突然想通一个逻辑：当年 Google Docs 颠覆本地 Office，核心是从“单机”变“云端”；现在看 Claude Artifacts，它代表其实是软件从“给人用”变成了“给 Agent 用，人审查微调”。 使用软件的主体变了，软件的形态也就彻底变了。

唉，转型不易，今晚又听到了字节大裁员的消息。感觉从北美那边逐渐传导到咱们这儿了，大家有工作的尽快完成个人转型吧。 当你坐在一个漂亮的办公室，喝着新口味的咖啡，还能去扯扯淡，健健身，跟年轻妹子聊聊骚。 那我告诉你，在2026，这是很危险的信号，如果你从Sonnet 4.5开始一直错过了中间的所有环节，看似跟每天把reset,封号，harness工具挂在嘴边的同事或朋友没有区别，你也看不出区别，那你可能需要至少两年时间来追上节奏，因为但凡你在一年前开始使用cc或codex,每周基本上都停不下来，那可不仅仅是一年的差距了。 大家各自安好吧，未来程序员这个职业究竟会是什么终态，什么不知道，AK大神 @karpathy 和财富自由的龙虾之父，还有很多已经创业成功的大佬都纷纷加入顶尖AI团队，Meta几个月前毫无留情的踢了一大波AI专家，让 @alexandr_wang 大刀阔斧的干，Muse就出来了。 现在一小撮精英 + 无限前沿模型token真的可以干出很牛逼的事了。 作为普通的程序员中的一员，我所能做的就是尽可能的使用前沿模型，无论是从生活，工作上全面的提升，跟上，拥抱它，把钱花在订阅费上是最最有性价比的投资。 这跟年龄真的没关系，跟资历也没关系。塔尖的那一撮人已经是上帝视角了，那咱们就赶赶路别在大雨来的时候随波直下。

Lenny 最新科技就业报告：产品经理岗位四年来最多，工程师岗位停止增长，设计岗位创新低 Lenny Rachitsky 11 月 10 日发布了 2026 年下半年的科技就业报告，这是他做的第五份。结论是：AI 时代产品经理需求最旺，工程师需求停滞，设计师处境最难。 先说这些数字怎么读。报告用了两套口径不同的数据： • 开放岗位：来自 TrueUp，统计全球 9000 多家科技公司正在招的职位数，反映公司“想招多少人”。 • 实际招聘：来自 Live Data Technologies，统计美国有多少人从别的公司跳槽入职某个岗位，雇主不限于科技公司，反映“真招进来多少人”。最近一两个月的入职记录还在补录，数字之后会往上修。 两套数据经常对不上：招聘启事越来越多，真正入职的人却在变少。Lenny 的解读是，公司的需求在涨，但招到合适的人越来越难。 【产品经理】 开放岗位是近四年最多的：现在有 7303 个 PM 职位，比 2023 年 3 月的低点（4171 个）多 75%。从 2023 年初算起，PM 岗位涨了 56%，工程岗位涨 43%，数据分析涨 18%，产品设计和用户研究都在下降。 实际招聘就平淡很多。过去 12 个月美国招了约 3.26 万名产品经理，和 2024 年初相比少了 4%。这已经是几个核心岗位里最好的成绩，同期工程师少 17%，设计师少 26%，用户研究少 36%。 PM 在产品、工程、数据科学、设计、用户研究这五类岗位的招聘里，占比从 2021 年的 16% 升到 21%，是唯一占比上升的岗位。 所以 PM 的“吃香”是相对的。机会比其他岗位多，但整体还没回到高峰：2025 年美国 PM 招聘人数比 2022 年少 35%。 【工程师】 这是报告做到第五期，工程开放岗位第一次停止增长。2024 年涨 29%，2025 年涨 15%，过去一年只涨 2.5%，现在的 65351 个比今年 3 月还少。 实际招聘降得更多。过去 12 个月（2025 年 5 月到 2026 年 4 月）美国招了约 11.3 万名软件工程师，不到 2022 年高峰（23.9 万）的一半，从 2022 年起每年都在降。 工程师内部分化明显。过去一年，前线部署工程师（FDE，派驻到客户那里、把产品接进客户业务的工程师）开放岗位涨到原来的 4.6 倍，现在约 1450 个；安全工程师涨 34%，平台工程师涨 30%。前端工程师少了 51%，Android 少 47%，iOS 少 46%。 Lenny 认为，AI 让小团队里每个工程师能管的范围更宽，前端、移动端这类细分岗位就被合并了。FDE 的暴涨里，也有一部分是“售前工程师”之类的老岗位换了名字。按 Live Data 的统计，今年美国招 FDE 最多的是 Palantir（至少 151 人）、Google（122 人）和埃森哲（50 人）。 好消息有两个。一是科技公司的招聘专员岗位创了纪录，现有 2715 个，是 2023 年 6 月低点（688 个）的近 4 倍，Lenny 认为这可能预示工程招聘会重新加速。二是工程师仍是招人最多的岗位，2025 年美国招了 12.08 万名工程师，是产品经理（3.4 万）的三倍多。 【我是设计师】 全球科技公司现在只有 1924 个产品设计开放岗位，是有记录以来最低，比一年前少 28%，只比 FDE 岗位多几百个。实际招聘也一样，过去 12 个月美国招了约 1.26 万名产品设计师，不到 2022 年（2.76 万）的一半。 PM 和设计的差距越拉越大。现在每 1 个设计岗位对应 3.8 个 PM 岗位，今年 3 月是 2.6 个，2023 年初是 1.9 个。按实际招聘算，过去 12 个月美国每招 1 名设计师，就招 2.9 名 PM。 用户研究跌得更厉害。过去一年美国只招了约 1800 名用户研究员，比 2022 年的 5300 人少 66%，全球科技公司只剩 108 个开放岗位。Lenny 的推测是产品迭代越来越快，团队更愿意先上线再改；Listen Labs 这类 AI 工具也让非专职人员能自己做用户研究。 【不管哪个岗位，招聘启事里都写着 AI】 两年前，PM 招聘启事里最常提的技能是 SQL、Jira、AWS 和 Python。现在排第一的是“LLM”，出现在 11% 的 PM 启事里；SQL 9% 排第二，Claude 5% 排第三，Cursor、OpenAI、MCP 也进了前八。 工程师启事里，Python 仍是第一（29%），LLM（12%）刚超过 Java（11%）。设计师启事里，Figma 仍是第一（37%），而且三年来还在涨；Claude 今年春天升到第二（现在 13%），超过了 CSS，Cursor 也超过了 CSS。 【岗位往湾区集中，远程越来越少】 全球科技公司的开放岗位里，14.9% 在旧金山湾区，约每 7 个就有 1 个，创下纪录；湾区开放岗位数比一年前多 43%。核心岗位更集中：PM 和设计约四分之一在湾区，工程约五分之一，占比都比 2022 年翻了近一倍。 可以远程的岗位只剩 14.4%，也是最低纪录，2022 年底是 21%。工程的远程比例从 25% 降到 14%，设计从 34% 降到 19%，PM 两年来稳定在 21% 左右。 2025 年起，湾区的 PM、工程、设计开放岗位已经多于全球的远程岗位，现在是 21.8% 对 14.5%。四年前，远程岗位数量是湾区的近两倍。 报告的第七条结论是：科技行业整体就业增长很快，但增长主要在软件相关岗位之外。这部分只对付费订阅者开放，具体是哪些岗位，目前还看不到。 原文： 招聘数据：

