了外面那层壳，能力接近翻了三倍，成本降到六分之一。一句话解读这意味着在今天这个阶段，harness 对"你实际能拿到多少智能"的影响，可能比换一代模型还大。那么一个反直觉的推论就出来了：如果外面这层壳的杠杆有这么大，而全世界大部分人的壳都做得很烂，那就等于你的模型一直在被别人的烂壳测量、被低估。把自己的壳开源，是最省钱的一种自证——让所有人在评估你的模型时，用的是你自己调好的那套。
再看两个技术细节，能佐证这不是营销文案：网络成了瓶颈。OpenAI 工程师在 AI Engineer World's Fair 上讲过，当 GPT-5.3 Codex Spark 在 Cerebras 硬件上跑到每秒 1000 个 token 时，卡住的不再是推理速度，是 网络往返。于是他们把 harness 从 HTTP 请求改成了 WebSocket 长连接。推论：推理已经快到让"管道"成为限制。这条路继续走下去，harness 的重要性只会更高。
工具太多会撑爆上下文。harness 里用了"延迟工具"和"工具搜索"两个设计，目的是别把几百个工具定义一股脑塞进上下文。MCP 生态铺开之后，这是一个真实的、马上会撞上的工程问题。05 是冲着 Anthropic 上市来的吗
先说时间：Anthropic 6 月保密递交招股书，市场预期 9 月或 10 月 上市，传的目标估值 2 万亿美元。OpenAI 8 月 19 日 发这篇。正好落在路演窗口里。但要判断它有没有杀伤力，得先看杀伤路径是什么。Anthropic 的估值故事里，有一条很关键的支柱：Claude Code 是稀缺资产。它长得快、赚钱、而且是 闭源 的——外面买不到。第三方追踪的数字是 Claude Code 占 Anthropic 总 ARR 约 22%。OpenAI 这篇文章要传达的，正好是这条支柱的反面：
攻击点agent 的那个执行循环，不是稀缺资产。它是基础设施，而且我们免费送，还带 SDK 和示例应用。如果市场信了这一句，Claude Code 就从"稀缺资产"变成"做得比较好的一个实现"。倍数会跟着这个判断走。但我要把这个判断的边界说清楚，不然就是危言耸听：它打的是 叙事，不是报表。harness 免费，不代表模型免费。Claude Code 的收入来自 token 消耗和席位订阅，不来自卖 harness——Anthropic 从来没卖过 harness。所以短期内这一击落不到损益表上。
它只够到 22%。另外 78% 是 API 和企业业务，跟 harness 是不是开源基本无关。路演窗口里，叙事就是钱。承销商定价靠的是可比公司和故事强度。在这个特定的六周里，"编程 agent 是不是稀缺资产"这个问题的答案，值真金白银。一句话解读时间点太巧了，说完全没有考虑对手的上市窗口，不太可信。但把它读成"OpenAI 为了打击 Anthropic 才开源"，会看错因果——DeepSeek 已经在六天前把这层送出去了，OpenAI 不跟就是白丢署名权。对上市窗口的伤害，更像是一个顺手的副产品，而不是主要动机。06 做 harness 的创业公司，生意没了
这是所有影响里最直接、最没有悬念的一条。一家创业公司如果原来的定位是"我们做一个更好的 agent 运行时／执行循环／CLI 工具"，那么从 8 月 19 日起，它的融资材料需要重写。理由很简单：agent 执行循环 → 免费（MIT / Apache 2.0，Rust 写的，生产级）客户端协议 → 免费（app-server，有完整文档）编程接口 → 免费（官方 Codex SDK）可参考的完整实现 → 免费（Relay 示例应用，带 MCP 工具和人工审批）
另一家的同类品 → 免费（DeepSeek Harness，MIT，6 天前）OpenAI 甚至没有用"竞争"这个动作。它在文章里直接对创业者说：别去 复刻 一个换了 logo 的 Codex app，去做那些我们不做的东西——你自己的界面、你自己的上下文、你自己的工具、你自己的审批流程。
举个例子这套打法有个老名字，叫「把互补品做成白菜价」。Google 免费送安卓，是为了让手机变便宜，好让更多人用搜索。Meta 免费送 React 和 PyTorch，是为了让前端和 AI 人才用它的标准长大。你送掉的东西越不值钱，你留下的东西就越值钱——前提是这两样必须一起用。那还剩什么能做？三块，而且都不在运行时这一层：垂直的上下文和工具。报税、安全事件响应、供应链调度——OpenAI 自己点名说这些归你。Thrive Holdings 和 Crete 做的报税 agent 处理了 7000 份报税表、把准备时间砍掉约三分之一，这是个真实的样本。
评测与可观测。agent 跑错了怎么发现、怎么归因、怎么回归测试。这一层还没有标准答案。跨模型的编排层。Block 的 Berd 就是这个方向——一个界面管三家的 agent。但要注意，Block 自己把它开源了，说明这一层也很难直接卖钱。07 对 DeepSeek、Kimi 是帮忙还是下套
这是全文我认为最值得想清楚的一节，因为直觉给的答案是错的。表面上：这是天大的好事harness 开源了，理论上任何开源模型都可以塞进去跑。DeepSeek 也确实立刻这么做了——V4-Pro 原生支持 OpenAI 的 Responses API，并且直接集成 Codex。国产开源模型的开发者体验，一夜之间接上了世界上打磨得最好的那套壳。往下一层：接口的定义权归谁
问题在于，DeepSeek 为了接进这套壳，做了一件事——它让自己的 API 去 兼容 OpenAI 的 schema。而 Responses API 的规范，现在由一个多厂商机构治理，成员包括 Nvidia、Ollama、LM Studio。这一段是重点
把自己的 API 交给一个标准组织去治理，看上去是放权。实际效果是相反的：标准组织会让一个原本属于某一家的设计，变成所有人的默认。标准委员会几乎从不推翻发起者的架构，它们的工作是把它固化下来、发给全行业。举个例子这就像所有电器厂商都同意用同一种插座。听起来很公平——直到你意识到插座的形状是其中一家画的。之后每一个新做电器的人，都得先量一遍那个孔位。做电器的可以随便竞争、随便降价，但"什么叫能插上"这件事，永远由画孔位的人定义。
后果：模型从"平台"降级成"零件"顺着这条路走下去，会发生一件对开源模型很不利的事：用户的工作流、记忆、插件、技能、审批规则、上下文管理策略——全都活在 harness 里，不在模型里。模型变成了那个可以 随时被拔下来换掉 的部分。好消息是：换模型变容易了，DeepSeek 和 Kimi 可以靠价格和权重抢份额。坏消息是：换模型变容易了。你抢来的份额，明天同样可以被下一家用同样的方式抢走。把它说完整开源 harness，把模型之间的竞争，从平台战争降级成了零件比价。而在零件比价里，价格一定往下走，利润归那个定义了插孔的人。
所以对 DeepSeek、Kimi 这类开源模型来说，这一步短期是实打实的助力—— 分发成本骤降，开发者能立刻用上。长期是一个结构性的陷阱——你越好用，就越证明"模型是可替换零件"这个命题，而这个命题成立之后，最难赚钱的恰恰是做零件的。一句话解读
OpenAI 没有拦着开源模型进场。它做的是把场地铺好、把规则写好，然后欢迎所有人进来打——在它画的球场上。08 商业模式：送中间，收两头把整条价值链摊平，OpenAI 的取舍一目了然。最底层 - 模型权重、推理算力、托管服务、企业管控 → 收钱，且不开源
中间层 - agent 执行循环、客户端协议、SDK、CLI → 免费送出上层 - 界面、垂直上下文、工具、审批流 → 交给开发者做最上层 - ChatGPT 约 10 亿月活、插件生态、结算与广告 → 收钱，且不开源注意最后一行。翻 OpenAI 开发者文档的侧边栏，能看到 Commerce（结算）和 Ads（广告）两套完整 API——商品目录、转化追踪、广告主账户、竞价、效果衡量，一应俱全。
