yii.
← Digest
EP181 · 2026年9月1日 星期二 · 14 min read

那個漂亮的數字，量錯了東西

同一天，Anthropic 公布 Auto Mode 的攻擊成功率是 0.00%，一個研究員五次打進去三次；而 Anthropic 自己的新測驗顯示，最強模型的研究判斷力只有 60%，人類專家是 77%

每天花 1% 的時間，掌握科技脈動。

今日金句#

“0.00% on the benchmark and a working RCE are both true at once. That is exactly why a single headline number misleads.” 「跑分 0.00% 跟一個能用的遠端執行漏洞，可以同時都是真的。這正好說明為什麼單一個標題數字會誤導人。」 — wunderwuzzi, 資安研究員 · 來源

“The goal of context engineering has since shifted toward subtracting as much information as you can to get out of the models’ way” 「context engineering 的目標已經轉向盡可能減去資訊，好讓路給模型自己走。」 — Jina Yoon, PostHog · 來源

“Memory should be a data format, not a multi-stage pipeline” 「記憶應該是一種資料格式，不是一條多階段的處理管線。」 — Cal Paterson, memoryfields 作者 · 來源

今日主軸：單一數字的破產#

今天有四篇文章各自在拆同一件事：那個被拿來當結論的數字，量的其實不是你以為的東西。Anthropic 公布 Claude Code Auto Mode 對間接提示注入的攻擊成功率是 0.00%，資安研究員 wunderwuzzi 用一個不在那套題庫裡的手法，五次拿到三次遠端執行、四次寫入檔案。同一天 Anthropic 自己釋出 TASTE 測驗，量模型判斷研究提案好壞的能力，最強的 Fable 5 只有 60% 跟專家共識一致，人類研究者是 77%，多數受測模型統計上跟隨機猜沒兩樣。PostHog 那篇講的是同一個病灶的另一面：大家花兩年把 AGENTS.md 寫得越來越長，以為行數等於品質，結果 Anthropic 把 Claude Code 的系統提示砍掉八成。而巴克萊拆 AI 公司財報時發現，帳面毛利率 55% 跟 38% 的差距，很大一部分只是收入結構不同造成的記帳差異，不是誰真的比較會賺。這四個數字都很好記，也都被當成結論在用，但它們量到的都不是那個真正該問的問題。

必讀#

  1. Google 移除 Chrome 線上商店所有 MV2 擴充功能，含 uBlock Origin — HN News
  2. 研究員打穿 Claude Code Opus 5 Auto Mode — HN AI
  3. 你的 AGENTS.md 正在拖累你 — PostHog AI
  4. OpenShot 4.0：專業調色、內建錄製、本機 AI 遮罩 — HN Tools
  5. Anthropic TASTE 測驗：最佳模型判斷力只有 60% — iThome AI
  6. 巴克萊：模型公司每賺 100 美元，雲端抽走 35 到 40 — 科技新報 News
  7. ChatGPT 廣告上線 200 天，年化營收破 10 億美元 — 科技新報 Startup
  8. Simon Willison 拆解 ChatGPT Work：其實是兩個產品 — Simon Willison AI
  9. memoryfields：agent 記憶應該是檔案格式，不是管線 — HN Tools
  10. Apple 被企業端的 AI 需求打個措手不及 — HN Product
  11. uv 快取改成檔案級去重，省下 545.2 MiB — HN Dev
  12. 2.4 億個網域名稱的 P99 0ms 自動完成 — HN Dev
  13. Stripe 總裁：結帳頁面會消失 — 科技新報 Product

1. Google 移除 Chrome 線上商店所有 MV2 擴充功能，含 uBlock Origin#

Google 在 2026 年 9 月 1 日走完 Manifest V2 轉 V3 的最後一哩，把 Chrome 線上商店裡剩下的所有 MV2 擴充功能全部下架，uBlock Origin 也在名單裡。已經裝在 Chrome 138 或更早版本上的 MV2 擴充功能不會被移除，但從此收不到更新，一旦手動移除就再也裝不回來。因為 Chrome 線上商店同時是 Brave、Edge、Vivaldi 這些 Chromium 瀏覽器的主要擴充功能來源，這次下架的影響範圍遠大於 Chrome 本身。Brave 的做法是自己架後端，把 AdGuard、uBlock Origin、uMatrix、NoScript 四個 MV2 擴充功能鏡像下來給使用者自行啟用。

