EasyVibeCoding Podcast

EasyVibeCoding Podcast

By EasyVibeCodingTechnology
Download on the App Store

EasyVibeCoding Podcast episodes

  • Grok Bot 1.0 走進團隊工作:會議協作、主動接手與核准控制

    Grok Bot 1.0 走進團隊工作:會議協作、主動接手與核准控制

    Grok Bot 1.0 聚焦多人協作、主動處理工作與複雜任務能力的更新:Bot 可以在 Slack、Microsoft Teams 與視訊會議中參與協作,也能記住團隊如何做事、提出下一步,或在需要人判斷時把人拉進來。這是 xAI 官方對新版本的描述;實際適用方案、會議互動方式與敏感操作核准,都會影響團隊能怎麼使用。

    Grok Bot 1.0 官方發布頁的 Open Graph 圖片。

    日期要分開看:官方發布頁標示 2026 年 11 月 2 日,Roman Ugarte 的 X 貼文則記錄於 11 月 11 日。兩者是發布頁日期與作者貼文時間,並非同一筆發布紀錄。

    從個人 Bot 轉向團隊共用

    官方發布頁把 Grok Bot 1.0 的改變歸納為多人協作、主動處理工作,以及更能完成複雜任務。Team Bot 可以分享給特定同事或群組,並在 Slack、Microsoft Teams 與視訊通話中使用。Bot 會從與不同成員的合作中累積對團隊工作方式的理解;在對話裡,它也可以補充資訊、提出接手工作的建議,或在需要決策時請人介入。

    Grok Bot 1.0 官方發布頁的 Slack 圖片素材。

    產品頁將 Bot 描述為能在團隊工具裡接收工作、跨步驟執行並回報進度的夥伴。發布頁舉例說,Bot 可以留意專案進度、建議下一步、追蹤未完成事項,並協調其他 Bot;官方也表示,共享空間中的 Bot 會遵守個別成員權限,並在敏感操作前詢問。這些是產品方對功能的說明,不是獨立的效能評測。

    Grok Bot 1.0 官方發布頁的 Bot 啟動圖片素材。

    Grok Bot 1.0 官方發布頁的記憶功能圖片素材。

    會議互動:聊天參與已描述,即時語音仍是未來式

    官方發布頁說,Bot 能加入視訊通話並透過聊天參與,把先前對話中的資訊帶進討論。Roman Ugarte 也提到,使用者可在會議中提問、指派行動項目;他舉例說,自己的團隊讓 Bot 整理每日 stand-up 筆記並研究討論主題。這是作者描述的團隊用法,不代表所有團隊都已採用相同流程。

    來源:@bot|Grok Bot 1.0 示範會議協作與分享簡報時的敏感內容提醒。

    Grok Bot 1.0 官方發布頁的會議功能圖片素材。

    這裡要分清楚兩種互動:官方發布頁描述的是 Bot 在視訊通話中透過聊天參與;作者則把即時語音來回對談寫成「即將推出」。因此,會議中可用聊天互動的說法,不能直接延伸成即時語音往返已經推出。

    官方發布頁描述通話中的聊天參與;作者稱即時語音往返即將推出。

    官方發布頁日期為 11 月 2 日,並稱 Team Bots 適用於 Team 與 Enterprise 方案;Meetings 適用於 Team、Enterprise 和 Ultra,Enterprise 管理員需要在設定中啟用。以下方案範圍按該頁原文整理。

    依 2026 年 11 月 2 日官方發布頁整理方案範圍;Enterprise Meetings 需管理員啟用。

    Bot 如何使用工具,以及敏感操作如何把關

    官方產品頁說,每個 Bot 有自己的電腦環境;使用者登入工具後,Bot 可以透過那些應用與網站工作。發布頁另外提到,Bot 會尊重成員權限、在敏感操作前詢問,並檢查資訊是否適合分享到公開頻道。產品頁的隱私說明則稱,雲端電腦會加密傳輸中與靜置中的資料、提供訓練退出選項;敏感操作可交由 Auto Review,企業管理員可設定 DLP、憑證、代理伺服器與網路控制。

    Grok Bot 1.0 官方發布頁的核准功能圖片素材。

    產品頁也用不同工作指南展示 Bot 的使用範圍:Marketing 指南列出競品研究、定位草稿、Google Ads 草稿與網站 PR;Linear 指南聚焦產品問題調查、工作規劃與 coding agent 協調;Founder-Led Sales 指南則涵蓋理想客戶研究、設計夥伴聯繫、會議準備與 pipeline 預測。這些是官方展示的工作範例。

    Grok Bot 官方產品頁的 Marketing 使用情境圖片。

    Grok Bot 官方產品頁的 Linear 使用情境圖片。

    Grok Bot 官方產品頁的 Founder-Led Sales 使用情境圖片。

    方案與用量要一起確認

    官方產品頁表示,訂閱包含每週用量,額外用量則依 token 成本計費;該頁沒有在這段說明中列出個別帳戶的用量上限。團隊評估時,除了確認所需功能在哪個方案,也應確認會議功能是否需管理員啟用,以及額外用量如何計費。

    Roman Ugarte 將 Grok Bot 1.0 的目標描述為讓 Bot 成為更有用的團隊成員。從官方列出的功能和範例來看,這次版本更新著重於共享 Bot、跨工具工作、會議聊天參與及核准流程;團隊採用前仍須對照自身方案、權限設定與用量安排。

    來源:@bot|Grok Bot 官方 1.0 公告貼文的影片預覽圖。

    原文:https://easyvibecoding.app/curated/3717-grok-bot-1-0-team-collaboration

    5 min
  • DeepSeek Harness 上榜後,伺服器清理成了它的評測短板

    DeepSeek Harness 上榜後,伺服器清理成了它的評測短板

    Joël Niklaus 將 DeepSeek Harness 加入 Hugging Face 的 Harness Leaderboard,並指出一個可能拉低成績的操作差異:任務結束後,DeepSeek Harness 會關閉自己啟動的背景程式。有些評測會等代理結束後,才檢查它先前啟動的伺服器;如果伺服器已停止,評測器就無法完成後續檢查。這是 Niklaus 對榜上結果的解釋,並非本篇重新執行測試所得。

    這份榜單比較什麼?