这才是终局的形状：免费送掉中间那层没有定价权的管道，把流量入口和结算入口这两头攥死。
举个例子你可以把 harness 想成高速公路，OpenAI 免费修、免费让所有人跑。但加油站是它的（模型和算力），路尽头那座城是它的（10 亿月活的 ChatGPT），城里收租和收广告费的也是它（结算和广告 API）。路修得越好、跑的车越多，两头越赚钱。修路这件事本身赚不赚钱，根本不重要。顺带回答"是不是为了资本市场"：是，而且很有效。"我们有一个很好用的编程 app"和"我们是 agent 时代的平台层"，在募资材料里是两个完全不同量级的故事。前者的对标是一家软件公司，后者的对标是安卓和 Windows。09 数字与摩擦
几个能 量化 的东西，正反都列出来。往上的· 用户规模：Codex 从 2026 年 3 月的 200 万周活，到 8 月约 1000 万月活。OpenAI 整体约 10 亿月活。· 已经接进来的：GitHub 和 JetBrains 把 Codex 作为 agent provider 接入了自己的 IDE（7 月 7 日）；Cisco 用 Codex SDK 做了 Cloud Control 里的 App Builder；Thrive Holdings 与 Crete 的报税系统跑了 7000 份报税表。
· 内部自证：OpenAI 的 harness 团队从 2025 年 8 月到 2026 年 1 月，用 agent 写出了 100 万行生产代码、1500 个合并 PR，期间没有一行源码是人手写的；团队到七个人时，稳定在每人每天3.5 个 PR。10 Anthropic 手里还有什么牌
这一节必须写，否则前面九节就是选择性叙事。Anthropic 在这件事上真实的暴露面是：Claude Code 的 harness 是闭源的。如果行业在一套开放 harness 加一套开放协议上标准化了，Claude 的处境就会变成"一个可以插进去的模型"，而 Claude Code 那套完整体验的差异化，会越来越难讲清楚。这是真的风险，不该回避。
但棋盘上还有另外一半：值得注意的事实OpenAI 这篇公告里，MCP 出现了七次以上——"应用自有的 MCP 服务"、"MCP 工具"、Relay 示例应用的工具层，全部建立在 MCP 之上。MCP 是 Anthropic 提出并开源的协议。再翻一层：OpenAI 的开发者文档里，有一个页面叫 "Submit a Claude Code plugin"。所以真实的格局，比"OpenAI 围剿 Anthropic"复杂得多：
Anthropic 拿下了 工具协议层。MCP 已经是事实标准，连对手的旗舰产品都建在上面。OpenAI 正在拿下 执行循环层 和 API schema 层。harness 加 Responses API。两家都在对方的地基上盖房子。这不是一方吃掉另一方，是两个标准体系在互相咬合。一句话解读这一层的竞争，赢面不在"谁的产品更好"，在"谁定义的东西被更多人当成默认"。到今天为止，工具怎么接是 Anthropic 说了算，agent 怎么跑是 OpenAI 说了算。两家各拿了半张牌桌。11 写在最后
回到最开始那个问题：到底是几个意思？我的答案是，主要是三个意思，重要性递减：第一，抢署名权。DeepSeek 8 月 13 日已经把 harness 用 MIT 送了出去，Block 8 月 18 日送了个统一壳子。这一层的价格已经是零，OpenAI 唯一能争的，是"这套标准是谁定的"。它在第六天出手，争到了。第二，把智能的度量权收回来。同一个模型，换两个 harness 设置，得分从13.3% 到38.3%，token 降到六分之一。当外壳的 杠杆 有这么大，你就不能容忍全世界用别人做的烂壳来评估你的模型。开源自己的壳，是最 省钱 的自证方式。第三，把中间那截不赚钱的管道送掉，把两头攥紧。底下是模型和算力，上头是 10 亿月活加结算和广告。中间那截，本来就没有定价权。
至于"打击 Anthropic 上市"——时间点太巧，不信它完全没考虑过。但把它当成主要动机，会看错这件事的因果方向：OpenAI 不是在选择进攻，它是在被推着做一件不做就吃亏的事，然后顺手把动作做得很漂亮。真正需要盯的，是九月十月两件事撞在一起：Anthropic 的 招股书，和第一批真正建在 Codex app-server 上的第三方产品。前者会把叙事换成审计过的数字，后者会告诉你这套标准到底有没有人真的用。
核实说明一、已核实（一手来源）· OpenAI 开发者博客《Codex as a platform: build on the open agent harness》，2026 年 8 月 19 日，作者 Nicolas Bonamy、Derrick Choi。文中关于 harness 定义、三种集成方式（codex exec / Codex SDK / app-server）、Relay 示例应用、以及"开源层为 harness 与集成界面，模型访问与托管服务保持独立"的表述，均直接来自该文。
· ARC-AGI-3 数据：保留推理与上下文压缩使 GPT-5.6 Sol 得分从 13.3% 升至 38.3%，同时输出 token 减少至六分之一——来自该文引用的 OpenAI 官方页面。· 已公开的采用方：GitHub 与 JetBrains（2026 年 7 月 7 日）、Cisco App Builder、Thrive Holdings 与 Crete 的报税系统（7000 份报税表、准备时间约减三分之一），均在该文中列出并附官方链接。
· OpenAI 开发者文档确实包含 Commerce 与 Ads 两套 API，以及名为「Submit a Claude Code plugin」的页面（见开发者站导航结构）。· DeepSeek Harness v0.1 于 2026 年 8 月 13 日发布，MIT 许可、GitHub 开放，公开对标 Claude Code；同日 DeepSeek-V4-Pro 发布，原生支持 OpenAI Responses API 并集成 Codex（VentureBeat，8 月 13 日）。
· Codex CLI 于 2025 年 4 月首发；2026 年 3 月超过 200 万周活（Wikipedia 引 Reuters 等）。二、单一来源 / 需二次核对· harness 用 Rust 编写、MIT / Apache2.0 双许可，Responses API schema 由含 Nvidia、Ollama、LM Studio 的多厂商机构治理，以及 WebSocket 改造与「延迟工具／工具搜索」设计——来自 OpenAI 工程师 Dominik Kundel 在 AI Engineer World's Fair 的演讲报道（BigGo Finance 转述），未核对演讲原始录像。
· Codex「约 1000 万月活」与 OpenAI「约 10 亿月活」来自 The Deep View 的独家报道，非 OpenAI 官方披露。· harness 团队 100 万行代码、1500 个 PR、零人工手写代码、每人每天3.5 个 PR——来自 OpenAI《Harness engineering》博客及第三方转述（SaaSCity），数字口径未独立复核。
