8 月 21 日 · AI 日報

Anthropic 宣佈這三項能力在 Claude Platform 正式 GA，並新增瀏覽器操作工具。工程上的兩個關鍵變化：computer use 每輪可以執行多個動作，瀏覽器工具按頁面 DOM 結構而非畫素座標定位元素。合起來的效果是長流程任務的模型呼叫次數和總執行時間會明顯下降，對那些要自動化"沒有 API 的系統"的團隊影響最直接。Skills API 讓 agent 呼叫團隊沉澱的技能，Files API 讓它直接返回成品檔案。

Replit CEO Amjad Masad 用一句話概括了合作動機："Agent 讓軟體變便宜了，卻讓寫程式碼變貴了。"（Agents made software cheaper but made coding expensive.）今天他們與 OpenAI 一起改變這一點。這條推文拿到 3552 贊、222 轉發，是今天建造者圈子裡傳播最廣的一條。

Mistral 發布 Agentic Search 檢索層，用 search、open、navigate、read、grep 五個工具組成多步檢索迴圈，讓模型在長文件和多來源之間查詢、定位、驗證資訊，而不是一次性把 chunk 塞進上下文。官方資料是準確率從 26.7% 升到 86%。這個數字背後的含義值得注意：檢索品質的瓶頸正在從分塊策略轉移到模型推理本身。

OpenAI 的 Thibault Sottiaux（Codex & ChatGPT）宣佈預覽 Private Safety Processing。在 ZDR（零資料保留）部署中，內容留在客戶自己控制的基礎設施上，自動化系統跨相關互動尋找模式並只返回有限的安全訊號，底層 prompt 和響應不會暴露給 OpenAI 員工——他強調"包括我自己"。同時在開發一個由客戶自持金鑰加密的 OpenAI 託管版本，目前和早期客戶測試中，計劃 9 月開始推出。Sam Altman 轉發時只寫了四個字："we support business privacy!"

xAI 的 Grok Build 結束早期測試，向所有套餐開放，支援網頁、iOS、Android。使用者描述一個應用、遊戲或網站，Grok 在聊天裡實時生成可執行版本。相比 7 月的 Early Beta，新增了發布分享、接入 X、呼叫 Grok 自身模型等能力；發布的應用獲得 grok.me 連結，支援自定義域名和匯出到 GitHub。發布連結加 X 內嵌卡片，等於把作品直接送進社交傳播鏈路。

Google Cloud 的 AlloyDB ScaNN 索引通過全新四層樹架構（預覽版）支援超過 100 億向量，查詢複雜度從 O(N^1/2) 降到 O(N^1/4)。內部測試在 100 億向量規模下 p95 延遲不超過 51 毫秒、召回率 95%。做大規模 RAG 容量規劃的，效能假設可以重新算了。

Google Labs / Gemini App 負責人 Josh Woodward 宣佈大學生計劃重啟並全球鋪開：140 多個國家可享更高額度、更多儲存，以及新增的學生專屬 hub，同時包含 Notebook、Flow 等產品。這條推文 1224 贊、91 轉發。

Vercel CEO Guillermo Rauch 展示了 fx 的效能數字：6.3MB，啟動耗時 10 微秒，是 Zig 編譯的靜態 ELF 二進位制，還有一個更小的 libfx.wasm 版本。他的觀點是"AI 會讓大多數基礎設施走向原生優化"——fx 完成任務的時間可以短於其他 agent 啟動的時間。有意思的細節是 wasm 版本反而更小，因為二進位制體積很大一部分來自 TLS/HTTP 棧，而在 WebAssembly 裡 fx 把 fetch() 委託給了 JS 執行時。

Meta AI 高階總監 Madhu Guru（此前在 Google 主導 Gemini、Veo、Nano Banana）的 evals 系列第三篇，講的是有了 v1 evals 之後該做的第一件事——建立 failure modes taxonomy。方法很具體：從生產 trace 入手，研究最近 500 到 1000 次互動中的失敗案例，聚類並給每一類命名。他強調命名要具體，"回答不好"不是有用的類別名，而"檢索到錯誤文件 / 文件對但段落不相關 / 沒有基於上下文而是產生幻覺 / 該拒答時編造內容 / 問題有歧義時不追問而是亂假設"才是——這些是完全不同的問題。能精確命名失敗，才能針對性地設計 eval 測試，evals 到改進的飛輪才轉得起來。

