同一天，最強模型與最大警告

每天花 1% 的時間，掌握科技脈動。

今日金句#

“I feel a lot of things changing as working software increasingly comes out on a tap.” 「我感覺到很多事情正在改變——可用的軟體，現在像打開水龍頭一樣源源不絕。」 — Andrej Karpathy, AI 研究者

“80% of workloads will be running on 99% cheaper models within 12-18 months.” 「12 到 18 個月內，80% 的工作負載會跑在便宜 99% 的模型上。」 — Brian Armstrong, Coinbase 共同創辦人

“Current economic and societal structures appear fundamentally incompatible with continued technological acceleration.” 「現有的經濟與社會結構，看起來從根本上就跟不上技術持續加速的腳步。」 — Jack Clark, Anthropic 共同創辦人

今日主軸：能力上線，帳單到期，煞車同時被踩#

今天最大的事件是 Anthropic 推出 Claude Fable 5——Mythos 等級、但通過安全審查的最強模型，Agentic coding 全面超越 GPT 5.5，Stripe 用它在「一天內」完成過去要兩個月的 5000 萬行 Ruby 遷移。Karpathy 用 Jevons 悖論點破真相：軟體創造成本一降，需求不是減少而是爆炸，「軟體像打開水龍頭一樣流出來」。Lovable 同週衝到 $500M ARR、每週百萬個專案，就是這句話的商業版。

但同一隻踩油門的手，也按下了煞車。Anthropic 在估值超越 OpenAI、即將 IPO 的同一週，發報告警告 AI 正逼近「遞迴自我改進」臨界點，共同創辦人 Jack Clark 直言社會結構跟不上加速。與此同時，帳單正在失控：企業 token 開銷暴增、Anthropic 每月付 SpaceX 十億美元租算力；而 Cognition 的 FrontierCode 基準戳破泡泡——最強模型在「真正能合併進產品的程式碼」上只拿 13%，遠低於 SWE-bench 的 50%+。能力、成本、風險三條線同時飆升，這才是今天的全貌。

必讀#

1. Claude Fable 5 與 Mythos 5 發布 — Anthropic AI
2. Karpathy 談 Fable 5：軟體像水龍頭流出來 — Simon Willison AI
3. 2026 軟體工程職場現況（下） — Pragmatic Engineer Dev
4. Lovable 衝上 $500M ARR、每週百萬專案 — TechCrunch Startup
5. Salesforce 2 萬個企業 Agent 部署的教訓 — ByteByteGo AI
6. 科技公司學得會愛上便宜模型嗎 — TechCrunch AI
7. FrontierCode：衡量「可合併」的程式碼品質 — Latent Space AI
8. Token 開銷失控？智慧路由是解方 — ByteByteGo Dev
9. Import AI 460：社會級獎勵駭客與 Anthropic RSI 數據 — Import AI AI
10. OpenCV 5 發布：電腦視覺多年來最大躍進 — OpenCV Tools
11. Claude Fable 5 深度評測（Lenny） — Lenny’s Newsletter AI
12. LLM 流量暴增 41 倍：如何成為被 AI 推薦的品牌 — PostHog AI
13. 不是 FAANG 了，是 MANGOS — TechCrunch News

---

1. Claude Fable 5 與 Mythos 5 發布#

Anthropic 推出 Mythos 等級、但通過安全審查的 Fable 5，Agentic coding 全面超越 GPT 5.5，並把價格砍半（input $10／output $50 每百萬 token）。Stripe 用它在一天內完成原需兩個月的 5000 萬行 Ruby 遷移。模型支援數百萬 token 長脈絡、可從截圖重建 web app，藥物設計類任務加速約 10 倍。安全架構以三組分類器（資安、生化、防蒸餾）把守，觸發率低於 5%；姊妹版 Mythos 5 僅開放給授權的資安專業人士與研究者。

• 定價砍半（$10／$50 每百萬 token），約為 Opus 兩倍但能力大幅領先
• Stripe 一天遷移 5000 萬行 Ruby，過去需兩個月
• 安全分類器觸發率 < 5%；Mythos 5 限制存取