    Coding-agent harness 是讓代理執行程式任務的軟體層。Harness Leaderboard 固定模型與權重、檢查不同 provider 是否等效,再比較不同 harness 在相同推理強度下的結果。榜單頁表示,每項任務執行三次,並提供信賴區間;這些是榜單對自身方法的說明,本篇沒有重新稽核測試軌跡。

    在 2026 年 11 月 11 日保存的榜單資料中,DeepSeek Harness 0.2.2-rc.1、DeepSeek-V4.1-Flash、high 推理強度這列共有 640 次試驗,其中 594 次列為 scored、46 次列為 infra。頁面列出的兩項評測如下;分數是各項評測的通過率與信賴區間,不是影片中的整體解決率。

    資料來源:Hugging Face Harness Leaderboard;DeepSeek Harness 0.2.2-rc.1、DeepSeek-V4.1-Flash/full/high;2026-11-11 UTC 資料快照(640 trials、594 scored、46 infra)。 評測通過率信賴區間

    DeepSWE69.07%59.95–76.91% Terminal-Bench 2.174.33%64.26–82.34%

    榜單是會變動的互動頁面;保存的資料是頁面公開資料回應與可讀摘錄,沒有直接提供可內嵌的榜單圖片。上表據該次資料快照整理,並非重畫榜單畫面。

    Niklaus 另外表示,DeepSeek Harness 在五項評測中都與領先者統計並列;按名次平均,它在 DeepSWE 排第二、落後 Hermes Agent 0.5 分,在 Terminal-Bench 排第六。統計並列與畫面上的名次是不同描述:例如,他的影片在 DeepSeek-V4.1-Flash、low 推理強度畫面標出 69.2% 並列第一;high 畫面則是 71.7%,低於 Hermes Agent 的 73.0%。影片結尾轉到需要伺服器繼續執行的任務,顯示 DeepSeek Harness 為 36 次中通過 2 次;Hermes Agent、OpenCode 與 Pi 各為 36 次。以下是貼文中的原始影片,圖表數字為作者呈現,並非本篇重新測得。

    榜單動畫比較多種 coding-agent harness:依序呈現 DeepSeek-V4.1-Flash 的低、高推理強度結果、跨模型排名,以及需保留伺服器的任務測試;結尾畫面顯示 DeepSeek Harness 為 2/36 次通過。

    伺服器為什麼會影響結果?

    Niklaus 說,三項 Terminal-Bench 任務要求代理啟動伺服器,例如模型推論 API,評測器會等代理完成後再測試伺服器。他的解釋是,DeepSeek Harness 在任務結束時關閉了背景程式,所以評測器檢查時伺服器已不在。下面流程依作者的說明整理;2/36 是作者對 DeepSeek-V4.1-Flash 與 GLM-5.3-Flash 上這些任務的合計報告。

    流程與數字依作者對特定伺服器任務的說明整理;不代表獨立重現或整體榜單分數。

    這個差距反映的是評測任務對執行生命週期的要求:如果測試預期代理結束後服務仍可連線,提早關閉服務就會影響測試結果。Niklaus 表示,三項任務在每項評測中使 DeepSeek Harness 少 1.5 至 1.7 分;以 DeepSeek-V4.1-Flash、high 推理強度為例,這大於它與領先者的 1.3 分差距。這些因果與分數歸因仍是作者對榜單的解讀。

    目前能得出的結論

    這次資料對應的是開發者預覽版 0.2.2-rc.1。官方產品頁稱 DeepSeek Harness 正公開測試並同步開源;GitHub README 也提醒仍在 developer preview,可能有相容性變更。Niklaus 另稱該版本的網路搜尋因需要 DeepSeek 帳號金鑰而關閉。

    因此,這份榜單可用來看特定 harness、模型、推理強度與任務組合下的結果;伺服器測試顯示,任務結束後是否保留背景服務,會影響這一組測試的通過表現。它不是對所有程式代理任務的通用排名,也沒有獨立驗證作者對清理行為的因果解釋。

    原文:https://easyvibecoding.app/curated/3712-deepseek-harness-leaderboard-server-cleanup

    5 min
  • AWS 說代理寫出了 AWS Emulator:真正的關鍵是測試與合併閘門

    AWS 說代理寫出了 AWS Emulator:真正的關鍵是測試與合併閘門

    AWS 公開了 AWS Emulator,一套在本機模擬 AWS API、供開發與測試使用的工具。AWS 工程師 Clare Liguori 在貼文中稱它「100% built by agents」;AWS 官方文章也表示,團隊沒有撰寫或審查其中的程式碼。這個案例值得看之處,不只是代理產生了大量程式,而是 AWS 如何用可重複的測試、分工和合併檢查,讓代理在限定範圍內持續修改程式。

    Amazon 文章預覽圖,標示「How we built the agents that built AWS Emulator」;這是 X 貼文連結卡的圖片,不是貼文內嵌圖。

    不過,AWS 的說法描述的是它自己的開發流程,並非獨立稽核結果。官方使用指南也明確把 Emulator 定位為建置與測試工具,列出不能用來測試安全性等限制。理解這個案例,得同時看它如何運作,以及它目前適合用在哪裡。

    先從本機測試理解 AWS Emulator

    AWS Emulator 在開發者自己的電腦或開發伺服器上提供 AWS API endpoint。使用者把 AWS CLI 或 SDK 指向這個 endpoint,就能讓應用程式對模擬服務送出請求,而不用每次都連到 AWS;官方指南列出的用途包括本機測試、CI/CD 整合測試,以及讓 AI coding agent 在本機建置和操作應用程式。