Claude 加了白板和表格，所有付费套餐可用（测试版）；仪表盘改名 Claude Data 正式上线 Anthropic 11 月 10 日给 Claude 加了两种能跟同事一起改的新内容：白板 Claude Whiteboards 和表格 Claude Sheets，所有付费套餐都能用，目前是测试版。 10 月上线的仪表盘 Claude Dashboards 同时结束测试，改名 Claude Data。这些功能今天开始分批推送，账号里暂时没看到属于正常。 【谁能用、怎么开】 三样都要付费套餐，网页、桌面和手机 App 都能用。没有专门的入口，在对话里直接说要什么就行，比如“做个招聘预算表”。Claude Data 要先连一个数据源，比如数据仓库，或者 Salesforce 这类客户管理系统。 Team 套餐三样默认全开。企业版的白板和表格默认关闭，Claude Data 从 11 月 19 日起默认打开，管理员可以在 Organization settings > Artifacts 里随时改。 OpenAI 9 月底推出的 ChatGPT Space 也是让人和 AI 一起改同一份文件，但只给 Pro、Business 和企业版，Plus 用户用不了。Claude 这次最便宜的付费套餐 Pro 也在范围内。 【跟原来的 Artifacts 有什么不同】 Artifacts 是 Claude 在对话旁边做出来、能接着改、能分享的成品。文档、幻灯片和设计 10 月已经正式上线，团队可以一起编辑。这次多了白板和表格两种格式。 白板适合开会时理思路。把一个还很乱的计划口头讲给 Claude，它排成一张带时间线、负责人和日期的白板，同事可以实时一起改。 官方举的例子是复盘会：每个人往板上贴想法，Claude 按主题归类，再给每个人起草待办事项。框住白板的一块区域，可以只针对这一块提问。讨论完，Claude 能把白板转成文档或幻灯片，也能导进 Lucid、Miro 接着用。微软的 Whiteboard 里也有 Copilot，能在板上出点子、给便签归类、写总结，前提是有 Microsoft Copilot 许可证。 表格一句话就能生成，带多个工作表、公式、格式和下拉菜单，比如活动跟踪表、招聘预算。Claude 每改一处，会把改动框出来，方便你看它动了哪里。Claude 以前也能生成 Excel 文件，但要下载下来另外打开；Sheets 留在 Claude 里，你、同事和 Claude 可以一直在同一张表上改。 官方说现在只有基础功能，需要完整的 Excel 功能，可以导出成 .xlsx 或 CSV，或者用 Claude for Excel 插件，也能转到 Airtable、Asana、 继续做。 【Claude Data 多了什么】 官方解释改名的原因是，企业用数据早就不止做仪表盘。新增的几项里，最实用的是“认证查询”（测试版）：数据团队把“活跃用户”“收入”这类指标的算法定下来，大家做图都用这一套，图表上会带“已认证”标记，避免两个部门拿着不同的数字开会。 另一项是“实时分享”（测试版）：同事打开你分享的仪表盘，看到的就是最新数字，哪怕他自己没连这个数据源。他只能看到结果，看不到底层数据，也只能跑你批准过的查询。 此外，Claude 能根据指标起草图文并茂的数据故事，或者带旁白的讲解短视频，你审过之后再发出去。仪表盘还加了缓存，打开更快，每个仪表盘可以单独设刷新频率；改动有记录，能看到谁改了什么、退回到之前的版本；也能套用公司的设计规范。 【在 Claude 里直接用别的软件】 同一天，交互式连接器也升级了。连接器支持的话，可以把整个工具在对话旁边打开，或者全屏用，登录的是你自己的账号。比如打开一个 Confluence 页面，让 Claude 改，改动直接出现在页面上；打开 Box 里的文件让 Claude 修订，两个版本并排对比后再决定留不留；在 Adobe 里让 Claude 修照片，或者编辑、涂黑 PDF 里的内容。Claude 动手前要你批准，跟平时批准连接器操作一样。 首批支持的还有 Notion、HubSpot、Asana、Canva、Dropbox、 等，Figma、Harvey、Shopify 正在接入。这项功能在网页版和桌面版所有套餐分批推送，前提是你的账号已经换成新版 Claude，也就是 9 月起把聊天和 Cowork 合并的那一版。 Anthropic 还预告了 Claude Meetings：把 Claude 拉进会议记笔记，边开会边更新团队正在改的文档，没给上线时间。 官方推文： 白板、表格和 Claude Data： 交互式连接器： 总览：