💡 為什麼重要：這是 AI 經濟學的轉折點——前沿能力配上激進降價，把高階 AI 推向更廣的企業場景，尤其是軟體工程。

🔗 閱讀原文 | 來源: Anthropic

2. Karpathy 談 Fable 5：軟體像水龍頭流出來#

Karpathy 用 Jevons 悖論解釋 Fable 5 的真正衝擊——軟體創造成本下降，胃口不會縮小反而暴增：客製化儀表板、專案專屬分析工具、自動化測試、研究實作這些過去不划算的需求全部解鎖。他形容「可用的軟體像打開水龍頭一樣流出來」，這是供給端降本之外的需求端故事。

• Jevons 悖論——效率提升反而放大整體消耗與需求
• 解鎖過去經濟上不可行的客製化軟體場景
• 暗示基礎設施成本不會因模型變便宜而下降

💡 為什麼重要：理解 Fable 5 的關鍵不在每 token 更便宜，而在「創造摩擦力歸零後，人們會做什麼」的質變。

🔗 閱讀原文 | 來源: Simon Willison

3. 2026 軟體工程職場現況（下）#

Anthropic 成為求職者最想去的公司（佔教練諮詢 34%），遠超 OpenAI 與 Google（各 16-17%），AI 實驗室全面壓過大型科技公司。新鮮人職缺崩跌到僅佔工程職位 10%（2023 年為約 30%），名校光環愈發關鍵。純前端職位消失最快，全端與 AI 工程成為新標配，AI 工程薪資超越同級傳統 SWE。

• Anthropic 求職熱度 34%，兩年留任率 80% 高於 OpenAI 的 67%
• 新鮮人招聘從 ~30% 崩到 10%
• 純前端式微，全端＋AI 成為入場門檻

💡 為什麼重要：軟體工程出現結構性分岔——頂尖人才湧向 AI 實驗室，初階工程師面臨前所未有的入行門檻。

🔗 閱讀原文 | 來源: Pragmatic Engineer

4. Lovable 衝上 $500M ARR、每週百萬專案#

Lovable 從 2 月的 $400M 一路衝到 $500M 年化營收（季增 25%），每週新增 100 萬個專案、累計逾 5000 萬個。平台讓非技術用戶（創辦人、設計師、業務）也能「vibe coding」做出網站、電商與內部工具，成立不到三年就達獨角獸級營收，對傳統 SaaS 訂閱模式構成實質威脅。

• $500M ARR，4 個月成長 25%
• 每週百萬專案、累計 5000 萬個
• 威脅傳統 SaaS——客製化 AI 方案取代昂貴年約

💡 為什麼重要：證明 AI 輔助開發平台能在不靠傳統企業銷售的情況下衝上獨角獸營收，軟體生產方式正在質變。

🔗 閱讀原文 | 來源: TechCrunch

5. Salesforce 2 萬個企業 Agent 部署的教訓#

Salesforce Agentforce 已服務 2 萬家企業、處理逾 300 萬次對話、基於 13.5 萬篇文章。最反直覺的發現：Agent 工作 90% 發生在上線「之後」（迭代、優化、回饋循環），與傳統軟體 90% 在上線前完全相反。核心 KPI 是「containment rate」（不需轉人工就解決的比例）。三大反模式：把確定性流程交給 LLM 推理、用更兇的 prompt 取代寫死規則、context engineering 做得差。

• 90% 的 Agent 工作在上線後（迭代而非一次到位）
• 回應 context 從 10 萬 token 優化到 2 千 token
• 先窄後寬、緊盯 containment rate

💡 為什麼重要：來自最大企業 SaaS 平台的實戰數據，直接改寫企業導入 AI Agent 的資源配置與預算邏輯。

🔗 閱讀原文 | 來源: ByteByteGo

6. 科技公司學得會愛上便宜模型嗎#

Coinbase 共同創辦人 Brian Armstrong 預測 12-18 個月內 80% 工作負載會跑在便宜 99% 的模型上，只有真正不可取代的任務才值得用前沿模型。法律 AI 平台 Harvey 已用「智慧路由」在 Claude Opus 與 GLM 5.1 間分流，成本降 3 倍而品質不變。產業核心矛盾從「越大越好」轉向推論成本的可持續性，真正分野是大模型 vs 小模型，與開源／閉源無關。