· Block 于 2026 年 8 月 18 日开源 Berd、Anthropic Claude Code CLI v2.1.229 的 p99 CPU 优化数据，均来自 explainx.ai 的行业汇总，未见双方官方公告原文。· Claude Code 占 Anthropic 总 ARR 约 22%，来自第三方追踪机构 TickerTrends 的估算，非 Anthropic 官方披露。Anthropic 从未单独公开 Claude Code 的 ARR。· Anthropic 2 万亿美元 IPO 目标估值为媒体转述的市场预期，非公司公开表态。
三、作者推断（非事实）· 「OpenAI 是被 DeepSeek 8 月 13 日的动作推着走、争的是署名权而非主动进攻」——这是基于时间线的推断，OpenAI 从未如此表述，也不排除其内部早有此规划。· 安卓 / GMS 的类比、「插座孔位」的类比、以及「开源 harness 把模型从平台降级为零件」的结论，均为作者判断。· 「打击 Anthropic 上市窗口更像顺手的副产品而非主要动机」为推断，无任何内部信息支持。
· 对 harness 创业公司剩余空间的三点判断（垂直上下文、评测可观测、跨模型编排），为作者判断。· 「工具协议归 Anthropic、执行循环归 OpenAI，两家各拿半张牌桌」为作者对当前格局的概括，随时可能被新事件推翻。四、重要提示· 本文由 Claude（Anthropic 制造）协助撰写，核心议题涉及 OpenAI 与 Anthropic 的直接竞争，存在最直接的利益冲突。第十节已尽量写出 Anthropic 真实的暴露面，但读者仍应假定本文存在无法完全消除的偏向。· 「全面开源」是媒体表述，不是 OpenAI 的表述。OpenAI 明确说明模型访问与托管服务不在开源范围内。
· 本文不构成投资建议。—— Kea
DeepSeek做了一款"不是模型"的产品Harness，却可能比模型更重要8月13日晚，DeepSeek没有发新模型，而是开源了一个叫Harness的东西。
一天之内，GitHub星标近8万。这个速度超过了当年R1和Grok-1的纪录。
Harness不是模型权重，不是API接口，而是一层"壳"——套在模型外面、让模型真正能干活的执行系统。DeepSeek给了一个公式：Model + Harness = Agent。
翻译一下：模型负责想，Harness负责干。
为什么DeepSeek要做这个？
这个问题才是整件事最有意思的部分。
就在Harness发布之前，DeepSeek的API文档里列了十几家第三方Agent集成工具——Claude Code、Codex、Cursor、Copilot……什么都有，唯独没有自家的Agent产品。模型是它家的，干活的手是别人家的。
这就像一个造了顶级发动机的人，发现所有整车厂都在用他的引擎，但方向盘、底盘、变速箱全是别人的。他决定自己造一辆完整的车。
更深层的原因是：同一个模型被放进不同的Agent系统，表现可能差出一大截。模型只负责预测下一步，真正决定体验的是Harness——它决定模型能看到什么上下文、能调哪些工具、出错怎么重试、什么时候算任务完成。
没有Harness的强模型，本质上只是"很贵的自动补全"。
"一切皆插件"到底意味着什么
Harness的核心设计原则写在官网首页：Everything is a plugin。
大多数Agent框架只在工具层开放扩展——加个搜索工具、接个MCP服务器，到头了。DeepSeek Harness把插件边界一路下沉到了运行时底层：模型适配器、工具、技能、会话、沙箱、存储、Agent循环、调度、甚至UI，全是可替换的插件。
整套架构基于Cordis插件元框架构建。开发者不需要改源码，只在配置文件里调整插件清单，就能换模型、换沙箱、换循环逻辑、换整个界面。
这跟LangChain、LangGraph那类编排库的思路完全不同。LangGraph是在框架里画流程图，节点和边写死了；Harness是给你一块巨大的洞洞板，每个零件都能拔下来换掉。
四种运行模式本质上就是同一套插件的四种组合方式：
标准模式：全副武装，文件编辑、shell、搜索、子Agent、工作流，日常开发直接用。
PTC模式：模型不是一步步调工具，而是先写一段TypeScript代码，用代码编排多轮调用——适合复杂多步任务。
极简模式：只留shell和文件编辑两个工具，专门用来做模型基准测试。V4-Flash的Agent跑分就是用这个模式跑的。
创造模式：实时检查运行时、在内存里试验插件、拼出新的运行模式——这是给框架开发者准备的实验室。
和Claude Code、Codex有什么不同
直接对标的是Anthropic的Claude Code和OpenAI的Codex。三者都意识到执行层是模型能力落地的最后一环。
但路径截然不同：
Claude Code是闭源成品，开箱即用，体验丝滑，但编排核心不开放，模型天然优先Anthropic。你用它，就得按它的规则玩。
Codex是OpenAI的托管Agent方案，同样闭源，深度绑定GPT系列。
DeepSeek Harness选了最难走的路：开源、MIT协议、模型中立。它支持DeepSeek、Anthropic、OpenAI、Bedrock、Vertex、Azure以及任意OpenAI兼容端点。你不一定非得用DeepSeek的模型——你可以把Harness当成一个通用的Agent底座来用。
这意味着什么？意味着DeepSeek赌的不是"我的模型最好"，而是"我的壳最好，你用我的壳，大概率还是会选我的模型"。
这个策略很精明。框架是入口，模型是变现。Harness免费开源，但跑Agent需要消耗模型token——而DeepSeek刚刚把API价格涨了。
一个设计细节值得单独说
Harness有一个看似不起眼但极其关键的设计：append-only会话日志。
模型看到的一切——系统提示词、思维链、工具调用结果、子Agent调度、每一次上下文注入——都被写进一条只追加不修改的事件流。恢复、分叉、检索、回放全部基于同一条事件流。
这解决了一个Agent开发中非常痛的问题：长任务跑着跑着挂了，你想从断点恢复，但你不知道模型当时到底看到了什么。如果上下文只活在内存里，一恢复就串味。Harness让任务状态有了"唯一事实来源"。
这个设计思路，跟分布式系统里的event sourcing一脉相承。
结语：AI竞争的战场正在转移
DeepSeek Harness把开源竞争的边界从模型延伸到了Agent工程体系。
之前大家比的是上下文窗口多大、跑分多高、价格多低。现在DeepSeek把竞争推到了一个新的维度：谁的Agent跑得稳、扩得动、生态建得起来。
当然，v0.1只是开发者预览版，官方明确警告"会有破坏兼容性的改动"。仓库超过230个workspace成员，架构野心很大，但离生产级稳定还有距离。现在就说颠覆谁，为时过早。
但三个信号已经很清楚了：
第一，模型厂商的下一个战场不是模型本身，而是执行层和反馈闭环。
第二，"一切皆插件"的微内核架构，可能成为Agent框架摆脱单体瓶颈的主流方向。
第三，谁掌握了Harness，谁就更接近真实任务入口——进而影响模型选择、工具分发和开发者工作流。
DeepSeek造了一个发动机，现在又造了一辆车。至于这辆车能跑多远，取决于有多少人愿意在它上面装自己的零件。
OpenAI CEO Sam Altman（萨姆·奥尔特曼）：AI 奇点已至，我们正迈向“智能公用事业”时代撰文：Techub News 整理
在2026 年 5 月于旧金山举行的 Stripe Sessions 大会上，OpenAI 联合创始人兼 CEO Sam Altman（萨姆·奥尔特曼）与 Stripe 联合创始人兼 CEO Patrick Collison（帕特里克·科里森）进行了一场长达一小时的深度对话。这场对话发生在 AI 技术发展看似进入“抛物线增长”的关键时刻，两位科技领袖不仅回顾了 OpenAI 近十年的跌宕历程，更聚焦于 AI 如何从一项前沿研究演变为即将重塑全球基础设施、商业逻辑与科学发现的根本性力量。Altman 的分享，为理解 OpenAI 的战略意图和 AI 产业的未来走向提供了极为珍贵的视角。