这期用皮影戏讲清 BaoCut 虚拟主播的工作原理： - 拆：AI 画一张正面像，再改十一次，程序逐像素比对，拆出二十七层 - 动：给整张画罩上一张网，推网就能转头；十七个旋钮，头发像弹簧 - 说：不听音量，看每个字的读音挑嘴型，嘴比声音早 0.03 秒 还回答了：这算不算 AI 生成视频？要不要显卡？能不能换成自己的形象？他做不到什么？ 骨架、变形和弹簧移植自开源项目 LivLiv Player（Apache-2.0），感谢作者。主播形象由 Seedream 5.5 生成。 项目地址： ---- 想让自己的视频也有一位虚拟主播？三步就行 1. 把 BaoCut skill 装给你的 Agent 装好 BaoCut 后，在终端运行一次： baocut skill install Claude Code、Codex 这类 Agent 就学会了怎么用 BaoCut。不用 Agent 也行：BaoCut 应用里自带的 AI 助手已经内置「虚拟主播」这个 skill，直接对它说就可以。 2. 挑一位主播，或者做一位自己的 不想折腾：BaoCut 自带 19 位原创卡通主播。告诉 Agent 你的片子讲什么、给谁看，它会推荐两三位让你挑。 想要自己的形象：让 Agent 画一张正面像（睁眼、闭嘴、纯色背景、有头发），你点头之后，它再改图、拆层，打包成一个角色包。大约 9 次图片生成。 3. 给稿子，等审片 一句话就能开工，比如： 用 BaoCut 做一条 3 分钟的讲解视频，主题是 XXX，让虚拟主播在右下角出镜讲解。 Agent 会写稿、配音、按每个字的读音算好口型，把主播放上时间线，然后给你一个审片链接。你看完说可以，它再导出成片。之后改了某句配音，只需重算口型，角色不用重画。 几点提醒 1. 只做卡通角色，不做真人照片对口型，也不做换脸。 2. 中文、英文、日文假名、韩文口型最准；其他语言主要按音量开合。 3. 主播转头最多 30 度，没有手，光头角色暂时不支持。 4. 自己做角色需要先配置好图片生成服务；用内置主播不需要。（推荐 SeeDream 5.5 和 GPT-Image 2.6，Codex cli 就可以生成）

