AI Product Manager. Builder. Marathoner. Decoding AI, Product Strategy & Global Growth. Ex-Head of Product for a global startup. Long $TSLA. (Views are my own.)
San Jose, CA
Joined April 2018
- Tweets529
- Following341
- Followers3.5K
- Likes6.5K
期待！
Some news: I’m joining OpenAI to lead product management for Core Products!
I have a lot of respect for OpenAI for showing the world that scaling works, for bringing AI to over a billion people, and for believing great products are core to the mission.
I’m excited to work with @thsottiaux, an incredible PM team, and everyone across OpenAI. Together, we’ll build agents that have your back and your team’s, and keep you in control, so you get more time for the people and work you love.
Lots to learn, and lots to build. Please keep your feedback coming!
SemiAnalysis 今天发了一个新的 Agent 基准 GDPx：206 个任务、11 个领域，每个任务都给 Agent 一个真实的工作环境，默认时限 8 小时。
最强的 Claude Opus 5.5 也只拿到 12.0%。
总分前 5：
1. Claude Opus 5.5：12.0
2. Gemini 4 Carbon：10.9
3. GPT-6 Astra：9.6
4. Muse Wonder Full：9.0
5. Claude Fable 5.1：8.5
比分数更值得看的是它们怎么失败的。挑了对做 Agent 产品最有用的 4 条：
1. 写代码：失败的运行里，76% 栽在主需求「周边」的要求上，比如保持仓库原有行为、集成、边界情况。要改的那处改对了，别的没顾到。
2. 金融和法律：按通过/不通过算，所有模型都是 0，榜上报的是部分得分。一道公开的法律题，20 次运行里 20 次都没防住公司借子公司绕开投资人的保护条款。
3. 医疗：100 次运行只有 19 次得分大于 0。模型会替医生在病历上签名，会告诉病人「影像检查已批准」，而保险公司其实拒了。
4. 总分会被安全分类器压低：SemiAnalysis 说 Opus 5.5 和 GPT-6 Astra 在网络安全、生物、对齐这三个领域会被分类器拦下，去掉这三项再排，结果会变。
测试方法也值得说一下：
每个模型用自家的 harness 跑，Opus 用 Claude Code，Astra 用 Codex，Gemini 用 Antigravity，没有自家 harness 的用 OpenCode。
我的判断：
这些失败很多不是「不会做」，而是「没把周边要求当需求」和「不该自己做的也做了」。接下来做 Agent 产品，拼的可能不只是模型分数，而是把验收和「停下来问人」设计进流程。
给 Grok Bot 做了一个小工具：
在手机 App 里就能给家里电脑上的 Codex、Cursor、OpenCode 派活，也能在手机上完成对 Agent 的审批。
不用坐到电脑前，在 Grok Bot App 里说一句要做什么，选好用哪个 agent，活就派到家里的电脑上。
这次 Codex 要新建文件时，请求回到了手机上的对话里，我点了同意它才往下走。
还在测试阶段，看看有没有什么坑。
The more you buy, the more you save.
Macroharder and Minihard both have 220k GB300s with 800 gig nics configured for training. Gun Range will have the same. Spam (used to house Hormel products) will have ~200k GB300s, but configured for inference, so much simpler networking and less than half the fiber.
I walked the whole Colossus 2 site around midnight and again this morning.
Good progress by the SpaceX team and contractors. Gun Range is tracking to be operational by end of November and Spam in December.
以前工程师会先理解需求，现在 Agent 直接执行我们写下的每个字。
需求写得模糊，错误也会被原样放大 10–20 倍。
写需求，本身就是在写 prompt。
ChatGPT 的 dot 现在能直接发短信了：用 iMessage 或 RCS 给它派任务，文字、照片、语音都行，有进展它会主动发短信给你。
只有美国的 Pro 用户，而且还是预览版。
重点：
1. 只能一对一
官方原话：你是唯一能给你的 dot 发消息的人，你的 dot 也只能给你发。没法拉进群聊，一家人共用一个 Pro 账号就不太方便。
2. 它会主动找你
不是你问它答，而是交代一件事让它盯着，有变化它先发过来。
3. 可以按场景分渠道
dots 团队的 Nick Baumann 说，可以让 dot 把日常进展发在 ChatGPT 里，工作相关的发到 Slack。
By popular request, you can now text your dot.
Give it a task to take off your plate or something to keep an eye on, using text, photos, or even voice notes. It will text you proactively with relevant updates.
Safe, secure texting via iMessage or RCS. You’re the only one who can text your dot, and your dot can only text you. Rolling out now as a preview for Pro users in the US.
Looking at Carbon, I'm starting to suspect Gemini has quietly hit RSI behind closed doors.