    這種模擬器的價值取決於它和真實 AWS 行為有多接近。AWS 的做法是先建立一套「保真度測試」:每項測試代表真實 AWS 使用情境,測試代理依公開的 AWS API Models 設計情境,並先在真實 AWS 上確認測試結果。文章舉例,一項 SQS 測試可以依序建立佇列、傳送與接收訊息、確認訊息,再刪除佇列。AWS 表示,這套測試已有數萬項,並持續增加;通過真實 AWS 驗證後,測試可反覆重跑,不必每次都再呼叫 AWS。

    官方文章中的代理工作流程圖:測試撰寫者以真實 AWS 情境驗證測試,問題尋找者在模擬器重播測試並回報問題,修復者逐項處理並通過合併閘門。

    三組代理如何接力找問題、修正程式

    AWS 把工作拆成三組代理,因為團隊發現代理在範圍明確的任務上較容易成功。第一組建立並維護保真度測試;第二組把這些測試重放到 Emulator,找出與真實 AWS 結果不一致的地方,並把失敗項目整理成 issue;第三組一次處理一個 issue,追查原因並修改程式。

    修正完成後,程式不會直接進入主線。AWS 描述的合併閘門會先檢查程式是否能建置,再由代理檢查程式碼標準、安全性與保真度。任何檢查未通過,修改就退回重做;全部通過後才合併。AWS 表示,數百個代理可同時工作,每天修復數千個 issue。這些數字是官方文章對其流程的描述;研究沒有獨立檢查程式庫或重現這個工作量。

    這張圖是 AWS 官方文章所示的發布流程:變更通過主線合併閘門後,還會建置、重測並進入發布分支,再打包成 Emulator 二進位檔。官方表示,程式碼會在發布流程末端才同步公開到 GitHub。

    官方文章中的發布流程圖:變更經主線合併閘門,依序建置、測試及最終檢查,再進入發布分支與 AWS Emulator 套件。

    「100% 由代理建置」代表什麼?

    Liguori 在 X 上稱 AWS Emulator 是「100% built by agents and now open source」。AWS 官方文章則稱產品由自主代理寫成,團隊沒有撰寫或審查其中的程式碼。這些說法應歸屬於貼文作者與 AWS,不能當成這次研究已獨立驗證的結論。

    官方文章也交代了開發過程中的調整:早期版本的代理曾為了支援 AWS Lambda 自行打造 Python interpreter;團隊後來才加入重用既有函式庫的指引。這個例子顯示,代理能持續產出程式,不等於每個解法都符合團隊偏好的設計。AWS 將測試和合併閘門描述為讓團隊信任產出的重要條件。

    文章另提到,初始空殼能接收 438 個 AWS API Models 的請求,但當時「什麼都不做」。這個數字說明的是空殼可處理請求的模型數量,不表示目前已完整支援 438 個 API、服務或功能。實際支援程度仍須按服務與功能查看各版本的保真度資料。

    使用前要知道的限制

    AWS 使用指南把 Emulator 定位為建置與測試用途,並明確表示不要用它承載正式工作負載。尤其是安全性測試:Emulator 不會像 AWS 一樣評估 IAM 政策與資源型政策,因此不能用來驗證這些政策是否安全。

    此外,單一 Emulator 不會把不同 AWS 區域或帳戶的資源彼此隔離;資源保存在執行它的機器記憶體中,停止後會清除。AWS 表示,服務與功能的保真度不一,行為主要以美西(奧勒岡)區域驗證,全球服務則以美東(維吉尼亞北部)區域驗證;指南也說明尚未測試長時間執行或負載測試。這些條件會影響它適用的測試情境,採用前應按實際服務與功能查核官方保真度資料。

    因此,AWS Emulator 的案例並不是「代理已能自行交付任何雲端軟體」的證明。它呈現的是 AWS 如何把工作切成可重複測試、逐項修復並經過合併檢查的流程;產品本身仍有清楚的用途邊界,不能拿來取代真實 AWS 的安全驗證或正式環境測試。

    原文:https://easyvibecoding.app/curated/3710-aws-emulator-agent-built-guardrails

    7 min
  • Gemini Decision 1:每百萬輸入 token 0.10 美元,Google 推出多模態決策 API

    Gemini Decision 1:每百萬輸入 token 0.10 美元,Google 推出多模態決策 API

    Google 在 2026 年 11 月 11 日公布 Gemini Decisions API,由 Gemini Decision 1 為多個封閉選項問題評分。它面向模型路由、政策檢查、工具選擇等任務:把一份文字、圖片、音訊、影片或 PDF 輸入,交給最多 1,000 個問題共同評估;每題回傳候選選項的機率或分數與信心值。Google 公布的價格是每百萬輸入 tokens 0.10 美元,輸出 tokens 不收費。

    這個 API 的重點是把一批「要從哪些選項中判斷」的問題集中處理。一般生成式模型會逐 token 產生答案;Google 說 Gemini Decision 1 以單次 forward pass 對候選選項評分,適合需要固定類別結果的流程,例如選工具、分流模型或檢查政策條件。它不只接受文字,也支援圖片、音訊、影片與 PDF;同一份輸入最多可含 256K tokens。

    一份輸入,能問哪些問題?

    Google 將每個問題分成三種形式:noul 判斷是/否;choice 從 2 至 255 個選項中挑選,並回傳各選項的正規化機率;score 依由低到高的評分規準打分,回傳加權分數與各級機率。每個答案都附信心值,程式可據此把模糊個案交給後備流程或人工覆核。

    Google 的示例是把休息室檯面的照片和文字備註放在同一份輸入,再同時詢問是否有未清理的液體、該採取哪種清理方式,以及髒亂程度。這說明一次請求可以共享素材、混用不同問題形式;圖片與影片的解析度也可調整,以控制視覺細節和 token 用量。

    Google 官方架構圖:多模態輸入與問題送入 Gemini Decision 1,輸出帶信心值的校準答案。

    這種設計適合把多個獨立判斷放在同一個控制點。Google 表示 Gemini Notebook 已用它依照問題意圖選擇模型層級與思考設定,日常查詢延遲最高可降低 40%;Stitch 的 rapid canvas 實驗則用它生成可操作的線框,並接受語音或點按修改。Google 也列出 CC 以它從 200 多種表情符號中選擇反應,以及 Search 用它檢查 MCP 工具的對抗性行為。這些都是 Google 對內部使用案例的描述。

    基準圖呈現了哪些比較?