Gemini Carbon 做的鹈鹕骑自行车演示，一个 Agent 负责构建，在 Blender 和 Three.js 上生成建模，一个 Agent 负责审查，检查它们自己的渲染结果，最终生成的可玩的 3D 游戏：一只鹈鹕骑着自行车在 Google 的 Mountain View 园区转悠。 测试地址：

儿童英语启蒙视频 skill 来啦！ 实测 Claude Opus 5.5 和 Fable 5.2 都很棒，差别不是很大 非常适合用来给孩子做英语启蒙动画短片 成片是横屏 1920×1080，一集两三分钟，一个句型反复问答、单词卡、领念跟念、留空拍让孩子开口答 支持五种画风：flat 扁平矢量、crayon 蜡笔手绘、paper 剪纸拼贴、clay 3D 黏土、watercolor 水彩绘本 每种画风都带 4 个角色的基础帧（闭嘴、半张、大张嘴、挥手、大笑、欢呼）和设定稿，扁平风另有前两集的吃、跳、跑等动作帧 配乐五选一：ukulele 尤克里里、musicbox 音乐盒、march 玩具进行曲、chiptune 8-bit、none 不要 用到的工具： - 角色和物品图：Codex 生图 （需要你本地登录codex） - 配音：Fish Audio 公共音色（s2.1-pro-free 免费的），每条按音色和文字缓存 - 画面：Canvas 代码逐帧渲染，Playwright 无头浏览器分段并行出帧 - 音效和伴奏：Python 代码合成 - 混音：FFmpeg，响度 -16 LUFS 怎么用： 运行下面命令或者把GitHub地址给你的Agent npx skills add 然后输入：做一集 Can you jump? 蜡笔风，玩具进行曲 后续会继续增加玩法和风格，欢迎给个Star:

Fable 5.2生成的音乐更具多样性，再也不是Opus 5.5千篇一律的嘟嘟嘟了。 让Fable 5.2做了个视频，演绎华语乐坛，从1980年代到2010年代的流行音乐风格。