感知奇点：从 Codex 爆发到无处不在的 AI 助手
Patrick Collison（帕特里克·科里森）在开场便抛出了一个有趣的说法：将今年 1 月 1 日定义为“奇点”的开始，当天是第 119 天。Sam Altman（萨姆·奥尔特曼）对此表示认同，他认为当前确实处于技术“起飞”阶段。这种感知并非空穴来风，OpenAI 内部的多项指标从去年末到今年初发生了“抛物线式”的 inflection（拐点）。Altman 将这一变化归因于模型能力，特别是编码能力，在去年底今年初跨越了某个关键阈值。
“Codex 正在迎来它的高光时刻，” Altman 说道。他分享了两个个人感知的拐点：一次是随着 GPT-5.2，而最近几周则是一次巨大的飞跃，让他感觉这即将成为自己与计算机交互的主要界面。尽管目前最坚定的用户仍将 AI 用于编程，但一股“浪潮”正推动更多用户涌入，并将其用于各种非编码任务。OpenAI 的雄心远不止于编程，而是覆盖所有在电脑前完成的工作。Altman 估计，在非编码领域，他们可能只完成了 10% 的路径，但拥有真实用户基础后，进展会非常迅速。
那么，继编程之后，下一个被 AI 彻底解锁的领域会是什么？Altman 认为，编程因其巨大的社会需求和对模型的天然适配性，可能是一个特例。但更根本的变革在于，人们将意识到自己浪费了多少时间在繁琐的电脑操作上——在消息应用间切换、复制粘贴、回复枯燥邮件等。AI 将接管这些“苦差事”，从而大幅提升人们的工作幸福感和生活品质。这种主观体验的改善将是巨大的。
谈到具体的 AI 应用体验，Altman 以 OpenAI 2026 年 5 月推出的智能体产品 OpenClaw 为例，分享了几个“魔法时刻”。作为一个家庭自动化爱好者，他多年来尝试构建更好的家庭自动化系统均告失败，而 OpenClaw 是第一个让他满意的方案。他还用它构建了一个一直想要的消息处理应用，来自动化处理早晨令人不悦的消息洪流。更令人惊奇的是，在测试新产品时，他让他的 AI 代理用一次性虚拟卡为自己在网上购买一份 20 美元以下的礼物，结果代理选择在 Gumroad 上为自己购买了一个 HTTP 状态码设计图。这些体验模糊了工具与具有“意愿”的实体之间的界限，带来了奇妙甚至略带诡异的感觉。Altman 甚至透露，在为 GPT-5.5 策划庆祝派对时，他询问了模型自己的想法，而模型给出了一套详尽、周到且带有幽默感的方案，这让他感受到了某种真实的“道德压力”。
OpenAI 的演进：从研究实验室到全球智能公用事业
对话自然转向了 OpenAI 本身。这个如今举世瞩目的组织已走过 11 个年头。Altman 分享了 OpenAI 历史上一个未被讲述的“最疯狂”故事：在 GPT-4 训练完成到正式发布的八个月空窗期里，公司内部所有人都在使用这个他们认为将改变世界的模型，而外界几乎一无所知。这种内部集体认知与外部反馈真空的状态，让他们一度怀疑自己是否陷入了“集体精神病”。这段经历虽然不如后来的董事会戏剧或诉讼引人注目，但亲身经历者感觉异常奇特。
谈及管理风格，Sam Altman（萨姆·奥尔特曼）自称绝非事无巨细的管理者。他的哲学是找到优秀的人，给他们指明一个高层次的方向，然后让事情自然发生。他将 OpenAI 的发展分为三个阶段：第一阶段是纯粹的研究公司，目标是探索在当时看来“完全疯狂”的 AGI 之路；第二阶段是在继续研究的同时，学习如何打造一家产品公司；现在正进入第三阶段，即在前两者的基础上，学习如何构建一个面向全球的、超大规模的“智能代币工厂”。
“我认为我们所做的是在构建一种新的公用事业，” Altman 阐述道，“人们会希望以各种方式使用大量的代币、大量的智能。我们需要让这些智能尽可能聪明、便宜、丰富且易用。” 这需要深度的全栈整合和 Massive（巨大）的基础设施建设。他坦言，从第一阶段到第二阶段的转变中，他并未充分意识到管理风格需要做出多大改变，而第三阶段又将截然不同，这对他并非天然契合。他正在思考如何改变自己，或找到合适的人，甚至打造一个能管理这项新事业的 AI。
对于外界关于 AI 实验室将“吞噬整个价值链”并形成霸权力量的担忧，Altman 给出了明确的回应。他赞赏 Stripe 作为基础设施提供商，其成功与客户成功高度 aligned（对齐）的模式。他希望 OpenAI 也能达到类似的模式：成为一家基础设施提供商，一个“永远低利润率”但规模巨大、增长迅速的业务，提供一种“智能计量器”，让企业购买用以自动化流程、加速内部运作或构建产品。他相信，随着 AI 越来越智能，切换成本会降低，维持高利润率将很困难。OpenAI 的目标是与全球分布式经济引擎的成功深度对齐。
这自然引向了另一个热议话题：对算力的巨额投资。Altman 早在两三年前就提出的、当时听起来“荒谬”的基础设施建设规模，如今正日益成为现实。他承认，这很可能将成为人类历史上最昂贵的基础设施项目。好在收入正在快速增长以匹配支出，同时效率提升也远超预期。关键在于，当智能单位价格足够低时，需求几乎是无限的。“我们不会去建造戴森球然后铺满数据中心……但也许我们会？”他半开玩笑地说。他认为目前并未处于资本支出泡沫中，需求规模与投资规模相比是合理的。至于如何辨别真正的泡沫，这位前投资者承认自己从未找到可靠的框架，经济学家们“成功预测了过去八次衰退中的三次”。
人才、合作与创业生态的变迁
在高度依赖顶尖人才的 AI 领域，如何管理那些才华横溢但可能个性鲜明、难以合作的“明星”员工？Altman 透露，曾有人为他总结 OpenAI 成功的“秘诀”：他成功让一群都自认为是唯一或最有能力、且凡事必须按自己方式行事的人，在一起合作足够长的时间，直至实现突破。秘诀就是“大量的痛苦”。OpenAI 依靠的是少数深层次的共同信念：相信规模化、相信集中资源、相信正在做的事业足够重要，以至于人们愿意放下个人恩怨。例如，在训练 GPT-3 时，公司将绝大部分算力投入单一研究项目，这与当时其他实验室（如 DeepMind）强调均衡分配的文化截然不同，但他们选择了坚信并排除干扰。
谈及与联合创始人 Greg Brockman（格雷格·布罗克曼）长达近十年的成功合作，Altman 认为共同的历史、共享的价值观、深刻的相互尊重以及互补的技能组合是关键。他观察到，在 Y Combinator（YC），创始团队相识时间的长短是预测成功的重要指标。他非常感激能有这样一位深度信任的伙伴共同经历这场 intense（高强度）的创业之旅。
作为全球最成功的创业投资者之一，Altman 也被问及 AI 时代成功创业者的特质是否发生了变化。他幽默地提到，过去行业会嘲笑只有“点子”没有技术能力的“点子王”，但现在情况正在反转——“点子王”们正在迎来“复仇时刻”。虽然技术能力依然重要，但他现在也非常愿意投资那些深度理解用户但完全不会编程的创始人。这是一个巨大的转变。
面对可能在未来几年内出现的 AGI 或“奇点”，如何思考具有十年周期的风险投资？Altman 认为，这确实需要“真正的不信 suspension of disbelief”，但这可能是正确的生活方式。你不能因为相信奇点将至就什么都不做，你必须像世界仍将长期以可理解的方式运行那样去生活和规划。OpenAI 自己的规划也是如此：他们签署了长达 20 年的电力和土地协议，对两年内的产品有清晰愿景，但再往后就模糊得多。