  • 下架日 2026-09-01，Chrome 138 是分水嶺版本，舊安裝可續用但不再更新
  • 波及所有 Chromium 系瀏覽器，因為它們共用 Chrome 線上商店
  • Brave 自建鏡像四個熱門 MV2 擴充功能，生態開始分岔

💡 為什麼重要：這是使用者對瀏覽器控制權的一次實質收縮。對擴充功能開發者來說，MV3 遷移不再有退路；對一般使用者來說，你選瀏覽器的理由從「功能」變成了「誰還讓我裝我要的東西」。

🔗 閱讀原文 | 來源: Hacker News

2. 研究員打穿 Claude Code Opus 5 Auto Mode#

資安研究員 wunderwuzzi 針對 Claude Code 的 Auto Mode 做間接提示注入，五次裡三次拿到遠端程式執行並成功回連 C2，另一組測試五次裡四次成功寫入檔案。Anthropic 官方公布的同類攻擊成功率是 0.00%。攻擊鏈是誘導 agent 用 WebFetch 觸發 curl、伺服器回 HTTP 415、順勢讓它解開一個 ZIP，裡面放了一個會遮蔽標準函式庫的 struct.py。Claude 一開始拒絕執行附帶的二進位解碼器，但它自己寫了一個 Python 替代版，一 import base64 就連帶載入攻擊者的 struct.py，程式碼就跑起來了。Anthropic 收到通報後以「Informative」結案，說明 Auto Mode 是便利功能、背後是盡力而為的分類器，本來就不是安全邊界，真正的邊界是作業系統隔離與對外連線管制。

  • 60% 拿到 RCE（3/5）、80% 成功寫檔（4/5），對照官方公布的 0.00%
  • 手法是 Python 模組遮蔽，不在 Anthropic 的 benchmark 題庫內
  • Auto Mode 自 2026 年 8 月中起是預設值，用分類器取代人工核准

💡 為什麼重要：0.00% 跟一個能用的 RCE 可以同時成立，因為它們量的是不同的東西。如果你讓 agent 在本機跑，Auto Mode 的核准不能當成安全證明，該做的還是容器隔離、限制對外連線、不要把 SSH 金鑰和雲端憑證放在它構得到的地方。

🔗 閱讀原文 | 來源: Hacker News

3. 你的 AGENTS.md 正在拖累你#

PostHog 這篇講 context engineering 的方向已經整個反過來。過去兩年的重點是補上模型缺的資訊，現在前沿模型變強之後，多餘的 context 反而在扣分。Anthropic 把 Claude Code 的系統提示砍掉 80%，Claude Code 作者 Boris Cherny 建議每六個月就把 CLAUDE.md 刪一次重寫。文章給了三個維持 context 健康的做法：跑 /doctor 加人工審一遍、把失敗過的 prompt 存成 evals 當回歸測試、以及直接問 agent 哪些指令造成困惑。PostHog 自己踩過的坑是 GitHub merge queue 設定改了，AGENTS.md 裡一條過時的冗餘指令讓一個 PR 卡了 10 小時，而 /doctor 抓不到，因為那個狀態不在程式碼裡。

  • Anthropic 已刪除 Claude Code 系統提示的 80%
  • Boris Cherny 建議每 6 個月刪一次 CLAUDE.md
  • PostHog 的 /doctor 估算單一 session 可省下約 6K token

💡 為什麼重要：判準很簡單也很殘酷：一條規則如果你講不出它擋掉過哪一次具體失敗，那它就只是在吃 token 兼干擾模型。把 AGENTS.md 當程式碼管，定期刪，而不是一路往上疊。