Google 正式开放 Gemini 4 Carbon：付费 API 今天可用，引入价到 11 月 30 日；普通用户要订 Ultra，每月 99.99 美元起 Google 11 月 10 日把 Gemini 4 Carbon 开放给付费开发者、企业和 Google AI Ultra 订阅用户。10 月 28 日 Carbon 首次亮相时，只给通过审查的网络安全防御团队用，这次是正式上线。 Google 说 Carbon 是它目前最强的模型，留给最难的长任务；四周前发布的 Gemini 4 Argon，仍然是大多数写代码和知识工作的首选。 【谁能用，要多少钱】 普通用户要订 Google AI Ultra，才能在 Gemini App、Google 搜索的 AI 模式、Antigravity 和 AI Studio 里用 Carbon，目前在逐步推送。 Ultra 有两档：每月 99.99 美元（用量是 Pro 的 5 倍）和 199.99 美元（20 倍）。 每月 19.99 美元的 Pro 用不了，Antigravity 官方模型表里 Pro 一栏写的是不支持，Pro 用户能用的最强 Gemini 还是 Argon。 Anthropic 昨天发布的 Claude Fable 5.2 价位差不多：Max（100 美元）和 Ultra（200 美元）套餐含 Fable，最多用掉每周额度的一半；20 美元的 Pro 也能用，平时要另外按量付费。 开发者走 Gemini API 的付费层，AI Studio 和 Android Studio 里都能调用，模型名 gemini-4-carbon，免费层没有。价格和 Argon 一样：11 月 30 日前是引入价，每百万 Token 输入 2 美元、输出 10 美元；12 月 1 日起翻倍到 4 美元和 20 美元。两周前官方没说引入期到哪天，现在定了。 单价一样，账单不一定一样。官方文档写明，Carbon 每轮思考用的 Token 比 Argon 多，响应也更慢，同一个任务跑下来会更贵。按单价算，涨价后的 Carbon 和 Claude Opus 5.5（4 / 20 美元）持平，是 Fable 5.2（8 / 40 美元）的一半、GPT-6 Astra（10 / 50 美元）的五分之二。 企业可以在 Gemini for business 里用。参加 Google 科研计划的科学家（1 万个名额，Antigravity 最高用量档免费 6 个月）这次也能用上 Carbon。网络安全防御团队仍要申请 Fairwind 计划，才能用到去掉网络安全限制的“Carbon for cyber”，上面的价格只适用于公开版。这和 Anthropic 把同一个模型分成 Fable（带护栏）和 Mythos（只给审核过的机构）是一个思路。 【比 Argon 强在哪】 官方建议的分工是：日常写功能、边聊边改代码用 Argon，快也省；复杂的根因排查、架构设计、从一大堆文档里综合信息、科学证明和安全审计交给 Carbon。Anthropic 给自家模型的建议也类似，大多数活先用 Opus 5.5，任务更大更开放再换 Fable。 写网页应用时，Carbon 会反复构建、检查：既看代码，也看页面实际渲染出来的样子，发现错误自己改，直到交出能跑的完整应用。Google 的演示里有它做的 3D 游戏，还有一个埃菲尔铁塔建造过程的 3D 展览。 推文说的“数据缺失或有问题时会提醒你，不会瞎猜”，Google 用一套 375 个任务的诚实度测试来衡量：Carbon 通过 92%，Argon 是 70%；碰到缺失的实验数据，98% 的情况下不会自己编；实验方法有缺陷时，68% 的情况会指出来。Google 举的例子是，只给 Carbon 实验记录和原始数据，它从异常数据里推断出仪器没把样品混匀，帮实验室提高了实验的可重复性。 【跟 Fable 5.2、GPT-6 Astra 比】 两周前，Carbon 在第三方评测机构 Artificial Analysis 的综合榜上排第一。昨天 Fable 5.2 发布后，榜首换了人：现在 Fable 5.2 65 分，Carbon 60 分，Claude Opus 5.5 59 分，GPT-6 Astra 57 分（v5.0.1 版，各取最高档）。 Google 这次挑的几个第三方评测都在强调便宜。Zapier 的业务流程自动化评测 AutomationBench 上，Carbon 开 High 档 53.9%，每个任务花 2.12 美元；别家最好的 Fable 5.2 开 Max 档 51.5%，每个任务 4.64 美元，贵一倍多。 Artificial Analysis 和 Google 合作推出的新评测 MKA，考 AI agent 读带图表、工程图纸的复杂文件干活，Fable 5.2 57%，Carbon 54% 排第二，Google 说 Carbon 每个任务的花费不到第一名的六分之一。 写代码各家说法不一。Google 说 Carbon 在 Cursor 的 CursorBench 4.0 上排第一，但 Cursor 官网榜单目前还没列出 Carbon，排第一的是 Fable 5.2 开 Max 档，60.0%。Anthropic 昨天公布的 FrontierCode 2.0 成绩里，Fable 5.2 开 Xhigh 档 49.1%，GPT-6 Astra 42.8%，Carbon 41.1%。 【/swarm：一句话拉起一支 agent 团队】 Antigravity 同时预览了 /swarm 命令。输入 /swarm 加任务描述，当前对话就变成“协调员”：它把任务拆成互不冲突的几块，比如一个文件或一个包一块，每块配一个有名字的 agent，比如 @parser、@api-tests；每两到四个干活的 agent 配一个“验证员”，看改动、跑测试，发现问题退回去改。 所有 agent 在一块共享留言板上沟通，你在侧边面板里能实时看到谁在干什么，也能点进任何一个 agent 插手。没活干的 agent 会休眠，不消耗 Token。 每个 agent 可以指定不同的模型。Google 建议让 Carbon 当协调员、架构师和审查员，改文件、写常规代码交给更快更便宜的模型。 /swarm 目前在 Antigravity App 和命令行工具里推送，Pro 和 Ultra 用户都能用，只是 Pro 用户选不到 Carbon。官方文档提醒，每个 agent 都单独消耗额度，用 /swarm 烧额度比普通对话快得多。 上面的评测成绩，除 Artificial Analysis 综合榜和 Zapier 榜单能在对方官网核对外，其余是 Google 或 Anthropic 自己公布的；Gemini App 里用 Carbon 有多少额度，官方没单独写。 来源： Google 官方博客《Gemini 4 Carbon is now available》 开发者文档《What's new in Gemini 4 Carbon》（价格、与 Argon 的区别）

Fable 5.2，我只做了这一个视频，足以表达它对技术与美的理解。 深夜的图书馆，两万四千页寓言乘风飞舞，纸张飞动的声音伴着钢琴声在月光下漫步，诉说关于梦的故事。 Let Fable take Flight. 寓言乘风，梦在舞动。 To Claude @claudeai @ClaudeDevs #Claude# #Fable#