关于建立在 AI 之上的创业公司（曾被称为“GPT 包装器”，现多称“AI 应用”或“智能体平台”）的持久性问题，Altman 的观点始终如一：一家公司应该站在希望 AI 变得更聪明的这一边。如果你的业务是修补当前模型的某个明显弱点，那么下一个更强大的模型发布时你就会难过。如果你的业务是随着模型智能提升而变得更好，那么你会更开心。无论是“包装器”还是“平台”，道理相通。
赋能未来：科学、社会与 OpenAI 的终极愿景
当被问及哪些组织最能有效利用 AI 时，Altman 举了几个例子。首先是 Shopify 的 CEO Toby Lutke（托比·吕特克），他率先宣布公司要“全面投入 AI”，并亲自动手用 AI 自动化一切，要求团队也必须这样做。这种来自最高层的、亲身实践的推动力效果显著。OpenAI 甚至计划尝试派遣类似“技术专家”直接与公司 CEO 合作，自动化其工作，产生“分形效应”。其次，是那些对数据访问“ uncomfortably permissive”（ uncomfortably 地宽松）的公司，允许 AI 访问代码库、会议记录、Slack 消息、邮件等一切数据。这对于拥有敏感数据的大公司来说挑战巨大，涉及隐私与效率的权衡，可能需法规调整，但其威力在小团队中已展现得淋漓尽致。Altman 以 Stripe 孵化的区块链项目 Tempo 为例，其团队在 Slack 中设置了一个智能体工具，几乎能 orchestrating（协调）公司的一切——阅读文档、创建任务、编写代码、部署、测试，整个小型组织的运作在一个 Slack 频道中完成，景象令人震撼。
对于开源 AI 的未来，Altman 肯定地表示“当然有未来”。目前大多数需求仍集中在更智能、更快、更便宜的前沿模型上，但对开源的需求也很大，并且他预计其相对重要性会随时间增加。
科学是 Altman 极度兴奋的领域，也是 OpenAI Foundation（OpenAI 基金会）的重点方向。他认为，AI 对人类生活质量最重要的贡献可能就在于加速科学发现。从几个月前的模型开始，特别是 GPT-5.5，模型已经足够智能，能够帮助优秀科学家产生更好的想法，甚至做出一些小型但重要的发现。未来，结合自动化实验室和机器人，科学进程将极大加快。如果能将过去需要十年的科学工作在一年内完成，其复合效应将是巨大的。OpenAI 基金会将投入资金、专业知识和技术来加速科学，并相信这将以美妙的方式惠及世界。Altman 透露，这很可能将成为世界上规模最大的基金会之一。他们已向 Arc Institute（弧研究所）提供资助，该机构致力于利用 CRISPR 和 AI 等技术，目标是实现人类对复杂疾病（如阿尔茨海默症）的首次治愈。
最后，Patrick Collison（帕特里克·科里森）问及，在 AI 发展看似具有某种“必然性”的背景下，Sam Altman（萨姆·奥尔特曼）希望他个人的参与如何改变世界的轨迹。Altman 的回答回到了 OpenAI 的核心理念之一：迭代部署。他回顾了发布 ChatGPT 前，业界存在的一种主流观点，认为 AI 过于危险，只能由一小群思考 AI 安全的人掌握，是“信息危害”，必须锁在象牙塔中。这种权力集中的前景让他深感不安。他坚信，避免这种权力集中，让世界能够广泛使用并在此基础上进行建设，尽管过程会有些混乱，但最终将为世界带来一份礼物，而世界将在此基础上为所有人建造一份更大的礼物。他相信创业精神、创新，相信人们大多是善良的，并能用工具做出惊人的事情。因此，他自认最大的贡献，就是推动这项技术成为一种民主化的技术，供人们使用和构建。这或许正是 OpenAI 之名在新时代下的最深层次诠释。
OpenAI CEO Sam Altman（萨姆·奥尔特曼）：AI 应用、智能体与软件开发的新纪元撰文：Techub News 整理
北京时间 2025 年 4 月 10 日，OpenAI 在旧金山举办了第二届开发者大会 DevDay。CEO 萨姆·奥尔特曼（Sam Altman）发表了开幕主题演讲，公布了多项旨在赋能全球开发者的重磅更新。从将 ChatGPT 转变为应用平台，到大幅简化智能体（Agent）开发流程，再到让 AI 成为软件工程的核心协作者，本次发布标志着 AI 从“可对话的工具”正式迈向“可构建、可集成、可行动”的生态系统。以下是本次演讲的核心内容梳理。
ChatGPT 进化：从聊天机器人到应用平台
萨姆·奥尔特曼（Sam Altman）首先回顾了 OpenAI 生态的惊人增长：开发者数量从 2023 年的 200 万增至 400 万，每周使用 ChatGPT 的用户超过 8 亿，API 每分钟处理的令牌数从 3 亿飙升至 60 亿。这背后是 AI 从“新奇玩具”到“日常生产力工具”的深刻转变。
为了进一步释放创造力，OpenAI 宣布推出 Apps SDK，允许开发者在 ChatGPT 内部构建和分发功能完整的交互式应用。这不再是简单的插件或工具调用，而是拥有独立前端界面、后端逻辑和数据连接的“原生应用”。
Apps SDK 基于开放的 MCP（Model Context Protocol）标准构建，开发者拥有对前后端的完全控制权。其最大吸引力在于，应用一旦上架，即可触达 ChatGPT 的数亿用户，获得前所未有的分发渠道。未来，OpenAI 还将支持应用内直接购买等货币化方式。
现场演示生动地展示了这一愿景：
Coursera：用户可在 ChatGPT 对话中直接搜索并播放课程视频。视频会以小窗形式置顶，用户可边看边问，ChatGPT 能根据当前播放内容（通过 API 获取的上下文）进行即时答疑。
Canva：在 ChatGPT 中为一个虚构的遛狗业务“Walk This Wag”构思名称后，用户可直接指令 Canva 应用生成海报和宣传用的 Pitch Deck，所有创作过程都在对话流中完成。
Zillow：当 ChatGPT 建议将业务扩展到匹兹堡后，用户可调用 Zillow 应用，在对话中嵌入交互式地图查看房源，并进一步要求 ChatGPT 筛选“带后院的三居室”。应用与模型深度协作，提供无缝体验。
OpenAI 工程师 Alexi 在演示中强调，这种“与应用对话”的能力是核心魔法。应用不再是孤立的工具，而是与 ChatGPT 的智能深度整合，能理解用户意图并主动推荐。Apps SDK 即日起开放预览，开发者可开始构建，后续将开放应用提交审核和官方目录。
Agent Kit：将智能体从原型带向生产
智能体（Agent）是能理解目标、使用工具并自主完成任务的 AI 系统。尽管潜力巨大，但将其投入实际生产仍面临巨大挑战：从选择框架、流程编排、工具连接到构建 UI 和评估循环，每一步都充满复杂性。
为解决这一痛点，OpenAI 推出了 Agent Kit。这是一个旨在帮助开发者将智能体想法快速落地生产的完整工具集，包含三大核心组件：
Agent Builder：一个可视化的工作流构建画布。开发者可以通过拖拽节点（如分类器、工具调用、条件分支）的方式，直观地设计智能体逻辑并测试流程，无需从零开始编写复杂代码。
Chat Kit：一个可嵌入的聊天界面组件。开发者可以将其轻松集成到自己的应用中，并完全自定义品牌和交互风格，为用户提供与智能体自然对话的体验。
评估工具：专为智能体设计的新评估功能。包括追踪评分（逐步理解智能体决策）、数据集测试、自动提示词优化，甚至支持在 OpenAI 平台上对外部模型进行评估。
此外，通过 OpenAI 的连接器注册表，企业可以安全地将智能体连接到内部工具和第三方系统。
现场演示极具冲击力。工程师 Christina 在8分钟内，使用 Agent Kit 为 DevDay 官网构建并部署了一个名为“Ask Froge”的智能体助手。该助手能理解用户关于会议日程的查询，从文件中检索信息，并以品牌化的青蛙风格（Froge）回答，同时还能通过预置的“护栏”防止泄露个人敏感信息（PII）。整个过程完全可视化，无需编写代码，构建完成后即可通过 Chat Kit 组件嵌入网站实时使用。