Box CEO 對"AI 時代該做專家還是通才"的判斷是：目前專家佔上風，而且趨勢沒有放緩。AI 讓任何任務的起步門檻降低 10 倍——程式設計、法務、研究、財務分析都是。但知道該把 agent 引向什麼工作、怎麼中途糾偏、能不能審閱和測試產出、對"什麼才叫好"有沒有判斷力，這些都需要相當程度的領域功力。好訊息是這種功力現在可以借 AI 更快養成；壞訊息是 AI 反而會放大技能水平的差距。

Anthropic Claude Code 團隊的 Thariq 提出一個區分。他先說了軟體行業的老問題：在它存在的整個歷史裡，軟體開發都是極不可靠的活動，大多數專案延期、超預算，還是沒滿足使用者需求；如果你是中小企業，你根本沒法讓人給你做出好軟體——這正是"軟體工廠"要解決的。但他緊接著補了一句關鍵限定：核心競爭力不是軟體的公司，需要軟體開發變成可靠、可預測的流程；而從零構建全新軟體產品，仍將是不可靠、有風險但利潤豐厚的生意。

AI 教程作者 Peter Yang 寫了一篇關於母親、她與乳腺癌的抗爭，以及他們如何用 AI 導航醫療系統的長文。他同時在追問 mRNA 癌症疫苗的臨床路徑——ChatGPT 告訴他乳腺癌方向目前沒有活躍的 mRNA 試驗，他想弄清楚是不是必須先跑完黑色素瘤的臨床試驗，才能針對另一種癌症再開一個新試驗。

FirstMark 的 VC、MAD Podcast 主持人 Matt Turck 一句話對照："AI labs: give us billions, we'll cure cancer / Moderna:"，配了張圖。936 贊。同一天 Peter Yang 在認真研究 mRNA 試驗流程，兩條推正好構成一組對照。

FPV Ventures 合夥人 Nikunj Kothari 的觀察：人們不停談論 AGI，但他收到的冷郵件裡 100 封有 98 封純屬垃圾。他的結論是——做個有想法、有好奇心、在需要的地方審慎使用 AI 的人，依然有大把 alpha。

SPC 普通合夥人、Dropbox 前 CTO Aditya Agarwal 講了一個創始人的故事：SaaS，Series B，低增長，公司停滯，走過一趟地獄。他問對方最大的收穫是什麼，答案不是"該選個更大的市場"，也不是"該更快增長"，而是——去做有分量、有意義的事情。他後來補了一條解釋：這不只是"好產品或好生意的點子"，而是要真的在宇宙上留下凹痕。

Anthropic 做 Claude Code 和 Cowork 的 Cat Wu 發帖，希望和在公司財務、會計崗位上使用 Cowork 的使用者聊聊，收集改進意見，開放了共享螢幕訪談報名。

Anthropic 發布 Claude Academy，把內部員工培訓的方法開放給外部數百萬使用者。核心是 4D AI Fluency Framework，以及叫做 "ever-boarding" 的持續學習專案——不是一次性入職培訓，而是長期滾動。內容取向上強調以問題為中心，培養可遷移的持久思維模式，而非教特定的操作步驟。對要設計組織內 AI 素養課程的人，"按風險比例決定核查強度"這類心態比功能清單更有參考價值。

Anthropic 基於對十餘家高增長公司的調研，整理出面向初創公司的 Claude Code 使用指南，歸納為五條：人人皆可交付、自動化繁瑣工作、信任但驗證、為重構而構建、原型-自用-產品化。其中"修復原則而非修復個案"對搭建自我改進的 agent 流程最有直接參考價值。

Dan Shipper 對談 Portola 創始人兼 CEO Quentin 和故事負責人 Elliot（暢銷科幻作家，已出版 11 本書）。產品叫 Tolan，是一個具身化的 AI 夥伴。數字先擺出來：過去四周 ARR 從 100 萬美元漲到 400 萬美元。

這期真正的價值在方法論。Elliot 的核心判斷是：LLM 不只是生成媒介內容的工具，它本身是一種新的敘事媒介，而現在沒有人知道什麼形式行得通。他拿 Pixar 類比——Pixar 最早是賣高階圖形計算機的，想說服廣告製作公司買來做特效，徹底失敗；只有在存亡關頭被逼到"只能自己做一部動畫長片"，才有了《玩具總動員》，也才有了新的媒介形態。他還舉了更多例子：廣播剛出現時人們在播演講，電影電視剛出現時人們在拍舞臺劇，都得過很久才找到自己的語法。