Manus 的招聘页面上，现在还挂着前端工程师、后端工程师这类岗位。可按 Manus 联合创始人张涛在 Web Summit 上的说法，公司内部已经不分这些角色了： 他手下的产品经理都在往代码库里提交代码，设计师也在写代码。招聘页还按老规矩写，是因为“外面的世界还没跟上”。 变化从今年 3 月前后开始。他说，会做事的人已经不稀缺了，AI 本身就很会做事；Manus 现在要找的是能和 AI 一起干活的人。连工程师面试都跟着改了，不再考传统的编程题。 面试题换成了：用 Manus 花四小时解决一个问题 候选人拿到一个问题，用 Manus 在四小时内把它解决，然后把这次任务的完整记录带回来，也就是他和 AI 从头到尾的每一轮来回，和面试官一起复盘。面试官从记录里看的是，这个人是不是已经习惯和 AI 一起工作。张涛说这一点“超级重要”。 具体出什么题、复盘时看哪些地方，他在这段采访里没有讲。 主持人追问：招聘启事要怎么写，只写“愿意和 AI 一起干活”吗？这种人恐怕不好找。张涛说要分内外两面看。 对外，官网上还是按前端、后端等岗位分别招人。对内，这些角色已经都拿掉了，理由是有了 AI，“每个人都能做所有事”。 他用自己的团队举例：产品经理全都在提交代码，同时也在做设计；设计师也在写代码。在他看来，按岗位写的招聘启事只是写给外界看的。

字节发布图像模型 Seedream 5.5：同一张图连改 100 轮不走样，能直接出透明底素材，即梦、豆包陆续上线 字节跳动 Seed 团队 11 月 9 日发布 Seedream 5.5。用 AI 改图最烦的是改着改着别处也变了：换个戒指，脸和颜色跟着偏，几轮下来图越来越糊。 新版没要求改的区域能做到像素级不变，官方演示里同一个人物连改 100 轮，细节还能对上。它还能直接生成背景透明的图，羽毛这类难抠的边缘都保留，拿来就能叠进海报和设计稿，省掉抠图。照片质感和小字也更准，严重文字错误率从上一代的 2.8% 降到 0.4%。 字节拿它和 OpenAI 的 GPT Image 2.5 Sunburst、Google 的 Nano Banana 2.1 做了对比，文字错误率最低，凭文字生图的真实感也领先。对 Nano Banana 2.1 的优势不大，拿一张图去修改时的真实感还落后约 6%。 模型正陆续在即梦、豆包、豆包工作上线，生图时选 Seedream 5.5 即可；开发者可以在火山方舟试用，模型名 Doubao-Seedream-5.5。定价方面，Seedream 5.5 API 延续“输入图 + 输出图”两段计费结构，文本 Token 不产生费用。以2K方图编辑为例，单张成本在 0.28 元左右，不到 Seedream 5.0 Pro 一半。 我自己也有测试，稳定性和背景透明相当不错，在游戏、电商改图、视频制作等实用场景都有价值，完整的测试见文章。 官方博客：