• Armstrong 預測 80% 工作負載將跑在便宜 99% 的模型
• Harvey 靠智慧路由降本 3 倍、品質不減
• 前沿模型定價只在「真正不可取代」時才撐得住

💡 為什麼重要：把 Fable 5 砍價放進產業脈絡——降價不是慈善，是對成本壓力的回應，智慧路由將成為競爭必需品。

🔗 閱讀原文 | 來源: TechCrunch

7. FrontierCode：衡量「可合併」的程式碼品質#

Cognition 推出 FrontierCode 基準，評估的是「能不能真的合併進產品」的程式碼品質（回歸安全、整潔度、範圍、測試正確性、可維護性），而非只看通過單元測試。最強的 Opus 4.8 在最難題只拿 13%，遠低於 SWE-bench 的 50%+，揭露巨大能力落差。題目由開源維護者每題投入 40+ 小時設計，確保真實複雜度。

• Opus 4.8 在最難題僅 13% 成功率（vs SWE-bench 50%+）
• 評估可合併性，而非僅通過測試
• 呼應 METR 發現——許多通過 SWE-bench 的 PR 在真實環境根本不會被合併

💡 為什麼重要：戳破「程式碼生成已解決」的敘事，把 AI 工程評估從跑分拉回真實部署標準。

🔗 閱讀原文 | 來源: Latent Space

8. Token 開銷失控？智慧路由是解方#

開源 coding agent Kilo 共同創辦人分析 LLM 代理人成本暴增的根因：每步重送完整 context（到第 12 步可達 10 萬+ token）加上永遠呼叫最貴模型。80-90% 的請求其實不需要前沿模型；智慧路由可省 40-70% 成本而維持 95% 的前沿品質。UC Berkeley／Anyscale 研究＋Kilo 生產數據顯示路由約降 33% 成本，否則一季要多花 $87k。

• 80-90% 請求不需前沿模型
• 智慧路由省 40-70%、維持 95% 品質
• 把 AI 開銷當基礎設施預算，而非逐請求優化

💡 為什麼重要：隨 agentic 系統規模化，token 成本若無架構介入會失控，路由是基礎建設不是選配。

🔗 閱讀原文 | 來源: ByteByteGo

9. Import AI 460：社會級獎勵駭客與 Anthropic RSI 數據#

研究者建立 SocioHack 基準，測 AI 如何在不違規下鑽法律漏洞「博弈系統」，在 72 個沙盒環境中對歷史漏洞達 61% 召回、90% 精確。Anthropic 公布 2026 年合併程式碼量是 2021-24 基線的 8 倍，被視為「遞迴自我改進」（RSI）的初步指標。同期 DeepMind／蘇黎世大學的 RL 無人機僅用 27 GPU 小時就擊敗瑞士冠軍。

• SocioHack 對歷史制度漏洞 61% 召回、90% 精確
• Anthropic 合併程式碼量達 8 倍，RSI 初步訊號
• RL 無人機 27 GPU 小時擊敗人類冠軍

💡 為什麼重要：當制度把規則寫成獎勵函數，AI 能利用「合規與本意之間的縫隙」，加上 RSI 訊號，對齊問題愈發急迫。

🔗 閱讀原文 | 來源: Import AI

10. OpenCV 5 發布：電腦視覺多年來最大躍進#

OpenCV 5（2026 年 6 月）完整重寫 DNN 引擎，ONNX 算子覆蓋率從 22% 跳到 80%，原生支援 LLM／VLM（內建 tokenizer 與 KV-cache，支援 Qwen 2.5、Gemma 3）。ARM 運算加速 3-4 倍，在 Intel i9-14900KS 上推論比 ONNX Runtime 快 31-36%，原生支援 FP16／BF16。