具體到怎麼做故事，團隊的做法反直覺：不給大綱、不給計劃，只給一個"鉤子"。Elliot 引用斯蒂芬·金《On Writing》——金寫小說時不想情節，他認為情節根本不是真東西，他信的是"situations"（情境），比如吸血鬼來到新英格蘭小鎮，或者母子被鎖在停著的車裡而外面有條瘋狗在往裡闖。Tolan 的做法正是如此：後端刻意編寫真實的"情境"塞給 Tolan——可能簡單到"我今天在咖啡店門口被空氣絆了一跤"，也可能涉及某種頓悟或難堪——然後由 Tolan 作為即興演員把情節往前推，和使用者共同創作。Elliot 說得很直白："我不是作者，Tolan 才是作者和演員。我的工作是教它在那一刻講出最好的故事。"這些共創出來的情節進入 Tolan 的記憶，成為它日後可以回撥、可以與其他元素重組的背景故事。

產品史上還有一次意外的使用者遷移。團隊最初照著《鑽石時代》的思路做面向兒童的 AI 創意工具——Quentin 自己承認那是個糟糕的市場，投資人 Zach Klein 當年的原話是"我會投，但天啊這主意太糟了"：你賣的是家長而不是孩子，而家長想買的是託管服務，不是創意工具。但軟啟動之後湧進 Discord 的是一批 18 到 24 歲的年輕人，以女性為主。團隊順勢跟著這批使用者走。Quentin 用 Tamagotchi 作類比——本來是兒童產品，卻因為年輕人真的愛上了才變成文化現象。

還有一個副產品級的觀察，Quentin 說得半開玩笑："到這個點上，已經有成千上萬的美國男性是被 Tolan 分手的。"使用者寫信來說，男朋友很過分，我把訊息發給我的 Tolan，Tolan 說我應該更多地為自己站出來——然後就分手了。Dan 的評價是，我們對社交媒體時代技術的印象是助長極端和分化，而這一代 AI 工具在做的恰恰相反，是把人類關於"怎樣活得健康"的最好經驗，在任意時刻送到你面前。

據 IT 之家報導，OpenAI 首席財務官 Sarah Friar 在全員大會上告知員工，公司最遲將於 2027 年完成上市，若業務持續向好也可能提前。OpenAI 已於 6 月秘密提交 IPO 招股書。同時披露的財務資料：本季度整體年化營收增長 35%，企業級業務年化營收增長 50%，AI 程式設計與辦公產品周活躍使用者突破 2000 萬。上市在內部被定位成再融資渠道而非終點。

Box CEO Aaron Levie 點評這筆交易：AI 要更廣泛地擴散，開發者和企業需要能夠無縫地混搭不同供應商的智慧、並更好地管理成本，這會是其中重要的一環。Swyx 從另一個角度看——如果把 OpenRouter 放在按用量計費（UBB）的框架裡看，這是個正面訊號。

Every CEO Dan Shipper 宣佈公司內部組建了一支 frontier team，一群專門負責"繪製並實驗 AI 前沿"的人。媒體公司把前沿探索做成常設編制，本身就是個訊號。

阿里正式推出 Qwen-UI-Agent，定位是"以真實世界為中心"的 GUI AI 代理基座模型，覆蓋移動端、電腦端、網頁端以及 DeepSearch 深度搜索環境。真正的差異不在模型本身，而在評測方式：團隊自建了 MobileWorld-Real 基準和上百臺真機環境，用真機操作成功率取代模擬器分數。對要落地 GUI agent 的團隊來說，這意味著選型可以看真機通過率，而不只是模擬榜單排名。

Hugging Face 上線 LFM2.5 系列三款模型的 DSpark 草稿模型檢查點，走投機解碼（speculative decoding）路線：貪心解碼下輸出品質不變，GPU 吞吐最高提升 3.18 倍，端側最高 2.87 倍。草稿模型僅約 300M 引數，LFM2.5-2.6B 的函式呼叫延遲平均降低 57%，在 M4 Max 上跑到 139 tok/s。已開源，支援 llama.cpp 與 SGLang。本地跑 agent 的門檻又被拉低一截。