萨姆·奥尔特曼（Sam Altman）还分享了企业案例：美国大型连锁超市 Albertsons 利用 Agent Kit 构建了店内管理智能体。当冰淇淋销量意外下滑 32% 时，店员只需询问智能体，它便能分析季节性、历史趋势等上下文，直接给出调整陈列或投放本地广告的建议，将原本冗长的报表和会议流程极大简化。
Codex：软件工程进入“无代码”协作时代
“我们正在进入一个软件编写方式被彻底改变的新时代。”萨姆·奥尔特曼（Sam Altman）如此定义 Codex 带来的变革。Codex 是 OpenAI 的软件工程智能体，旨在与开发者并肩工作，加速软件创建。
此前处于研究预览版的 Codex，如今正式推出通用版本（GA）。它已深度集成到开发者的工作流中，支持 IDE、终端、GitHub 和云端环境，并通过 ChatGPT 账户同步所有工作。其底层模型已升级为专门为编码和智能体任务训练的 GPT-5 Codex，在代码重构、审查等任务上表现更佳，并能根据任务复杂度动态调整“思考时间”。
数据证明了它的成功：自 8 月初以来，Codex 的日处理消息量增长了 10 倍，GPT-5 Codex 也成为 OpenAI 有史以来增长最快的模型之一，已处理超过 40 万亿令牌。在 OpenAI 内部，几乎所有新代码都由 Codex 用户编写，使用 Codex 的工程师每周完成的拉取请求（PR）数量增加了 70%。
为服务工程团队，Codex 新增三大功能：Slack 集成（可直接在团队对话中让 Codex 写代码或回答问题）、Codex SDK（用于在团队工作流中扩展和自动化 Codex）以及新的管理员工具和报告面板。
现场演示将 Codex 的能力推向了新高度。工程师 Raman 在未手写一行代码的情况下，完成了一系列令人惊叹的操作：
通过自然语言指令，让 Codex 创建了一个控制舞台上方索尼摄像头的网页控制面板。
让 Codex 研究并编写了通过 Visca 协议控制该摄像头的 Node.js 服务器代码。
指令 Codex 将 Xbox 无线手柄连接到该控制界面，实现了用手柄操控摄像机摇移。
通过集成实时语音 API 和 Agent SDK，实现了用语音控制摄像机（如“对准观众”）和会场灯光系统（通过构建 MCP 服务器）。
最后，通过语音指令，让 Codex 现场修改 React 应用代码，为所有现场参会者生成了一个电影片尾式的“演职员表”叠加层。
整个过程展现了 Codex 作为“AI 队友”的强大能力：理解复杂意图、自主研究协议、调用工具、编写并集成代码。正如 Raman 所言：“唯一的限制现在是你的想象力。”
模型更新：GPT-5 Pro、Sora 2 与 Realtime Mini 开放 API
所有强大的应用和智能体都离不开底层模型的支撑。萨姆·奥尔特曼（Sam Altman）宣布了多项模型更新：
GPT-5 Pro API 全面开放：这是 OpenAI 迄今为止最智能的模型，专为需要高精度和深度推理的复杂任务设计，如金融、法律、医疗等领域。它现已面向所有开发者开放。
Realtime Mini：这是一个小型、快速、低成本的实时语音模型，语音质量和表现力与两个月前发布的 Advanced Voice 模型相同。OpenAI 认为，语音将成为人机交互的主要方式之一。
Sora 2 API 预览：备受瞩目的文生视频模型 Sora 2 现已开放 API 预览。其最大进步在于可控性增强，开发者可以给出详细指令，模型能保持状态并生成风格化、准确、构图精良的视频。更令人兴奋的是，Sora 2 能生成与画面同步的丰富音效和背景音乐，而不仅仅是语音。现场展示了其如何将一张小狗照片扩展为一群小狗玩耍的动态视频，并配以同步音效。玩具公司美泰（Mattel）已利用其 API 快速将设计师草图转化为可分享的动态概念视频。
在演讲的最后，萨姆·奥尔特曼（Sam Altman）总结道，软件构建曾需要数月或数年，而现在借助 AI，只需几分钟和一个好想法即可实现。OpenAI 的目标是通过 Apps SDK、Agent Kit、Codex 和新模型等一系列工具，成为这个新时代的最佳构建平台。这场发布会不仅是对现有能力的展示，更是对“AI 全民化”和“创意即时实现”未来的一次强力召唤。
Josh & Ejaaz：为何我们从 Claude Code 转向 OpenAI Codex撰文：Techub News 整理
在 AI 编程助手竞争白热化的当下，工具的选择往往决定了开发效率与创造力边界。Limitless Podcast 的主持人 Josh 和 Ejaaz 2026 年 5 月进行了一场深度对谈，基于他们从 Anthropic 的 Claude Code 转向 OpenAI 的 Codex（集成于 ChatGPT 5.5）的实际经历，剖析了这两款顶尖产品的现状、核心差异以及未来的趋势。这场讨论不仅提供了直观的功能对比和 Demo 演示，更触及了 AI 工具演进背后的关键概念，对于任何依赖 AI 进行开发或创意工作的从业者而言，都具有极高的参考价值。
市场格局的戏剧性翻转：Codex 的“觉醒”与数据碾压
仅仅几个月前，Claude Code 还是几乎所有软件工程师和企业的首选，安装量遥遥领先。但 Josh 指出，在圣诞节前后，AI 编程的“氛围”发生了根本性转变——从一个“有趣的工具”变成了开发者实际交付代码时使用的利器。而此后，OpenAI 似乎“醒了过来”。
Ejaaz 用一组惊人的数据说明了这种转变：在过去一周，Codex 的安装量超过了 4600 万次，而 Claude Code 则低于 50 万次。这与历史数据形成了鲜明对比，此前 Claude Code 的安装量曾远远超过 Codex。Ejaaz 认为，这种戏剧性翻转的核心原因很简单：OpenAI 推出了更好的模型。他们在过去几周内密集发布的功能，比大多数公司一年内推出的还要多。
为了直观对比，他们制作了一个“比分牌”：OpenAI Codex 以 11 分领先，Anthropic Claude 仅得 2 分。这 11 分的优势来源于多个关键领域的突破。
Codex 的五大核心优势：从“超人”操作到屏幕监控
1. 计算机控制与速度：Claude 率先实现了让 AI 接管桌面、移动光标的能力，但速度较慢，且常遇到障碍，需要用户手动引导。Codex 不仅比普通人操作更快，甚至比 Josh 本人还快。Ejaaz 描述其光标移动速度之快，如同“使用电脑的超人”，并且可以近乎 24/7 不间断运行。
2. 长时程自主性：Codex 能够更智能、更持久地工作。传统上，AI 完成任务依赖一种名为“Ralph Loop”（以《辛普森一家》中坚持不懈的角色命名）的规划模式，即 AI 会持续迭代直至达成目标。Codex 原生集成了这种长时程思考能力，有人甚至观察到它为了完成目标持续“思考”了 36 小时。这对于解决复杂任务至关重要。
3. 浏览器使用与意图理解：Codex 可以接管浏览器，并更智能地理解它所浏览的内容。此前它不具备此能力，而现在它能进行更有目的性的操作。
4. 图像生成集成：OpenAI 2026 年 5 月发布了 ChatGPT Images 2.0 图像生成模型，其质量“绝对令人震惊”，在所有基准测试中击败了包括谷歌 Nano Banana 2.0 Pro 在内的前任领先者。而 Anthropic 目前甚至没有图像生成模型。对于任何涉及视觉工作的用户，直接在软件中使用此功能非常强大。