    Google 公布的比較圖列出九項評測:Gemini Decision 1 在 JevBench、Amazon ESCI、New Yorker Caption、PubMedQA、Global-MMLU-Lite、MMAU 和 Video-MME 七項分數最高;TypeSafe Jev 1.14 則在 Mind2Web Multimodal 與 When2Call 領先。圖中另列 Top-1 ECE 校準誤差,數值越低越好;Gemini Decision 1 為 0.0250。七項共同比較評測的總價,Gemini Decision 1 是 0.88 美元,TypeSafe Jev 1.14 是 0.68 美元,GPT-6 Luna 是 0.93 美元,Gemini 3.5 Flash-Lite 是 4.14 美元。

    Google 官方文章中的基準比較圖,列出 Gemini Decision 1、TypeSafe Jev 1.14、GPT-6 Luna 與 Gemini 3.5 Flash-Lite 的多項評測、校準及價格結果。

    @OfficialLoganK 原帖附圖:Gemini Decision 1 與 TypeSafe、GPT-6 Luna、Gemini 3.5 Flash-Lite 的基準比較。

    Google 稱,在共用 benchmark suite 中,Gemini Decision 1 搭配 Decisions API 比 Gemini 3.5 Flash-Lite 搭配 Interactions API 便宜近五倍;圖上的七項共同比較總價也呈現相近差距。這是 Google 公布的測試結果,不是獨立重現。圖註說明,除另有標示外,分數是 Top-1 Accuracy;拒答、安全阻擋及模型無法接受的請求都計為答錯,每項分數以完整 benchmark 為分母。部分模型在 MMAU 與 Video-MME 欄沒有數值,因此總價只計七項共同比較評測。

    單價、延遲與評測總價要分開看

    API 單價是每百萬輸入 tokens 0.10 美元、輸出 tokens 免費;同一請求裡共享的輸入只計費一次,各問題仍會增加自己的指示與評分條件 tokens。Google 另稱音訊轉錄和 OCR 不會另行收費,並提供可在 Google AI Studio 試用的免費層。這些是服務定價說明;圖上的 0.88 美元則是七項基準評測的總價,兩者衡量的對象不同。

    速度也有不同口徑。Google 公布模型運算的中位延遲為 50 至 100 毫秒,端到端延遲為 150 至 250 毫秒;其基準測試涵蓋最多 16K tokens 的上下文,以及每次請求 1 至 100 個問題。這組測試範圍小於 API 宣稱支援的 256K-token 上限,不能把測得的延遲直接當作所有輸入長度、問題數與實際工作負載的固定表現。

    Google 已提供 Python、JavaScript 與 REST 文件,並表示 OpenRouter、LangChain、Vercel、LiteLLM、Pydantic AI、Pipecat、LiveKit 和 OpenCode 的整合正在推出;Gemini in Google Cloud 支援則仍列為即將推出。

    原文:https://easyvibecoding.app/curated/3709-gemini-decision-1-multimodal-decisions-api

    6 min
  • Cursor Projects 開放多人協作:隊友與 agents 共用工作區

    Cursor Projects 開放多人協作:隊友與 agents 共用工作區

    Cursor 在 2026 年 11 月 10 日宣布,Projects 開始支援多人協作,讓隊友加入同一個 Project,與彼此的 agents 在共用工作區中合作。官方文章說明,產品正以 beta 形式向 Cursor 使用者推出;團隊可在同一處共享上下文、查看任務進度,並讓 agents 協調工作。這次改變把 Projects 從個人使用的 agent 工作空間,擴展成團隊可共同使用的空間。

    Cursor Projects 產品展示:影片呈現專案清單、團隊邀請、任務看板與共享工作區,片尾顯示 Cursor 標誌。

    影片預覽畫面:專案側欄與對話介面。

    團隊共用上下文,個人對話仍保留

    Cursor 官方文章將 Projects 描述為團隊與 agents 共用的工作空間。每位成員仍有自己的 coordinator 對話與 worker agents;此外,Project 另提供共享上下文,可放需求文件、圖表、技術規格與 mockup。文章表示,在一個對話中做出的決策,能讓 Project 裡的 agents 取得;新隊友加入時,也能讀取既有上下文。

    Cursor 官方多人協作示意圖:工程師、設計師與 PM 分別使用 coordinator 和 agents,並共用資料夾、檔案、筆記、對話紀錄、計畫與記憶。

    文章舉例,一位工程師接手同事的 on-call 輪值時,coordinator 先確認狀況,再接續掌握進行中的工作、待處理問題、交接事項與需要留意的頻道和討論串。這是 Cursor 分享的內部使用案例;文章沒有提供獨立測試結果或量化成效。

    Agents 可以協調彼此的工作

    Cursor 表示,共享工作區與上下文可讓不同隊友的 agents 互相溝通、安排工作並及早處理衝突。官方文章以兩個情境說明:工程師新增產品頁評論功能時,設計師也在改版頁面,雙方 coordinator 可先協調需求;若一位工程師的功能依賴資料庫,而隊友同時修改 schema,agents 可先排定工作順序,降低最後才遇到衝突的機會。

    依 Cursor 官方產品說明呈現隊友 agents 共用工作上下文的概念;不代表獨立測試或量化成效。

    Cursor 在一則直接回覆主帖的貼文中補充,agents 可先共享計畫、工作期間標記衝突,並協助解除隊友工作的阻礙。貼文標示 Projects 當日開始 beta 推出,並連回同一篇官方文章。保存的貼文中繼資料將它列為主帖的回覆;因此本文以回覆貼文引用,而非稱它為獨立相關貼文。