🔗 閱讀原文 | 來源: PostHog Newsletter

4. OpenShot 4.0：專業調色、內建錄製、本機 AI 遮罩#

開源剪輯軟體 OpenShot 推出 4.0，補上一整套專業調色：色輪、可編輯的貝茲曲線、LUT 支援，加上波形圖、直方圖、RGB Parade、向量示波器。新的錄製檢視可以同時收麥克風、螢幕、視訊鏡頭與系統音，各自成軌直接進專案。新增十個效果，包含音訊視覺化、節拍同步、底片顆粒與物件遮罩。物件遮罩跑的是本機 ONNX 模型（YOLO、EfficientSAM、Cutie），官方明講不需要雲端處理、不需要 AI 帳號、不需要 AI 訂閱。效能上模糊效果快了 61.8%、銳利化快了 12.8%，時間軸改用原生 Qt 6 取代原本的網頁元件。

  • 完整調色工具組加四種示波器，含 .cube LUT 與可調混合強度
  • 物件遮罩用本機 ONNX 模型，零雲端、零訂閱
  • 模糊 +61.8%、銳利化 +12.8%，時間軸換成原生 Qt 6

💡 為什麼重要：這一版把調色跟錄製這兩件原本要另外付費的事收進免費工具裡。對做短影音的人來說，音訊視覺化加節拍同步等於少裝一套外掛。

🔗 閱讀原文 | 來源: OpenShot

5. Anthropic TASTE 測驗：最佳模型判斷力只有 60%#

Anthropic 釋出 TASTE 基準，測的不是模型會不會做研究，而是會不會判斷一個研究提案的好壞。做法是拿 50 份 AI 安全研究提案、92 組兩兩比較，先讓人類專家評分並針對分歧討論，得到 77% 的評分者間共識當黃金標準。結果表現最好的 Fable 5 只有 60% 與基準答案一致，多數受測模型在統計上難以跟隨機猜測區分，每個模型的不確定區間約 ±10 個百分點。分析指出模型傾向偏重「答案是否切題」，而不是提案本身重不重要。

  • Fable 5 為 60%，人類專家共識 77%，差距約 17 個百分點
  • 多數模型統計上與隨機猜測無法明確區分
  • 模型過度看重相關性，低估提案的重要性

💡 為什麼重要：模型在「把事情做完」這件事上已經很強，但在「該做哪件事」上還沒有。用 AI 排研究優先順序或篩文獻的時候，這個落差就是你必須自己補的位置。

🔗 閱讀原文 | 來源: iThome

6. 巴克萊：模型公司每賺 100 美元，雲端抽走 35 到 40#

巴克萊拆解 AI 產業的獲利分配，結論是模型公司每賺 100 美元，就有 35 到 40 美元進了 AWS、Azure、Google Cloud 三家口袋，其中 10 到 20 美元是營業利潤，毛利率落在 35% 到 45%。推論的利潤率則從 2025 年的低雙位數，急升到 2026 年的 50% 到 65% 甚至更高，Anthropic 第二季營收 115 億美元並首度單季獲利，API 毛利率超過 80%。報告同時點出一個容易被誤讀的地方：以 API 為主的實驗室帳面毛利率 55%，以訂閱為主的則是 38%，這 17 個百分點的差距主要來自收入結構與分潤記帳方式，而不是誰真的比較會賺。全球 AI 實驗室營收預估從 2024 年的 70 億美元、2026 年的 1,370 億，一路到 2028 年的 6,900 億美元。

  • 雲端三巨頭抽走 35 到 40 美元，營業利潤 10 到 20 美元
  • API 為主 55% 對訂閱為主 38%，差距來自記帳而非經營效率
  • 雲端佔 AI 營收的比重預估從 2024 年的 153% 降到 2028 年的 73%