Anthropic 分析 20 万次科研会话：科学家用 Claude 最多的是分析数据和写论文，他们最看重的提想法反而用得最少 Anthropic 11 月 4 日发布研究报告，统计了 2026 年 8 月 2 日到 9 月 30 日约 20.7 万次科研相关的 Claude 会话，看科学家拿 AI 干什么，以及 AI 能让科研快多少。 先说结论： • 分析数据是第一大用途，占 Claude 科研会话的三分之一，Claude Code 的近一半 • 科学家认为最重要的两件事，提出想法和收集数据，用 AI 最少 • 现有 AI 能力如果普及开来，部分领域科研产出最多翻一倍；要是 AI 能包揽所有不用动手的工作，计算机、统计能快约 15 倍，化学、生物只能快 3 到 4 倍，因为实验还得有人在实验室做 【数据怎么来的】 样本来自个人订阅用户，聊天和 Cowork 里 12.9 万次，Claude Code 里 7.8 万次。研究团队让模型给每段会话打上“化学”“数据清洗”这类标签，研究内容本身不保存。 【用在哪：分析和写作多，想点子少】 报告拿每类工作的 AI 用量，和科学家花在这类工作上的时间对比。 分析数据占科研时间约 28%，在 Claude 上占 33.7%，在 Claude Code 上占 48.1%。写作和沟通只占科研时间 16%，在 Claude 上占 32%，单项最多的任务是起草论文。 收集数据占科研时间 28.6%，在 Claude 上只占约 12%，临床样本、生化数据这类要动手采集的尤其少。提出想法和假设占科研时间 7.1%，在 Claude 上占 4.2%，Claude Code 上只有 2.1%。 Anthropic 还调查了 528 位科学家，请他们给四类工作的重要性分配 100 分。提想法拿 35.6 分排第一，收集数据 23.6 分排第二。 报告的解释是：收集数据大多要动手；提想法，科学家可能更愿意自己来，AI 在挑研究问题上也可能确实更弱。 【AI 越擅长的活，用得越多】 研究团队给 7000 多项科研任务各打了一个“AI 能力分”：把任务拆成步骤，让模型两两比较哪一步 AI 做得更好，再用类似国际象棋等级分的办法算出排名。 然后算“使用倍数”：一项任务在 Claude 会话里的占比，除以它在科研时间里的占比。一项任务占科研时间 5%、占会话 10%，倍数就是 2，说明 AI 用量是按时间推算的两倍。 能力分排前 20% 的任务，比如画数据图、做统计检验，Claude 上的使用倍数约 2，Claude Code 上约 4。排后 20% 的任务，比如提纯化学反应产物、实地观察研究对象，几乎没人用 AI。 能力分高的任务有共同点：对错容易判断，能在电脑里大量模拟，反馈来得快。这正是最适合用强化学习训练 AI 的任务，两者的相关系数是 0.78。科学家在 AI 好用的地方用 AI。 【Claude Science：专门做科研的版本】 Claude Science 是 Anthropic 面向科研的产品，把 Claude 接上各种科研数据库和工具，比如查一个蛋白的结构、测过哪些药、有哪些相关试验，不用再一个个库分开查。付费用户都能用。 它的会话一半以上来自生物医学和生物学。在这里，提出想法和假设占会话的 8%，约是普通 Claude 的两倍，和科学家实际花在这件事上的时间差不多。 任务也更重。在生物和生物医学领域，Claude Science 上的活如果人自己干平均要 10.3 小时，普通 Claude 上是 4.9 小时；73% 的会话由 AI 高度自主完成，普通 Claude 只有 24%。 【科研能快多少】 报告估算了三种情况下，同样的科研经费能多出多少成果。 第一种，现有 AI 能力被广泛用起来：AI 能接手 27% 到 52% 的科研时间，产出提升从艺术领域的 1.35 倍到统计学的 2.02 倍，计算机 1.96 倍。现在的 AI 多是帮忙或一起干，几乎每一步人都还得花不少时间，所以提升有限。 第二、三种是 AI 包揽 75% 或全部不用动手的步骤。包揽全部时，统计、计算机、经济、数学、心理学，以及大部分社科和人文领域，都能到 15 到 16 倍。生物、化学、材料这些做实验的学科只有 3 到 4 倍：约 40% 的科研时间花在动手的步骤上，没有自动化实验室，这部分省不掉。 16 倍左右是成本定下的上限。报告假设研究员每小时 95 美元，AI 每小时 30 美元，每替研究员省 1 小时 AI 要跑 0.2 小时，算下来 AI 干同样的活只花人工的约十六分之一。AI 成本减半，上限就翻倍。 【科学家自己怎么看】 528 位受访者里，38% 认为 AI 分析数据已经达到本领域顶尖研究者的水平。约 40% 预计 2030 年前 AI 能不靠人独立完成一个完整的研究项目，2035 年前这个比例约 64%，也有 16% 认为永远不会。 受访者大多是美国和加拿大生命、健康科学领域的研究者，申请过 Anthropic 的科研资助，用 AI 比一般科学家多。三种加速情况是假设推算，报告说明它们不是预测。Claude Science 的任务更重，也可能因为用它的人本来需求就更专业。 原文：