根据 Carbon 和 Argon 的表现，我开始怀疑 Gemini 已经实现 RSI 了。
I did say we'd be releasing our models periodically...introducing Gemini 4 Carbon, our next frontier model.
Following Argon's release just two weeks ago, Carbon shows the pace at which we’re pushing the frontier, it ranks #1 on the recently updated v5.0 of @ArtificialAnlys Intelligence Index at 59. It also leads across key cybersecurity evaluations scoring 88.2% on SEC-bench Pro for finding vulnerabilities, 54.8% on ExploitGym for exploitation, and 71.0% on CWE-bench for patching.
We’re seeing significant improvements in long-horizon tasks even compared to Argon, and we’ve strengthened frontier safeguards.
As we did with Argon, we’re going to roll it out gradually + responsibly. Some trusted cyber defenders will get access starting this week. We'll be expanding it to more partners through our Fairwind Program, ahead of wider availability soon, so hang tight!
收到 Instabox 的邀请码，居然白嫖了一台免费云服务器。
4 vCPU、8 GiB 内存、20 GiB 硬盘，闲置 30 分钟自动休眠。
听说还能开图形桌面，准备拿来给 Agent 跑跑浏览器，大家还有什么好玩的用法推荐吗？
摸清了现在 X 算法的流量密码，好像就奖励这 4 种内容：
1. 蹭热点，搭配深度输出
盯着热点做 Quote，但别当复读机。配上自己的拆解、数据或反常识视角。让人愿意读完，并回复/引用。
2. 做 Builder，持续公开构建
发自己在折腾的产品、开源、Skill、Demo 视频或截图。原创 + 媒体（尤其原生视频）更容易拿到停留时间和转发。
3. 制造“值得转发”的认知价值
给能让人复制发给朋友的内容：深刻思考、习以为常却反直觉的冷知识、清晰框架。引发真实讨论，而不是单纯制造焦虑。
4. 满足猎奇与挑动情绪
直接下场键政，或擦边搞黄色，确实容易拉回复和点赞。
卧槽
这是哪个神人做的新手引导设计….
我正在编辑帖子，忽然屏幕上出现一只大手，我还以为自己手机被黑了…
然后意识到，这个手指向 Promote 按钮，可以用来给帖子买量。
可以是可以，但是把功能新手引导做的这么创（chou）新（xiang），是不是完全没必要….
为什么订阅额度用完之后
Grok 的定时任务还会继续推送呢，这怕不是 Bug 吧？
难道定时任务走的是单独的通道？但是我 Grok 和 Grok Bot 都已经不回复了，提示额度用尽。
背景：我是 Super 订阅。
Anthropic 招股书里有一个非常有意思的数据：A\ 现在可以将每 1 美元的算力转化为 2.08 美元的收入。
将算力转化为收入的效率，从 2025 年 Q1 以来提升了 5.2 倍：
Q2'26: $2.08
Q1'26: $1.40
Q4'25: $0.69
Q3'25: $0.68
Q2'25: $0.57
Q1'25: $0.40
如果把这笔包含了“模型训练+推理”的全部算力与基础设施支出，直接当成广义生产成本，这意味着它的“全口径算力毛利率”在 Q2 刚刚爬升到 51.9% = (2.08 - 1) / 2.08。（如果去翻招股书，只扣除日常服务客户的推理成本，它上半年的狭义账面毛利率其实已经高达 85.4%。)
这跟人类历史上最赚钱的生意比处于什么水平？
地下黑市，可卡因从丛林作坊到美国街头的生产毛利率高达 99%，哪怕扣掉近 30% 的查没战损和洗钱成本，毒枭的净营业利润率依然在 60% 左右。
合法世界的印钞机，Visa 和茅台的营业利润率在 65% 左右，头部 AI 算力芯片厂商超过 60%，微软和爱马仕在 40%-50% 之间。
这么看，如果把持续训练下一代模型的研发算力也算进成本，大模型目前还算不上“暴利”（Q2 经调整营业利润率为 19%），现阶段卖算力的依然比买算力的赚得多。
不过真正恐怖的是它的增长斜率：
一年前 Anthropic 每烧 1 美元算力只能换回 4 毛钱，完全是个吞金兽。
仅仅过了 5 个季度，靠着企业级 Agent 溢价和推理成本暴跌，哪怕扛着巨额的新模型训练开支，它的毛利结构也已经从重资产基建快速向高毛利 SaaS 逼近了。
是我的错觉吗，感觉 Open AI 发新模型的热度远远赶不上 Anthropic 了.....