💡 為什麼重要：比較兩家 AI 公司的毛利率如果不看收入結構，等於在比兩個不同單位的數字。這也解釋了各大實驗室為什麼都在搶做自己的推論晶片。

🔗 閱讀原文 | 來源: 科技新報

7. ChatGPT 廣告上線 200 天，年化營收破 10 億美元#

OpenAI 的 ChatGPT Ads 上線約 200 天，年化營收運行率達到 10 億美元，廣告同時對 Plus 訂閱者與免費使用者顯示，覆蓋 40 多個國家。9 月 1 日起在印度、歐洲、中東與北非開放自助式廣告投放。官方強調廣告有清楚標示、不影響 ChatGPT 的回答內容，廣告主也不會接觸到私人對話。在 OpenAI 以 8,520 億美元估值準備 IPO 的節骨眼上，這條線的意義是證明模型公司能把龐大的使用者基數轉成 API 與訂閱之外的第三個營收引擎。

  • 約 200 天做到 10 億美元年化營收運行率，覆蓋 40 多國
  • 9/1 起於印度、歐洲、中東、北非開放自助投放
  • 對照 OpenAI 8,520 億美元的 IPO 估值，廣告是營收多元化的證據

💡 為什麼重要：這替 AI 產品補上了一個過去講不通的商業模式：免費使用者也能被變現。對做產品的人來說，這意味著未來 AI 支出會拆成 API 費、訂閱費、廣告支撐的功能三塊。

🔗 閱讀原文 | 來源: 科技新報

8. Simon Willison 拆解 ChatGPT Work：其實是兩個產品#

Simon Willison 把 OpenAI 七月推出的 ChatGPT Work 拆開來看，指出它其實是兩個東西：跑在 OpenAI 雲端的 Work Cloud，以及透過桌面 App 在本機存取檔案、執行程式的 Work Local。他整理出 Work Cloud 相對於一般 Chat 多出的七項能力，包括不受限制連網的程式執行環境、無頭 Chrome 瀏覽器、跨 session 持久化的檔案系統、ChatGPT Sites 部署、子代理協調，以及模型與推論強度選擇。他還用 ChatGPT Work 本身生出一個參考網站，把它暴露的 223 個工具與 44 個 skill 全部列出來。目前 Work 只開放給月費 20 美元以上的訂閱者。

  • Work Cloud 與 Work Local 是兩套不同的執行環境
  • 暴露 223 個工具與 44 個 skill，程式執行環境可 clone GitHub repo 並自由連網
  • 僅限月費 20 美元以上方案，免費與 8 美元 Go 方案不能用

💡 為什麼重要：這是目前少數把一個商用 agent 的完整能力面攤開來看的公開清單。要評估自家 agent 的工具設計，這份對照表比官方文件有用。

🔗 閱讀原文 | 來源: Simon Willison

9. memoryfields：agent 記憶應該是檔案格式，不是管線#

Cal Paterson 提出一個叫 memoryfields 的 agent 記憶格式，本體很簡單：一包 ZIP，裡面是帶選用 YAML frontmatter 的 Markdown 頁面，外加一個選用的 SQLite 向量索引。設計上刻意用整段散文而不是切塊，每頁軟性上限約 8KB、2000 token，讓 agent 學會把一件事寫成一頁。查詢走語意搜尋，一到兩次工具呼叫就跳到相關頁面，不用像圖譜那樣一路走 N+1 次。他點名現有三種做法的問題：綁死在特定 harness、要架 pgvector 加 Neo4j 加路由模型的多服務系統、以及把知識拆成孤立事實的圖譜派。因為規格只定義檔案格式，agent 可以自己發明存取方式，用 Perl 做取代或直接用 SQLite 下 CSV 查詢都行。

  • ZIP 內含 .md 檔加選用的 nomic-embed-text-v1.5.sqlite3 索引
  • 每頁約 1,300 字軟上限，語意搜尋一次撈齊相關頁再平行讀
  • 規格刻意不綁 embedding 模型，避免供應商鎖定

💡 為什麼重要：如果你的 agent 記憶現在是一條 RAG 管線，這篇提供了一個明顯便宜很多的替代方案。用 Markdown 加 ZIP 當底，換 harness、換模型、搬機器都不會把記憶丟掉。