    目前以 beta 推出

    官方文章表示,使用者可從 Projects 建立 Project,再邀請隊友加入;多人協作功能正以 beta 形式推出。此次公告說明了共享上下文與 agent 協調的產品方向,實際使用方式與效果仍以目前 beta 功能及 Cursor 的產品說明為準。

    Cursor 官方文章分享卡圖,文字為「Projects is now multiplayer」。

    原文:https://easyvibecoding.app/curated/3707-cursor-projects-multiplayer-team-agents

    3 min
  • Claude 免費全額度重置:期限、操作方式與 Fable 優惠差異

    Claude 免費全額度重置:期限、操作方式與 Fable 優惠差異

    ClaudeDevs 表示,Pro、Max、Ultra 與 Team 使用者可兌換一次免費的全模型、全額度重置,公告列出的期限是 12 月 10 日太平洋時間下午 2 時前。這項重置是為了補償部分使用者遇到的用量問題;公告沒有確認每個帳戶目前是否仍有優惠,也沒有表示已替任何人完成兌換。ClaudeDevs 公告

    公告提到,Claude 最近修正了幾項導致用量超出預期的小問題;先前的 Fable 重置也未能充分幫助部分所有模型週額度都已用完的人。這次全額度重置是額外補償,並非一般 Fable 上市優惠的另一種稱呼。

    這次重置與 Fable 優惠有何不同?

    Claude Help Center 將重置分成不同類型:全額度公告涵蓋所有模型與額度;Fable 專用重置則恢復已花在 Fable 模型上的週額度,其他模型的週用量維持原狀。若帳戶有五小時用量上限,Fable 重置會把該時段額度補滿,其中也包括其他模型的用量。重置說明

    全模型重置與 Fable 專屬重置的恢復範圍不同;Fable 優惠期間另行計算。

    另一項 Fable 5.2 上市優惠從 2026 年 11 月 9 日持續至 11 月 16 日太平洋時間晚上 11 時 59 分:Pro 與 Team 標準席位可在方案週用量內使用 Fable 模型,最多占週額度 50%,並另有一次 Fable 重置。其他符合資格的方案與席位,則依訂閱時間取得一至三次 Fable 重置。這些是 Fable 專屬優惠,和 12 月 10 日到期的全模型重置分開計算。Fable 5.2 上市優惠

    如何查看並兌換

    在 Claude 網頁版、桌面版或手機 App 開啟「Settings > Usage」,查看 Limit resets 區塊是否顯示「Reset for free」,再依畫面確認。也可以使用公告提供的 clau.de/reset 入口。官方說明指出,不必等到用量耗盡才兌換;重置一經使用便不能復原,未使用優惠的到期時間會顯示在 Usage 頁面。

    公告所列期限換算為台灣時間是 2026 年 12 月 11 日上午 6 時前,按 12 月太平洋標準時間 UTC−8、台灣時間 UTC+8 換算。實際可兌換資格與帳戶顯示狀態,仍以使用者自己的 Usage 頁面為準。官方說明也提醒,降級或取消方案後,尚未使用的重置可能失效;重置不會退還已計費的額外用量,也不會改變用量點數餘額。

    原文:https://easyvibecoding.app/curated/3703-claude-free-full-limit-reset

    3 min
  • Anthropic IPO 擬定每股 70 至 78 美元;兩篇報導的估值口徑不同

    Anthropic IPO 擬定每股 70 至 78 美元;兩篇報導的估值口徑不同

    Anthropic 在 2026 年 11 月 10 日為擬議中的首次公開發行(IPO)啟動路演,提出每股 70 至 78 美元的預期價格區間。這仍是擬議條件:公司當時說註冊聲明已提交、尚未生效,公告也表示證券不得在生效前出售或接受購買要約。

    公司公告列出基本發行 8.25 億股 A 類普通股:Anthropic 提供 801,351,354 股,現有股東提供 23,648,646 股。公司表示,股東出售股份所得不會歸 Anthropic;承銷商另有 30 天內選擇加購最多 123,750,000 股的安排,與基本發行分開計算。

    Anthropic IPO roadshow 頁面的主視覺:米白底色中央有黑色「ANTHROPIC」字樣;畫面沒有價格或財務數據。

    每股價格區間與發行金額各代表什麼?

    以區間上限 78 美元乘以 8.25 億股,基本發行的名目總額約為 643.5 億美元,其中包含公司新發行股份和現有股東出售股份。只計 Anthropic 提供的股份,按同一價格估算,發行前毛額約為 625.1 億美元。這些是未扣承銷費及其他費用的估算;整體發行金額不等於公司所得,也不包含承銷商可能加購的股份。

    依 Anthropic 路演公告拆分公司新股與股東售股;金額按每股 $78 估算,未扣費用,且圖形不按比例。

    路演公告說,Anthropic 已申請在 Nasdaq Global Select Market 掛牌,股票代號為 ANT。CNBC 引述匿名知情人士報導,公司計畫 11 月 18 日定價、11 月 19 日開始交易,訂單簿則已在每股 70 至 78 美元區間內獲得足額認購。這些是媒體轉述的計畫與需求狀況,不是已完成的定價或股份交易。

    為什麼報導中的估值數字不同?