Anthropic 拆解智能体记忆：Claude 边干边记，再靠“做梦”回头纠错整理 Anthropic 工程团队 11 月 6 日发文，讲他们怎么给 Claude 设计跨会话的记忆。难点在于：Claude 得在当下决定什么值得记，可它并不知道以后会用到什么。 他们的办法是加一个后台步骤，叫“做梦”（dreaming）：会话结束后，让 Claude 回头翻原始对话记录，改掉记错的笔记，把零散笔记整理成更好找的形式。这有点像人睡觉时大脑回放白天的经历，把一部分沉淀成长期知识。 • 新模型明显更会用记忆：在一个查数据库答题的测试里，Sonnet 4.6 有记忆只从 0.330 涨到 0.364，Opus 5 从 0.564 涨到 0.828（满分 1） • 玩宝可梦红版，Sonnet 3.7 写了 413 个记忆文件，只拿到 1 枚徽章；Fable 5 只写了 10 个文件，拿到 4 枚 • 一条记错的笔记经“做梦”改正后，Claude 走出了月见山；没改的那次三次掉回原路，最后也没到下一座城 【记忆分四层】 文章给“智能体记忆”的定义是：Claude 从经历中学到、跨会话保留、存成以后能读的内容。改模型权重、单次对话里临时学到的东西、上下文快满时把旧对话压成摘要，这三种都不算。 按 Anthropic 的划分，记忆从下到上分四层：最底下是原始会话记录，可以搜索；往上是 Claude 自己写的记忆笔记；再往上是整理出来的结构，比如互相链接的 wiki；最顶层是每次开新会话就自动塞进上下文的内容。“做梦”负责把下层的东西核对、提炼，再往上送。 【会挑比记得多更重要】 宝可梦测试最能说明问题。Sonnet 3.7 觉得什么都可能有用，每场战斗、每个道具、每个路人都单独建文件，玩到 1 万步左右，记忆已有近 98 万字符。那时它开始建第四个“总”文件夹，接下来 17 步新建 6 个文件、删掉 9 个，一步游戏都没玩。 Fable 5 只记屏幕上看不到的东西。钱和位置每回合都能从画面读出来，记下来多余，还很快过期；策略和验证过的规律只有自己总结出来才存在。它用一个 global.md 当总控台，写着当前目标、打道馆的计划和自己的记忆规则。七个精灵球都没抓到鲤鱼王之后，它记下：“连续 3 球失败，就改变节奏，在菜单步骤之间多按几下等待。”Opus 5.5 用类似的小文件夹，边玩边改，最后通关。 数据库测试里，每道题都开新会话，只有记忆文件夹能带过去，答完会被告知正确答案。Sonnet 4.6 只会堆一堆没验证的猜测。Anthropic 说 Opus 5 是这批模型里第一个形成完整学习循环的：大多数笔记写了规则、怎么确认它成立、以前的答案，还有踩过的坑。 【给开发者的几条经验】 告诉 Claude 记忆是干什么的，别规定怎么记。只说一句“有个记忆文件夹可用”，Opus 4.7 和 Opus 5 就用得很好；加一条“只记录失败”，两者都丢掉了记忆带来的大部分提升。 老模型需要点拨。让 Sonnet 4.6 答题前先读记忆、并验证自己的猜测，得分从 0.364 涨到 0.641。Sonnet 5 不用提醒，10 次里有 9 次会自己先读。 自动加载的那一层要小。它每次都占 token，错一条会被带进每个会话，而且指令文件越长，模型越不容易照做。Claude Code 的自动记忆只加载 MEMORY.md 的前 200 行或 25KB，这部分当目录用，细节放在下层，留个链接。 多个 agent 并行时别写同一个文件。在一个收购合同测试里，四个 agent 同时往一张共享条款表里写，互相覆盖，57 条要点只留住 41 条。改成每份合同一页、一个 agent 负责、条款原文照抄，57 条全部保住。 【“做梦”还能建 wiki】 Anthropic 用 5 月收购的软件公司 Stainless 的约 35 万份内部文件（约 4.2 亿 token）做测试，让 Opus 5 分 128 次会话持续整理成 wiki，再回答 25 个问题。只靠 wiki，得分从 13% 涨到 48%；只靠搜索是 53%；wiki 加搜索从 54% 涨到 61%，每题还省约 2 万 token。 wiki 适合需要跨文档拼信息的问题。一组 24 题的并购问答，过半要综合多份文件，用 wiki 答对 87%，只用搜索是 73%。答案在单份文件里就能搜到的任务，wiki 没有明显帮助；有一次 wiki 写到 203KB，比 115KB 的原始文件还大。 【能不能用上】 “做梦”已经是 Claude Managed Agents（Anthropic 托管的 agent 运行服务）里的功能，目前是研究预览，要申请才能用；跨会话的记忆库功能是 beta。Anthropic 也放出了 cookbook，教开发者用自己的提示词和模型搭一套。 以上数字都来自 Anthropic 自己的测试，宝可梦的对比是每个模型各跑一次。文章也说，“做梦”要额外花算力，记忆该多久复查一次、在干活时记还是事后整理，都还没有定论。 原文：

清华清华大学讲席教授张亚勤犀利提问腾讯首席AI科学家姚顺雨：DeepSeek、腾讯、Anthropic、OpenAI...你家用户黏性何在？ --- 姚顺雨： 护城河更多在产品层，而不是模型层。我认为有两方面。首先是数据和上下文。如果你有别人没有的私有数据和上下文，那可能就是最大的护城河。 因为你想，现在你可以在微信里使用 AI。它不必是最聪明的 AI，但它知道你的日程、朋友和活动，这就很难被取代。你可以有一个更聪明的模型，但它并不了解你是谁。 另一道护城河是信任。你是否信任 AI 了解你的数据和上下文，并采取行动？ 张亚勤： 所以你是说，Anthropic 不值两万亿美元，甚至不值一万亿美元。它总有一天会变成同质化商品，对吧？开个玩笑。别听我的建议去买股票。

补充说明一下，这个截图或者录频重点是给人看的，Agent 要给验收的人类证明它把活干完了干好了。 比如今天有人报了个 Issue 说评论有问题，我把 Issue 直接发给 Agent 让它修，它修的时候也许自己也截图了，但是对我来说还是个黑盒子。 所以我需要它给我看“证据”，证明它修好了，当我看到这样的截图我就基本上可以确定它真的修好了没骗我。