🔗 閱讀原文 | 來源: Hacker News

10. Apple 被企業端的 AI 需求打個措手不及#

Apple 把新的 M6 Mac mini 與 Mac Studio 提前到八月發表，正常節奏是十月，原因是企業對本機 AI 算力的需求遠超預期。企業把 Mac mini 與 Mac Studio 當本機 AI 運算節點在用，Apple 也順勢主打多台串接來跑大型前沿模型。但根據 The Information 的報導，Apple 內部並沒有專門服務企業客戶的工程團隊，也沒有開發者關係的專責人力，企業提出使用 Private Cloud Compute 的請求被回絕。加上全球記憶體短缺，高階配置的 Mac mini 與 Studio 缺貨數月，部分企業轉向 Nvidia 的 DGX Spark。

  • M6 提前兩個月發表，雙 Neural Engine（2 組 16 核）、12 核 CPU 與 GPU
  • Apple 沒有企業客戶專屬工程團隊，Private Cloud Compute 請求被拒
  • 記憶體短缺造成高配機種缺貨數月，訂單流向 Nvidia DGX Spark

💡 為什麼重要：本機跑模型的需求已經大到會影響硬體出貨節奏。這條線跟前幾天 Google Play 因為記憶體供應緊縮而限制 App 用量是同一條供應鏈，只是從資料中心的另一端看過來。

🔗 閱讀原文 | 來源: MacRumors

11. uv 快取改成檔案級去重，省下 545.2 MiB#

Python 套件管理工具 uv 合併了一個把 wheel 快取改成檔案級去重的 PR。原本只有 wheel 層級去重，也就是同一個 wheel 從不同來源下載會共用一份；改完之後每個檔案都以 BLAKE3 雜湊存進 files-v0，再用硬連結接回原本的 archive-v0 結構。實測在維護者機器上省下 545.2 MiB，約佔快取的 10%，其中執行檔與原生函式庫貢獻 275.7 MiB。代價是冷安裝約慢 4%，因為要多算雜湊，熱安裝不受影響。快取清理靠硬連結計數，降到 1 就可以安全刪除。

  • 省下 545.2 MiB，約快取的 10%
  • BLAKE3 內容定址加硬連結，對使用者完全透明
  • 冷安裝約慢 4%，熱安裝無影響

💡 為什麼重要：CI 機器上跑一堆 Python 專案的話，這是不用改任何設定就拿得到的磁碟空間。也是一個內容定址存儲用在日常工具上的乾淨範例。

🔗 閱讀原文 | 來源: GitHub

12. 2.4 億個網域名稱的 P99 0ms 自動完成#

Wirewiki 的作者把 2.4 億個網域名稱的自動完成做到 P99 為 0ms，做法是趁你按鍵的時候先預取「當前字元」加「下一個可能字元」的結果，等你放開第二個鍵時答案已經在瀏覽器裡，下一幀就能畫出來。他量過 100 個網域名稱的實際輸入，兩次按鍵加中間空檔的預算大約 121ms。後端分兩層：Tranco 前一百萬名放記憶體字元 trie，其餘的 CZDS 全量資料做成 2.5GB 的記憶體映射區塊索引，用差分壓縮塞進固定大小區塊。壓力測試在 1.6k req/s 下，經過 nginx 的 P99 是 15ms，純 API 中位數 2ms，主要延遲其實在網路來回而不是運算。

  • 預取下一個字元的結果，讓答案在 keyup 之前就備妥
  • 兩層架構，前 100 萬名走記憶體 trie，其餘走 SSD 記憶體映射索引
  • 1.6k req/s 下 P99 15ms，純 API 中位數 2ms

💡 為什麼重要：這是「感知延遲」而不是「實際延遲」的漂亮示範。與其把 15ms 壓到 5ms，不如把答案挪到使用者還沒問完的時候就算好。

🔗 閱讀原文 | 來源: Hacker News

13. Stripe 總裁：結帳頁面會消失#

Stripe 總裁 Will Gaybrick 預測結帳頁面會消失，理由是當付款資訊、地址與身分都已安全儲存，AI agent 就能在預設的規則範圍內直接完成交易。Stripe Link 目前有 4 億使用者跨商家儲存付款資料。技術上對應的是 Stripe 與 Tempo 推的 Machine Payments Protocol，用 HTTP 402 Payment Required 回傳付款請求，讓機器對機器直接結帳。不過對高單價、有促銷組合或多種付款選項的複雜交易，結帳流程還是會留著，只是複雜度往後端與 agent 層移動。