    CNBC 報導,按每股 78 美元估算,Anthropic 的完全稀釋估值可能達 1.405 兆美元。Reuters 刊於 NBC News 的另一篇報導則稱,公司 IPO 目標估值最高約 1.02 兆美元。該報導沒有交代這個數字所用的股份數分母或估值口徑,因此兩個上限不能視為同一基礎的直接比較,也不能據此推算每股價值差距。

    Reuters 報導還提到,部分潛在投資人質疑先前討論的 1.5 兆美元估值,並將市場觀望與公司的基礎設施承諾、AI 相關股票波動及融資環境連在一起。這是報導對投資人疑慮與市場背景的整理,不是對 IPO 表現的預測。

    Anthropic 於 2026 年 5 月公布的 Series H 融資為 650 億美元,當時公司公布的 post-money 私募估值為 9,650 億美元。這是私募融資估值;CNBC 所述的 1.405 兆美元則是可能的完全稀釋 IPO 估值,Reuters/NBC 所述的 1.02 兆美元口徑未明,三者應保留各自的來源與計算背景。

    CNBC 另報導一筆獨立的 260 億美元私募配售:Anthropic 將以與 IPO 價格相同的每股價格出售 Class N 股。該報導指出,這些股份不會納入公開發行的註冊股份數。Reuters/NBC 則報導,連同基石投資人的投資,募資總額可能達 904 億美元;這個總額包含公開發行與其他安排,不能當成 IPO 本身的發行金額。

    以上資訊反映路演啟動時公布的擬議條件及媒體報導。價格區間、預定日期、訂單簿情況與估值數字各有來源及限制,並不表示定價或上市已完成。

    原文:https://easyvibecoding.app/curated/3702-anthropic-ipo-proposed-price-range

    4 min
  • Meta 推出 Muse Ember:主打代理常用任務,公布效能、價格與評測條件

    Meta 推出 Muse Ember:主打代理常用任務,公布效能、價格與評測條件

    Meta 於 2026 年 11 月 9 日發布 Muse Ember,並稱這是旗下最小、效率最高的模型,設計用於代理反覆執行的工具呼叫、程式子任務、路由、資料擷取與長文件解析。Meta 表示,模型已可透過 Muse Code 與 Meta Model API 使用,型號為 muse-ember-1.0。這次發布的重點,是 Meta 同時公布了模型價格、效能比較,以及各項評測的條件,讓讀者能分開看每任務成本、測試分數與標準 API 單價。Meta 官方發布文;Mark Zuckerberg 的發布貼文

    公布的成本比較涵蓋哪些模型與設定?

    Meta 官網刊出 Artificial Analysis 的「Intelligence vs. Cost Per Task」圖,以 Intelligence Index 分數和每任務成本比較 Muse Ember、Claude Haiku 5.5 與 GPT-6 Luna 在不同推理強度下的結果。圖中的 Muse Ember 有兩個點:分數 33.9、每任務 0.116 美元,以及分數 35.8、每任務 0.136 美元;Claude Haiku 5.5 的四個點介於 24.6 分、0.092 美元與 36.2 分、0.411 美元之間;GPT-6 Luna 的三個點介於 21.4 分、0.073 美元與 27.8 分、0.152 美元之間。這張圖呈現的是不同推理強度下的每任務成本與分數,不是 API 每百萬 token 單價;圖註標示日期為 2026 年 11 月 9 日,Muse Ember 的成本採 list pricing。Meta 據此主張,Muse Ember 在該比較中每個推理設定的 intelligence per dollar 高於另外兩款模型。這是 Meta 引述的比較結果,應連同圖中的模型、設定和成本口徑理解。

    Meta 官網原始「Intelligence vs. Cost Per Task」圖,比較 Muse Ember、Claude Haiku 5.5 與 GPT-6 Luna 在不同推理強度下的 Artificial Analysis Intelligence Index 與每任務成本;圖註標示 Muse Ember 成本採 list pricing,日期為 2026 年 11 月 9 日。

    九個資料點的手機可讀比較表;日期為 2026-11-09,Muse Ember 成本採 list pricing。這是 Meta 官網公布的比較,並非獨立重測。

    評測分數如何解讀?

    Meta 的評測表也列出多種任務結果。例如在 max reasoning 設定下,Muse Ember 的 AutomationBench-AA 為 37.8%,Agents’ Last Exam 為 61.6%,Terminal-Bench 4.0 為 40.9%,GDP.pdf-AA 為 22.8%。這些分數來自不同評測,條件並不相同:Meta 說明 Agents’ Last Exam 使用 Linux 子集,部分評測屬 Meta 內部測試;Terminal-Bench 4.0 使用各模型最佳已發布 harness;GDP.pdf-AA 則採 Artificial Analysis 版本。Meta 的方法報告另說明評分方式和個別 benchmark 條件。這些是官方公布的評測結果,不是獨立重測;比較時需留意測試環境與 harness 的差異。

    Meta Muse Ember 評測方法報告(補充 PDF)

    Meta 提供的補充評測方法文件;本文未閱讀 PDF 全文,前述評測條件依 Meta 發布頁說明。

    API 價格與可用規格

    Meta 官網列出的標準價格為每百萬輸入 token 0.10 美元、快取輸入 token 0.004 美元、輸出 token 0.50 美元;prompt 超過 200K token 時,價格分別提高為 0.30、0.012 與 1.50 美元。官網也列出 1M token 上下文窗口、最多 512K token 輸出,並稱模型支援 Responses API。這些是 token 計價與規格,和前述每項測試任務的成本數值是不同口徑。

    Meta 將 Muse Ember 定位為可大量執行重複代理任務的模型,並表示它是首個使用 Muse Wonder Full 訓練的專用模型。對讀者而言,發布頁提供了可核對的價格與多組 benchmark 數據;評估是否適合特定工作時,仍要對照自己的任務、推理設定、測試工具與實際用量。

    原文:https://easyvibecoding.app/curated/3701-meta-muse-ember-agent-model-benchmarks-pricing

    5 min
  • Claude 推出 Whiteboards、Sheets 與 Data:兩項 beta,一項一般提供

    Claude 推出 Whiteboards、Sheets 與 Data:兩項 beta,一項一般提供

    Anthropic 於 2026 年 11 月 10 日宣布推出三項工作工具:Claude Whiteboards、Claude Sheets 與 Claude Data。官方公告將 Whiteboards 和 Sheets 標為 beta;原 Claude Dashboards 則以 Claude Data 名稱轉為一般提供。Claude Data 需要資料連接器,例如資料倉儲或 CRM;三項工具列於付費方案。這次更新把白板、試算表與儀表板放進 Claude 的工作工具組合,適合留意 AI 如何協助整理計畫、追蹤資料及呈現分析的讀者。citeclaude-tools-official-2026-11-102120206365759094857

    依 Anthropic 2026 年 11 月 10 日官方公告;三項工具列於付費方案。

    三項工具各自處理什麼工作?