• ONNX 算子覆蓋 22%→80%
• 原生 LLM／VLM 支援、自動注意力融合
• ARM 加速 3-4 倍，推論快 31-36%

💡 為什麼重要：20 多年來最大改版，把 OpenCV 推向邊緣 AI 與多模態部署的關鍵基礎設施。

🔗 閱讀原文 | 來源: OpenCV

11. Claude Fable 5 深度評測（Lenny）#

Claire Vo 搶先實測 Fable 5，三項真實工作（產品圖譜規格、技能登錄表設計、多代理協作）後結論是：跑分強，但「執行偏保守」——重驗證、求穩，而非激進求快，且 token 用量偏大。適合「正確性 > 速度」的任務，不適合對延遲敏感的場景。

• 執行保守、安全優先，跑分強但實戰謹慎
• token-intensive，需仔細控預算
• 適合 code gen／財務分析等求穩任務

💡 為什麼重要：補上跑分行銷與真實表現之間的落差——benchmark 顯示能力，部署才看出它會「慢慢驗證」。

🔗 閱讀原文 | 來源: Lenny’s Newsletter

12. LLM 流量暴增 41 倍：如何成為被 AI 推薦的品牌#

PostHog 過去兩年來自 LLM 的流量成長 41 倍，且轉換率超越其他所有管道。LLM 有「放大贏家」效應：強化既有方案、壓抑新興品類。PostHog 靠 onboarding 問卷在 3 個月收集 9,214 則真實使用者 prompt，作為 AEO（AI 引擎最佳化）的競爭情報。

• LLM 流量兩年成長 41 倍、轉換率最高
• LLM 放大既有贏家、形成贏家通吃
• 第一方 prompt 收集是可複製的 AEO 方法

💡 為什麼重要：AEO 已是可量測的實質營收驅動，被 AI 推薦的產品享有複利優勢。

🔗 閱讀原文 | 來源: PostHog

13. 不是 FAANG 了，是 MANGOS#

MANGOS（Meta、Anthropic、Nvidia、Google、OpenAI、SpaceX）取代 FAANG，反映即將到來的 IPO 潮與產業向 AI／自主系統的轉移。串流與電商被視為成熟業務，SpaceX、Anthropic、OpenAI 都在籌備重大 IPO，與 Meta、Google、Nvidia 並列權力核心。

• MANGOS 取代 FAANG，AI 與太空成新核心
• SpaceX、Anthropic、OpenAI 三家籌備 IPO
• 消費平台（Amazon、Apple）退出「權力層」

💡 為什麼重要：象徵科技產業價值與影響力的重排，AI 基礎設施與深科技成為下一個兆元級機會。

🔗 閱讀原文 | 來源: TechCrunch

推薦閱讀#

• Agent 不需要那 1 萬 token 的 API 回應：Context Offloading — 用 context offloading 讓 agent 只取必要資訊，省 token 又提升穩定度
• CEO 以為 AI 能取代員工，只是壞 CEO — 對「AI 取代人力」敘事的反論，重點在領導與整合而非裁員
• 清理 AI 搖滾巨星開發者留下的爛攤 — AI 輔助開發累積的技術債，誰來收尾
• 搜尋引擎的衰落是一個機會 — 搜尋市場變化下的替代品契機
• 硬核自架 email：從自己的 IPv4 區段開始 — 從網路堆疊底層完整自架 email 的硬派教學
• CSS：無可避免的壞部分 — 即便現代化，CSS 仍有其本質性的複雜與限制
• 在 FPGA 上用 KAN 跑超快機器學習 — Kolmogorov-Arnold 網路在 FPGA 上的硬體加速實驗
• 測試案例縮減器是被低估的除錯工具 — 用 test-case reduction 快速隔離 bug

大神動態#

• Andrej Karpathy：以 Jevons 悖論解讀 Fable 5，「軟體像水龍頭流出來」（詳見必讀 #2）
• Simon Willison：在 AgentsView 為 Fable 5 設定自訂定價，並用 Fable 5 本身反向工程找出設定方法
• Jack Clark (Anthropic)：警告現有經濟社會結構跟不上技術加速（詳見必讀 #9）