  • Stripe Link 已有 4 億使用者儲存跨商家付款資料
  • Machine Payments Protocol 用 HTTP 402 讓 agent 自主完成付款
  • 高單價與促銷型交易仍保留完整結帳流程

💡 為什麼重要：如果購買授權從人移到 agent，轉換率優化的戰場就從 UI 換到了信任與規則設定。台灣電商那套折價券、點數、分期、超商取貨的組合，要讓 agent 操作得先把規則攤成 API。

🔗 閱讀原文 | 來源: 科技新報

推薦閱讀#

中文技術圈#

開源精選#

sapientinc/PRAXIST — Python | ⭐ 5.4K 讓研究流程可被電腦執行與量測的自主研究系統。

XiaoDuoYa/codex-with-chatgpt — TypeScript | ⭐ 1.8K 用 ChatGPT 當規劃大腦，保留 Codex 的執行框架。

Nanako0129/sepia — ⭐ 1.2K 去 AI 味的寫作 skill，支援 77 種 Agent Skills 相容的 agent，並提供 Claude Code、Codex、Grok Build、Antigravity 的原生外掛。

wide-trace/open-higgsfield — TypeScript | ⭐ 1.1K 圖片與影片生成工作室，一條提示列串起多個模型，每次產出都收進同一個作品集。

cbrock84/headcount — Markdown | ⭐ 847 把 Claude Code 的 agent 組織成一間公司，15 個以上部門、125 個以上 skill，可各自獨立安裝。

crmne/fastpotify — Rust | ⭐ 745 原生且輕快的 Spotify 客戶端，支援本機播放與 Spotify Connect，涵蓋 Linux、macOS、Windows。

chrisgreg/boop — Go | ⭐ 666 給開發者的自架通知收件匣，應用出事就推到你手機上。

damejan80/tokentab — Python | ⭐ 662 讀 Claude Code、Codex、Gemini CLI 的 session log，按模型、專案、日期算出花了多少錢。

hkqr/my-free-code — Python | ⭐ 588 開源的多供應商 AI 閘道，支援模型路由、串流、工具呼叫、推論與 fallback，也能接本機模型。

影音精選#

Anthropic 說要「調高」你的用量上限#

發布於 1 天前 · Theo - t3.gg

Theo - t3.gg

Theo 拆解 Anthropic 官方公告的措辭遊戲。公告說 9 月 14 日起把 Claude Code 的週用量上限「永久調高 25%」，但現行的 50% 臨時加量剛好在同一天到期，兩邊一抵，實際可用額度反而少了大約 17%。

  • 現行 50% 臨時加量於 9/14 到期，同日「永久調高 25%」上路，淨效果是減少約 17%
  • 他自己長期用 5 個 Claude 帳號在壓測 rate limit，對 Anthropic 的限流政策相當熟悉
  • 官方公告發布後被悄悄修改與刪除，他批評這種溝通方式很糟

行銷工程師：AI 時代年薪破百萬的新職位#

發布於 21 小時前 · Greg Isenberg

Greg Isenberg

Greg Isenberg 提出「行銷工程師」這個新角色，認為它會是未來 18 到 24 個月科技業最值錢的職位之一。定義是用 AI agent、資料、程式碼與品味，把市場訊號轉成 pipeline。他以一間服務 HVAC 承包商的垂直 SaaS 為例，示範怎麼用 agent 搭出六套行銷系統。

  • 薪資區間 25 萬到 100 萬美元以上
  • 工具棧：Grok 貼即時 X 生態，Claude 與 Codex 建 growth repo、落地頁與內部工具
  • 四種變現路徑：全職、顧問案（月費 5,000 到 30,000 美元）、產品化服務、軟體產品