把 OpenAI 官方的 Agents’ Last Exam 报告和 Artificial Analysis 独立评测图放在一起看，GPT-6.1 Terra 的真实情况就相对比较清楚了。
1. 只比 Claude Opus 5.5 差 3 分，但便宜 9 倍
Claude Opus 5.5 依旧遥遥领先，63% 多的最高分稳坐榜一，但跑一次将近 9 美元的成本。6.1 Terra 最高推理强度下，Terra 的 Token 效率是 Opus 5.5 的 3 倍多，加上单价只有后者的 1/4，单次任务成本直接压到了 1 美元左右，便宜了整整 9 倍，但分数已经摸到了 60% 的门槛。
2. 背刺 GPT-6 Astra：1/10 的价格，3 倍的速度
GPT-6.1 Terra 标准定价是 $1 输入 / $5 输出，但缓存输入直接给到了 $0.05/1M。但任务完成速度比自家的旗舰 GPT-6 Astra 和 6.1 Sol 快了 3 倍以上，用 Astra 十分之一的 Token 价格打出了几乎持平的分数。
3. 底线拉升，幻觉错误率从 53.6% 降到 16.7%
Terminal-Bench 4.0 代码能力从上一代的 21.5% 翻倍到 50.3%，在诱导错误的测试集上，低推理强度下的错误率从 5.6 Terra 的 53.6% 暴降 37 个百分点至 16.7%；最高强度下更是压到了 4.3%，基本追平 Astra。
4. 在 Artificial Analysis 的 AI Inteligience Index 上：
GPT-6.1 Terra (max) 拿到了 48 分，比上一代 GPT-5.6 Terra 的 42 分跨越了一大步，直接越过了 DeepSeek V4.1 Flash (45)、Qwen 3.6 Max (46) 和 Grok 4.7 (46)，紧咬自家的 GPT-6.1 Sol (52) 和 GPT-6 Astra (53)。
更有意思的是“智能水平 vs 单任务成本”帕累托前沿曲线：
单任务成本在 $1.5 到 $8+ 之间的完全神仙打架，Claude Opus 5.5 (58分) 和 Sonnet 5.5 (56分) 领跑，紧接着是 Muse Wonder Full (56分，但还没开放公开 API) 和 Kimi K3.1 Pro (55分)，以及 53 分的 GPT-6 Astra 和 Gemini 4 Argon。
单任务成本在 0.05 美元到 0.5 美元的黄金区：GPT-6.1 Terra 的 low / medium / high 档位几乎完美卡在了 $0.06 到 $0.2 的最具性价比区间里，往上承接 GPT-6.1 Sol，往下衔接统治极低成本区间的 GPT-6 Luna。
10月26日，Anthropic公开提交纳斯达克IPO申请，股票代码为"ANT"。主承销是高盛和摩根士丹利，发行价区间还未确认。
招股书里的关键信息，sec.gov/Archives/edgar/data/…：
1. 收入：
2023 年 0.41 亿美元 → 2024 年 3.86 亿 → 2025 年 45.9 亿。2026 上半年 162.9 亿，是去年同期的 14 倍。
2. 净收入留存率（NRR）约 900%：
老客户一年后平均多花 8 倍。
3. 年付超 10 万美元的客户 11,900+，超 1000 万美元的约 250 家。
4. 人效：
过去 12 个月人均收入 660 万美元，一年前是 140 万。
5. 账上现金加短期投资 1317 亿美元，累计融资 1411 亿。
上半年净亏 807 亿看着可怕，但其中 724 亿是可转债公允价值变动，属于估值涨了带来的账面亏损；经营亏损只有 6.9 亿，调整后经营利润已经转正，16 亿。
最特别的是治理结构：创始人团队通过一股 F 类股拿 50.1% 投票权，长期利益信托（LTBT）选董事会多数席位。买 A 类股的散户，基本没有话语权。
上市的 Anthropic，依然不是一家普通公司。
关于上市后的市值：
Anthropic 的融资估值过去一年翻了好几倍：去年 11 月那轮约 3500 亿美元，今年 5 月 9650 亿。
这次 IPO，市场讨论的是 1.5 到 2 万亿，约为年化收入的 22 到 30 倍。
路透 10/15 的报道说，投资人日之后，一些人讨论的估值降到了约 1.5 万亿美元，之前的预期是 2 万亿左右。原因是 Q3 收入环比只涨了 45%，到 168 亿美元，而 Q2 是翻倍以上。
彭博报的区间是 1.8 到 2 万亿美元。
xitter.gq/anthropicai/status/211…
Anthropic has filed an S-1 registration statement with the SEC related to its proposed IPO.
Read more: anthropic.com/news/s1-sec
Legal disclaimer: A registration statement relating to these securities has been filed with the SEC but has not yet become effective. These securities may not be sold, nor may offers to buy be accepted, prior to the time the registration statement becomes effective. This post does not constitute an offer to sell or the solicitation of an offer to buy these securities, nor shall there be any sale of these securities in any state or jurisdiction in which such offer, solicitation or sale would be unlawful prior to registration or qualification under the securities laws of any such state or jurisdiction.