5. “Chronicle”——秘密的屏幕监控与效率分析：这是 Josh 认为大多数人尚未知晓的 Alpha 功能。Chronicle 会观察你滚动、点击和键入的内容，以此构建关于你的上下文和记忆，无需你主动输入。这带来了一个极其强大的提示：“根据 Chronicle（这个新的记忆功能），我在电脑上做什么事情效率很低？提出一些建议，直接告诉我我需要听到什么。”它会评估你的电脑使用习惯（例如在 Twitter 上滚动的时间），并基于其观察到的实际行为给出真实反馈，以优化你的工作流程。目前该功能仅面向付费会员（每月 100-200 美元订阅），Josh 认为这是未来重要功能的早期迹象。
此外，Codex 2026 年 5 月还推出了“自动审核”功能，能智能区分可能构成系统性威胁的操作和无需批准的操作，自动批准后者，大大简化了用户界面，让用户可以暂时离开电脑而任务照常进行。
Claude 的现存优势：个性、UI 与移动访问
Josh 和 Ejaaz 也指出了 Claude 目前仍保持优势的领域。首先是其“OpenClaw”能力（有趣的是，OpenAI 收购了 OpenClaw）。Claude 的 Dispatch 是其移动应用功能，允许用户远程与 Claude Code 交互，而 Codex 目前尚未提供此功能（团队已承诺会推出）。
其次，在个性化和用户界面方面，Claude 更出色。当使用 LLM 本身而非工具套件时，Claude 的体验更佳，UI 更温暖。此外，两者都发布了“宠物”功能（如屏幕上显示的 Angry Dario），但 Codex 的宠物能作为持久角色存在于整个电脑使用过程中，在后台与你聊天，显示进度，更具趣味性，体现了对用户体验的关注。
实战 Demo 对比：从零构建游戏与草图生成应用
为了验证理论，他们准备了两个具体的演示。
Demo 1：一次性提示构建马里奥风格游戏
Ejaaz 给出了一个提示：要求 AI 创建一个具有未来感、带霓虹灯元素的马里奥风格侧卷轴游戏，包含游戏设计、敌人、陷阱和计分板。他们将此提示输入给 ChatGPT 和 Claude，让各自的编码模型在最高设置下执行。
Claude Opus 4.7 的结果：游戏名为“Neon Plumber Moon Base Run”。视觉效果很好，有音效设计，遵循游戏原则。玩家能识别危险（如尖刺）。但逻辑存在缺陷，例如承诺的双跳功能并未正常实现，导致无法收集某些硬币。
OpenAI Codex (GPT-5.5) 的结果：游戏同样命名为“Neon Plumber Moon Base Run”。起始画面更基础，但有背景动画。游戏逻辑更好，完全可玩，有清晰的爱心（生命值）显示和计分系统，能获得功能增强道具。虽然也存在一些边缘错误，且没有音乐，但整体游戏体验更流畅、功能更完整。
在构建体验上，Ejaaz 更偏好 Codex。Codex 在接到单一提示后，没有请求任何许可，自行思考并决策推进；而 Claude Code 则会不时向用户求助。对于构建像游戏这样的非生产级项目，这种“放手”模式可能更受欢迎。
Demo 2：从手绘草图生成应用
他们提供了一个手绘（实际由 GPT Image Gen 2.0 生成）的“通用 Limitless 仪表盘应用”草图，将其输入模型。
Claude 的结果：生成了一个仪表盘，但风格基础且可预测。页面文本和图形元素很多，它推断出了旅行预算等功能（尽管提示未明确要求）。然而，它创建的是一个旅行规划板，而非围绕 Limitless Podcast 的仪表盘，可能与提示理解有关。
OpenAI Codex 的结果：界面更简洁、干净，没有追求未来感或霓虹风格。提供了一个五日旅行计划的基本信息，有多个标签页，视觉效果更好。虽然同样不是草图指定的内容，但设计更易于理解，不那么密集，且看起来已经连接到数据（顶部有“重新优化”开关）。Josh 认为 Codex 在这方面“完全碾压”，更准确地还原了原始纸张上的设计。
两个演示均显示 Codex 在逻辑实现和功能完整性上更胜一筹。
超越模型本身：“AI 模型套具”与“Vanilla Maxing”哲学
Ejaaz 指出，两大公司的模型之所以能如此快速进步，一个关键因素是“AI 模型套具”。这指的是在基础模型之上添加的层，包括预设的提示词、模型运行的环境以及确保模型以特定方式行为和发声的策略。这也解释了为何 Claude 的个性优于 ChatGPT。
Cursor 2026 年 5 月将其套具 Cursor SDK 通过 API 开放，这具有重要意义。批评者曾认为 Cursor 只是一个 AI 包装器，但事实证明，这个“包装器”或“套具”能让模型变得更智能。如果将 Cursor 的套具应用于 GPT-5.5 和 Claude Opus 4.7，得到的模型比原始基础模型更聪明、更高效。这意味着，尽管 AI 实验室投入巨资训练模型，但初创公司通过构建更好的“套具”也能创造卓越产品。套具与模型本身已密不可分，是 valuable moat。
Josh 进一步阐述了“套具”在构建“超级应用”中的作用。每个公司都试图打造一个全能的操作系统级应用，让 AI 成为其基础。OpenClaw 在此方面早期表现卓越。2026 年 5 月，Sam Altman（萨姆·奥尔特曼）宣布用户现在可以将其 ChatGPT 账户连接到 OpenClaw 生成令牌，这可能是将 OpenClaw 深度集成到 Codex 的多步计划开端。OpenAI 拥有 OpenClaw，虽然承诺保持开源，但有能力直接集成到自家产品中。Codex 的开发者也确认，原生编辑器、iOS 应用、完整浏览器和 OpenClaw 等功能都将到来。
然而，Ejaaz 指出 OpenClaw 的热度已消退，因为尽管这些工具处于前沿水平，但难以扩展到实际应用。用户不敢将其集成到存有个人文件的桌面，曾出现过访问信用卡数据或删除旧婚礼照片等恐怖故事。相比之下，在品牌信誉下提供的工具（如 ChatGPT Codex、Claude Cowork 或 NVIDIA 的企业级安全版本 NemoClaw）更能让人安心使用。
这引出了 Josh 推崇的“Vanilla Maxing”哲学：你应该 100% 使用原厂工具。很多人陷入使用各种不同仓库、技能和插件的情况，但现实是，AI 实验室的迭代速度足够快，他们会直接将功能集成到原生应用中。因此，最好的策略就是“Vanilla Maxing”——使用官方提供的工具，无需急于尝试前沿但可能不安全的外部工具。
未来展望与个人使用栈
Ejaaz 总结道，目前并没有明确的赢家，但他倾向于 Codex GPT-5.5。不过叙事转换如此之快，Claude 仍可能追赶上来。一个未被讨论和演示的模型是Claude Mythos，它在几周前伪发布，在所有基准测试中都技术上优于 5.5，但 Anthropic 因其“过于危险”和“网络安全风险”而未开放访问（美国战争部的 Peter Heskett 也提及此担忧）。OpenAI 则创建了 Mythos 级别的模型并使其对所有人可用。这或许也源于 Anthropic 计算资源的不足。
关于个人使用栈，Josh 表示他已完全转向 Codex，用于所有困难任务。但他认为，作为 LLM 或聊天机器人，GPT-5.5 略逊于 Opus 4.7，后者个性更温暖、更精准，更能理解他的意图。因此，在构建复杂项目时，他用 Opus 4.7 作为“协调者”，Codex 作为“执行者”。他还发现 Opus 4.7 在某些方面不如 4.6，例如在写作或文本消化任务上，他仍使用 Opus 4.6。
Ejaaz 的栈则更多样化。对于研究，他开始转向 GPT-5.5，因为它能进行更长时间、更深入的讨论。他举例测试了关于 AI 电力堆栈和投资标的的提示，5.5 完全超越了 4.7。但他仍因个性原因使用 4.7。总体而言，他认为 OpenAI 正处于“一代人的奔跑”中，可能很快会修复现有问题。