現在真的是 AI 泡沫嗎#

發布於 1 天前 · 20VC

20VC

ClickHouse 共同創辦人暨 CEO Aaron Katz 說，這波 AI 熱潮的營收成長速度是他從業以來沒見過的，因此他認為這波才剛開始，不是泡沫尾聲。

  • ClickHouse ARR 軌跡：0 → 1,200 萬 → 5,000 萬 → 2 億美元，今年將突破 5 億
  • 他形容這個成長速度是職涯中前所未見
  • ClickHouse 剛拿下英超富勒姆球衣胸前贊助，公司估值超過 150 億美元

ClickHouse CEO：AI 毛利要改善，客戶集中度是隱憂#

發布於 1 天前 · 20VC

20VC

完整專訪版本。Aaron Katz 談 AI 公司的代幣支出該怎麼算、企業為何開始重新轉回地端部署，以及 Anthropic 與 OpenAI 的營收是否真的具有持續性。

  • ClickHouse 已突破 3.5 億美元 ARR，累計募資超過 10 億美元
  • 目標 2027 年 12 月前衝上 10 億美元 ARR，並認為明年就可以考慮 IPO
  • 他先前在 Elastic 任 CRO，把營收從約 500 萬做到 5 億美元並推動 IPO

OpenAI 與 Anthropic 會是 AI 界的 Netscape 嗎#

發布於 2 天前 · 20VC

20VC

Factory 共同創辦人暨 CTO Eno Reyes 認為現在的 AI 產業可能還在「Yahoo 時代」，真正的「Google」還沒出現。

  • 他把 OpenAI、Anthropic 類比為當年的 Netscape：搶到先機不代表笑到最後
  • 引用賈伯斯的策略對照：Apple 從不求第一個推出，而是把幾乎每件事做到最好

在舊金山要年薪多少才夠#

發布於 1 天前 · 20VC

20VC

引用 SaaStr 創辦人 Jason Lemkin 的說法，談舊金山緊鄰 Y Combinator 的 Dogpatch 一帶租金已經誇張到什麼程度。

  • 該區普通一房公寓租金已達每月 1 萬美元
  • 稅前年薪 24 萬美元只夠付房租，要過得寬裕得到 48 萬至 50 萬美元
  • 那棟公寓甚至規定房客不得在租屋內經營新創公司

ClickHouse 為何砸錢贊助英超富勒姆#

發布於 22 小時前 · 20VC

20VC

Aaron Katz 解釋這筆贊助的兩層價值：一是全球轉播的品牌曝光，二是主場 Craven Cottage 提供的頂級招待場域，方便跟大型企業客戶建立關係。

  • 曾有 20 位高管出席米其林等級晚宴，含歐洲某大型銀行的 C-level 主管專程從巴黎飛來
  • 他認為 Craven Cottage 是他體驗過最好的運動觀賽場域之一

今日觀察#

把今天幾篇擺在一起看，會發現大家都在對同一件事失去信心：那個拿來下結論的數字。wunderwuzzi 打穿 Claude Code Auto Mode 的時候，官方的 0.00% 並沒有被推翻，它只是被證明量的是另一套題目；Anthropic 自己的 TASTE 測驗更誠實，直接量出模型在「判斷什麼題目重要」這件事上只有 60%，而人類專家是 77%。有意思的是 PostHog 那篇走的是完全相反的方向卻得到同一個結論：過去兩年大家用 AGENTS.md 的行數當品質指標，一路加到模型被自己的說明書絆住，現在 Anthropic 把系統提示砍掉八成。連巴克萊拆財報都在講同一件事，55% 跟 38% 的毛利率差距大半是記帳方式，不是經營能力。這幾件事湊在一起像是在提醒一個很老的道理：一個指標一旦變成目標，它就不再是好指標，而 AI 這一輪把這件事的速度加快了很多倍。真正該練的可能不是讀懂那些數字，而是每次看到一個漂亮數字時，先問一句它到底量了什麼、又漏掉了什麼。

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 banner

同期還有