    Claude 官方帳號以三個動作介紹這組工具:在白板上推演計畫、用試算表建立追蹤表,再透過資料說故事。官方網站補充,Whiteboards 與 Sheets 正以 beta 推出;Claude Data 是 Claude Dashboards 更名後的一般提供版本。這些是公告所述的產品狀態,並非獨立的可用性測試。

    Claude Whiteboards、Sheets 與 Data 產品展示;畫面依序呈現白板介紹、試算表及節慶預購資料儀表板。

    官方頁面對 Sheets 的功能範圍也有明確說明:目前是簡單的試算表功能,後續仍在擴充。這表示 Sheets 的現階段定位仍在發展中;公告沒有列出完整功能清單或擴充時程。

    示範影片呈現了哪些操作?

    官方示範影片呈現 Whiteboards 建立節慶產品上市時間軸、Sheets 參考歷史預購資料產生預測,以及 Data 將預購資料整理成儀表板與敘事版面。這些畫面展示了產品操作流程;影片中的商業數字屬於示範情境,不能當作經外部查證的實際銷售結果。

    官方示範影片依序展示 Claude Whiteboards 產生節慶上市時間軸、Sheets 根據歷史數據製作預購預測,以及 Claude Data 呈現銷售儀表板與敘事版面。

    影片畫面中的預購數字,例如 58,500 件與去年同期的 50,000 件,以及畫面標示的 17% 增幅,都是產品示範所用的範例資料。它們說明儀表板如何呈現比較結果,不代表真實商業成績。示範也沒有提供能獨立驗證這些數字的資料來源。

    對讀者而言,較清楚的切入方式是先看各工具所處的發布階段:Whiteboards 和 Sheets 為 beta,Claude Data 為一般提供;再把示範中的操作與數字視為產品展示內容。官方公告稱三者皆適用於付費方案,Claude Data 另需要資料連接器,例如資料倉儲或 CRM;Sheets 的功能仍在擴充。

    官方示範影片依序展示 Claude Whiteboards 產生節慶上市時間軸、Sheets 根據歷史數據製作預購預測,以及 Claude Data 呈現銷售儀表板與敘事版面。 影片中的 Prompt 與操作:

    Prompt(00:09): 為 Huckleberry Pie 上市規劃插畫時間軸,從確定口味到節慶配送。

    原文:Lay out an illustrated timeline for the Huckleberry Pie launch, from locking the flavor to holiday delivery.

    Prompt(00:13): 草擬預購預測,並參考 Historical 分頁的去年數據。

    原文:Draft a forecast for pre-orders. Reference last year’s numbers from the Historical tab.

    操作步驟: 1. Whiteboards displays a 12-day launch timeline with milestones for flavor and price decisions, forecasting, order placement, delivery, baking, and recipe testing. 2. Sheets populates historical actuals and conservative and optimistic growth scenarios, with totals and remaining-capacity calculations. 3. Data presents the pre-order KPI cards, year-over-year weekly line chart, and flavor breakdown; the demo then formats the results as a scrollyteller narrative.

    原文:https://easyvibecoding.app/curated/3697-claude-whiteboards-sheets-data-launch

    3 min
  • Claude Fable 5.2 與 Mythos 5.2:同一模型,不同防護設定與存取條件

    Claude Fable 5.2 與 Mythos 5.2:同一模型,不同防護設定與存取條件

    Anthropic 於 2026 年 11 月 9 日發布 Claude Fable 5.2 與 Claude Mythos 5.2,稱兩者來自同一底層模型。產品差異在於安全設定和取得方式:Fable 保留網路服務中的資安與生物學防護;Mythos 則是移除部分相關防護、僅向經審核組織提供的版本。因此不能把 Mythos 描述成防護更嚴格的配置。Anthropic 說 Fable 5.2 的資安與生物學防護與 Fable 5.1 一樣強,但早期測試在 Claude、Claude Code 與 Cowork 中觀察到的攔截次數較少。這些是特定測試結果,不是每位使用者或每種請求都會有相同變化。

    發布頁把 Fable 5.2 定位為處理高難度、開放式技術工作的模型,並建議多數日常寫程式與知識工作先從 Opus 5.5 開始,再按任務複雜度調整。Mythos 5.2 面向資安與生命科學等雙重用途領域,需經 Cyber Verification Program 或 Life Sciences Verification Program 審核;Claude Enterprise 客戶也可透過 Claude Security 使用相關能力。官方介紹的能力、受限存取和防護設定是三件不同的事,不能只由模型名稱推斷自己能否呼叫,或將受限測試中的表現直接套到一般 Fable 使用情境。

    Claude Fable 5.2 官方影片以抽象景象和品牌字卡呈現:行走者穿越藍色與赭色地景,畫面切換到光弧、數學線圖、微觀自然景象與極光,最後顯示 Fable 5.2 與 Claude 標誌。

    同一底層模型,防護與取得方式不同

    | 比較面向 | Fable 5.2 | Mythos 5.2 | |---|---|---| | 底層模型 | 與 Mythos 5.2 相同 | 與 Fable 5.2 相同 | | 資安與生物學防護 | 保留相關安全分類器;官方稱強度與 Fable 5.1 相當 | 底層模型的特定資安與生物學防護未啟用 | | 取得方式 | Claude、Claude Code、Claude Platform 及支援的雲端服務 | Verification Programs、指定平台與符合條件的 Claude Security 使用情境 | | 官方建議 | 多數日常程式與知識工作先試 Opus 5.5 | 雙重用途領域的經審核組織申請使用 |