Josh 最后鼓励用户亲自尝试两款工具，用实际提示进行测试。无论你从事何种工作，只要使用电脑，AI 都可能帮助你更高效地完成任务，或助力你实现一直想做的爱好和副业。这场竞争的最大赢家是用户，因为每月仅需 20 美元，就能获得所有这些前沿智能和能力。OpenRouter 上线 Mistral 编程专用 AI 模型 Codestral 2508Techub News 消息，模型聚合平台 OpenRouter 上线新模型「Mistral: Codestral 2508 (batch)」。该模型是 Mistral 于 2025 年 7 月底发布的编程专用语言模型，擅长低延迟、高频率任务，如代码补全、修正和测试生成。
（OpenRouter 官方公告）OpenAI 研究员被指施压数学家，要求其剔除 Anthropic 合著者Techub News 消息，数学家 Tristan Buckmaster 称，在其 AI 辅助下在纳维-斯托克斯方程上取得进展的消息泄露后，OpenAI 对其施压。据称，该公司试图移除其合著者，原因是该合著者任职于 Anthropic，并在 Buckmaster 拒绝时对其发出威胁。OpenAI 随后宣称自己利用同一非常规解决路径取得了突破。
Buckmaster 表示，他曾将所有草稿上传至 Codex。OpenAI 告知他模型不会查看用户数据，但当他询问训练数据相关问题时，他表示未获答复。（The Decoder）Anthropic 为 Claude iOS 版新增使用详情与自定义功能Techub News 消息，Anthropic 为其 Claude iOS 应用推出两项新功能，包括使用详情按钮和 Claude Code 专属自定义板块，旨在为移动开发者提供更精细的用量监控和编码环境控制。
新功能允许 Pro 和 Max 订阅用户查看 Claude Code 额度消耗情况，并支持在移动端自定义编码环境。此次更新是 Anthropic 近期积极开发 iOS 应用的一部分，此前已推出小组件、App Intents 及「Reflect」个人使用分析功能。（CryptoBriefing）OpenAI GPT-6 Astra 登顶 Code Arena 网络开发榜Techub News 消息，OpenAI 最新模型 GPT-6 Astra 在 Code Arena 的 WebDev 排行榜上以 1,797 分获得第一名，领先 Anthropic 的 Claude Fable 5.1 达 35 分。该模型于 2026 年 9 月 3 日发布，目前已向 ChatGPT 订阅用户及特定 API 和云合作伙伴开放。
Code Arena 采用众包 Elo 评分系统，通过社区投票评估模型处理真实前端编码任务的能力，目前已记录超 65 万张投票。与传统固定数据集测试不同，该基准侧重评估多步推理、工具使用和迭代编码工作流。GPT-6 Astra 和 Claude Fable 5.1 定价相同，均为每百万输入 token 10 美元、每百万输出 token 50 美元，上下文窗口均达 100 万 token。（CryptoBriefing）Anthropic 称 Claude AI 将费马大定理转化为 1300 万行可自检代码Techub News 消息，Anthropic 宣布其 AI 模型 Claude 耗时 11 天，将有着 350 年历史的数学难题“费马大定理”转化为一份长达 1300 万行的代码证明。该证明可由计算机自行检查验证，无需依赖人类信任。
Anthropic 表示，这一成果展示了 AI 在形式验证和复杂逻辑推理方面的潜力，或将推动数学证明方式的变革。 （Decrypt）OpenAI 向所有 Pro、Enterprise 及 Business Premium 用户开放 GPT-6 AstraTechub News 消息，OpenAI 宣布其最新模型 GPT-6 Astra 现已面向所有 Pro、Enterprise 及 Business Premium 用户开放，可在 Work/Codex 中使用，并已上线 API。OpenAI 表示，接下来将开始向 Plus 和 Business 用户逐步开放该模型。
（@sama）ASCII 走私技术从攻击 AI 转向垃圾邮件，可绕过邮件过滤器Techub News 消息，一种曾用于隐藏恶意提示以攻击 AI 代理的巧妙技术，现已被垃圾邮件发送者采用，用于规避旨在标记大规模群发垃圾邮件的邮件平台过滤器。该技术被称为 ASCII 走私，两年前因能使“提示注入”类 AI 攻击更隐蔽而受到关注。
恶意指令通过一系列特殊的 Unicode 标签嵌入电子邮件或其他待大语言模型处理的不受信任内容中，这些标签编码的字符计算机可读，但对人类几乎完全不可见。这使得大语言模型能检测到指令，而阅读邮件的人却无法察觉。（Ars Technica）Cloudflare 与 OpenAI 合作推出 AI 漏洞分析服务Techub News 消息，网络安全公司 Cloudflare 与 OpenAI 合作，推出了一项面向小型企业的 AI 漏洞分析服务。该服务利用 OpenAI 的 Daybreak 模型来分析代码，旨在帮助企业识别和修复潜在的安全漏洞。
（Tech in Asia）英伟达发布 Switchyard Rust 代理，可路由并翻译 OpenAI 与 Anthropic API 流量Techub News 消息，英伟达发布 Switchyard，这是一个用于大语言模型（LLM）流量的 Rust 代理和库。该工具可在不同提供商间路由请求，在 OpenAI 和 Anthropic 的 API 格式之间进行翻译，并记录操作指标。它旨在解决团队在运行编码代理时，因后端模型 API 格式不匹配而需要重写代理的问题。
Switchyard 目前处于预发布和实验阶段，仅用于评估，不建议在生产环境中使用。它支持三种运行方式：针对编码代理的启动器、独立代理服务器以及可嵌入 Rust 应用的库。其路由算法包括直通、随机、基于 LLM 分类器的路由以及阶段路由器等。
该工具接受 OpenAI Chat Completions、OpenAI Responses 和 Anthropic Messages 三种入站格式，并可将请求路由至 vLLM、NVIDIA NIM 或 Ollama 等后端。项目以 Apache 2.0 协议开源，文档可在英伟达官网查阅。 （MarkTechPost）Anthropic 发布 Claude Fable 5.1 模型，新增防蒸馏功能Techub News 消息，Anthropic 于 9 月 1 日发布了 Claude Fable 5.1 和 Claude Mythos 5.1 模型，并称其为全球最先进的编程与知识工作模型。新模型已在 Anthropic 平台、Amazon Bedrock、Google Cloud 和 Microsoft Foundry 上线。
新模型定价未变，输入和输出 token 价格仍为每百万 10 美元和 50 美元，但缓存读取成本降低了 75% 至每百万 0.25 美元，典型工作负载成本降低 25%，复杂代理任务成本降低高达 45%。其科学代理任务得分在 Terminal-Bench-Science 0.1 上达到 52.6%，较 Fable 5 的 24.7% 翻倍。
此次更新引入了一项关键反抄袭措施：自 8 月 31 日起新注册的开发者账户将无法在多轮对话中手动编辑 Claude 的先前上下文，同时保留其思考记录，以阻止竞争对手通过“蒸馏”方式低成本复制模型。Anthropic 称未来所有账户在新模型上都将面临此限制。（BeInCrypto）0 篇文章
1 篇文章