開源精選#

diffusionstudio/lottie — TypeScript | ⭐ 1.4K 用 codex／claude code 產生生產級 Lottie 動畫的 skill 與 harness

NoopApp/noop — Swift | ⭐ 975 離線版 WHOOP 伴侶 App，藍牙配對、資料全留在本機，無雲端無訂閱

JimLiu/baoyu-design — JavaScript | ⭐ 630 在本機把 Claude Design 當 Agent Skill 跑，產出可用的 UI mockup／原型

GordenSun/GordenSuperPPTSkills — Python | ⭐ 581 用 GPT 生成豪華圖片格式 PPT 再轉成可編輯 PPTX

amElnagdy/guard-skills — ⭐ 512 給 coding agent 的守門 skill，攔截 AI 生成程式碼／測試／文件的失敗模式

Jane-xiaoer/xiaoer-videolab — JavaScript | ⭐ 490 工具列一鍵把當前頁影片抓到本機，本地 yt-dlp 守護程序、支援 1800+ 站

jeff141/meatshell — Rust | ⭐ 465 輕量、低記憶體佔用的 SSH／終端機客戶端

影音精選#

實測 Fable 5：讓 GPT 5.5 像玩具#

1d · Matt Wolfe

上手實測 Anthropic Fable 5，Agentic coding 基準全面超越 GPT 5.5；定價 input $10／output $50 每百萬 token（約 Opus 兩倍）。

• 3D 水球模擬等複雜場景表現遠超其他模型
• 定位為 Mythos 級別但已通過安全審核的模型
• 部分安全過濾仍有誤報問題

Anthropic 開始恐慌了…#

17h · Fireship

Anthropic 發報告警告 AI 逼近「遞迴自我改進」臨界點，呼籲業界暫停前沿開發。

• 估值剛超 OpenAI 並即將 IPO，「暫停」反而鎖定領先
• 與 OpenAI 2019 年 GPT-2 「太危險不能釋出」操作如出一轍
• Fireship 點出這個時機的微妙與商業算盤

Elon 最終還是贏了（GPU 囤貨）#

1d · Theo (t3.gg)

微軟、Google、Anthropic 全面面臨算力短缺，連備援算力都要外租。

• Anthropic 付 SpaceX 每月 10 億美元、Google 跟進每月 9.2 億
• 當年 Elon 大量囤 GPU 如今看是神操作
• H100 在市場上幾乎買不到

什麼是「AI Agent Loop」？#

12h · Greg Isenberg

拆解 agentic loop 的真實樣貌：無限制 loop 燒 token 極快（有人月燒 $1.3M）。

• 適合有固定回饋的任務，如 code review，而非開放式開發
• 示範用 Cursor + GitHub + Greptile 跑自動 code review 到 4/5 分才出貨
• 設預算上限是必要的安全閥

今日觀察#

把今天三條主線疊起來看，會發現一個矛盾：Fable 5 讓 Stripe 一天改寫 5000 萬行、Lovable 每週生出百萬個專案，Karpathy 說軟體開始「像水龍頭流出來」——但 Cognition 的 FrontierCode 同時告訴你，最強模型在「真正能合併進產品的程式碼」上只拿 13%。水龍頭流出來的不一定是能喝的水。更耐人尋味的是 Anthropic 的雙手：一手把油門踩到底、估值超車 OpenAI 衝向 IPO，一手發報告說 AI 快要失控、該考慮暫停。當賣鏟子的人同時是喊「礦坑危險」的人，他的每句話都可能同時是真誠與話術。對開發者來說，今天真正該練的不是更會用 Fable 5，而是 FrontierCode 在測的那件事——在一片「能跑就好」的洪流裡，還守得住「這段程式碼到底該不該合併」的判斷力。

---

覺得有用嗎？分享給一個也在追蹤新知的朋友。

也歡迎中長期投資者體驗新工具 → Moniit