    Anthropic 對 Mythos 的產品說明是「同一底層模型,但沒有某些資安或生物學防護」,不是「Mythos 有更嚴格防護」。發布文章將 Mythos 稱為其資安工程和生命科學研究中能力最強的模型之一,並說明它可在 Verification Programs 中提供給經審核組織。這些能力描述與存取條件都不代表一般帳戶可以選用 Mythos。

    Fable 的安全分類器會攔截高風險資安工作,例如滲透測試、漏洞利用程式生成、以二進位檔進行的漏洞工作,以及多數研究生物學任務。被攔截時,官方描述的透明 fallback 分別轉向 Opus 4.8(資安)與 Opus 5(生物學)。發布方說明,Fable 5.2 延續 Fable 5.1 的防護;根據 claude.ai、Claude Code 與 Cowork 的早期測試,觀察到總攔截次數約少 55%,其中資安約少 60%、生物學約少 40%。這是早期測試中的攔截變化,不等於防護強度下降,也不是所有生產請求的攔截率。

    在模型訓練方面,Anthropic 表示曾限制可能直接加速 AI 研發的特定研究能力,例如加速器核心最佳化與大型語言模型架構改良;這與線上推論時的服務 fallback 是不同環節。官方說相關領域的表現約在 Opus 5.5 水準,同時沒有調低 agentic coding、硬體開發或傳統 AI/機器學習研究能力。兩款模型在部分主題仍會透明 fallback 至 Opus 5。發布頁也提醒,模型可能察覺自己正接受評估,這會影響研究者推估其真實環境行為;單一測試不能涵蓋部署後的所有失敗方式。

    API 規格與價格:看清輸入、輸出和模式

    Anthropic 的發布頁列出 Fable 5.2 的 API 型號識別碼為 claude-fable-5-2,支援文字與圖片輸入,context window 為 1,000,000 tokens,最大輸出為 128,000 tokens。上下文容量表示一次請求可處理的輸入範圍,不代表每次都會把容量用滿;輸出上限也不是每個回答都會生成的長度。

    | API 項目 | Claude Fable 5.2 標準模式 | Fast mode | |---|---:|---:| | 輸入 | 每百萬 tokens 8 美元 | 每百萬 tokens 16 美元 | | 輸出 | 每百萬 tokens 40 美元 | 每百萬 tokens 80 美元 | | 生成速度 | 標準速度 | 官方稱最高可快 2.5 倍 | | API effort 預設 | High | 另選模式;價格與速度口徑不同 |

    Anthropic 的模型選用指南將 Fable 5.2 的 API thinking 列為 Adaptive、預設開啟,且不能關閉;API 預設 effort 是 High。Claude App 與 Claude Code 預設為 Medium,Claude Code 的設定也可能依工作階段而異。官方指南特別提醒以 /effort status 查實際 Claude Code 設定。這些預設值不可互換:在 API 上沿用 Claude Code 的 Medium 假設,可能造成測試配置不同。

    Claude Code 團隊的原帖稱 Fable 5.2 已在 Claude Platform 和 Claude Code 提供,並列出每百萬 tokens 輸入/輸出 8/40 美元;Fable 5.1 為 10/50 美元。Anthropic 也說 Fable 5.2 與 5.1 相比,輸出生成最高快 30%。這個速度描述是發布方的比較,不是所有請求都固定提升 30%。Fast mode 是選配,標價加倍、官方速度描述最高 2.5 倍;兩個「最高」數字都不代表單一任務的固定延遲或帳單。

    Fable 5.2 的標準 API 價格為每百萬輸入 tokens 8 美元、每百萬輸出 tokens 40 美元;cache read 為每百萬 tokens 0.20 美元。Artificial Analysis 的模型頁與原帖另列 5 分鐘 cache write 每百萬 tokens 10 美元、1 小時 cache write 16 美元。此為其保存的價格快照;cache write、cache read、一般輸入和輸出是不同計價項目,長對話也可能因每輪重送內容而增加用量。

    Fast mode 對 Mythos 的可用範圍另有條件:Anthropic 說 Mythos fast mode 只提供給 Verification Programs 的組織。Fable 5.2 則可透過 Claude Platform 開始使用,並已提供於 AWS、Google Cloud、Microsoft Azure 等平台。Mythos 的平台清單包括 Claude Code、Claude Platform、Google Cloud(Anthropic managed 與 Google managed)及 Microsoft Foundry(Anthropic hosted);平台能選到模型,仍須符合該模型的存取資格。

    評測分數代表各自的測試條件

    官方發布的 FrontierCode 2.0 評估程式碼變更是否能被開源專案維護者合併。Anthropic 報告 Fable 5.2 在 high effort 得 45.3%,接近 Opus 5.5 的最高結果 45.5%,成本約一半;在 xhigh 得 49.1%,是官方測試的已發布模型中最高值。FrontierSWE v2 是另一項 agentic coding 評測;兩者任務集與計分口徑不同,不能把分數當成一般軟體專案成功率。

    官方FrontierCode 圖表回覆有四張不同 effort 的圖,涵蓋 FrontierCode 2.0、WANDR、BenchCAD 2.1 和 Humanity’s Last Exam。它們可用來查看 effort、分數和任務成本的關係,但各圖的測試目標不同:WANDR 評估 agentic search;BenchCAD 2.1 評估硬體設計與參考幾何、電路的符合度;Humanity’s Last Exam 是專家級多學科知識與推理測試。圖表上的 benchmark 表現不等於在任務範圍外的普遍能力。

    FrontierCode 2.0 圖表比較 agentic coding 不同 e…

    21 min

About EasyVibeCoding Podcast

From the publisher's feed

輕鬆Vibe Coding — 每日策展的 X 技術社群精選、AI 趨勢分析與 Claude 實作心得的中文音訊版。