脈報

脈報

By 思思主播Technology
Download on the App Store

All 脈報 episodes

  • 用 Claude Fable 5 別再堆指令,Anthropic 官方教你做減法


    換更強的 Claude Fable 5,第一件事不是加 prompt 是減 prompt。Anthropic 官方指南整理了最該調整的行為、可直接複製的指令,還有一個會害你退回舊模型的隱藏陷阱。



    ⭐ 文章深度讀:官方那十幾段可直接複製的 prompt 片段,加上 reasoning_extraction 陷阱遷移前該掃哪裡,都整理在文章裡

    → https://heymaibao.com/claude-fable-5-prompting-guide/


    ⚡ 章節重點

    開場 00:00

    Fable 5 到底強在哪 01:24

    該立刻改掉的實戰習慣 02:45

    害你降級的隱藏陷阱 05:50

    幫你的 AI 護欄瘦身 07:19

    總結與我的判斷 07:55


    📝 懶人包

    ∙ Anthropic 官方明說,Fable 5 的指令遵循能力夠強,多數行為用一句簡短指令就能引導,不必逐項把每個行為列出來。為舊模型寫的那些又長又細的 prompt 和技能設定,反而可能拉低它的表現,該檢視並考慮刪掉。


    ∙ 「單次請求會跑很久」是團隊遷移時遇到的最大轉變之一。難一點的任務在高算力檔位下,一個請求可能跑好幾分鐘。放手讓它自主跑,甚至能延續好幾個小時。你的逾時設定、串流輸出 (streaming) 和進度提示,都得先改成非同步檢查,不要傻等。


    ∙ effort (官方的算力檔位設定) 是控制「聰明、速度、成本」的主旋鈕。官方建議預設用 high,最吃能力的工作用 xhigh,例行工作用 medium 或 low。而且 Fable 5 就算開低檔,表現也常常勝過舊模型開到最高檔。


    ∙ 我的觀察:這份文件真正的訊號不是「又一個更強的模型」,而是「能力升級時,你的護欄該瘦身了」。過去我們習慣把 prompt 越寫越厚來補模型的不足,現在官方等於在說,那層厚度有一部分已經變成負擔。前提是你願意先動手刪、再觀察它在你的場景下表現有沒有變好。


    📚 參考資料

    Prompting Claude Fable 5

    → https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/prompting-claude-fable-5

    9 min
  • Claude Code 開放巢狀 subagent,3 個工作流現在就能用


    Claude Code 開放巢狀 subagent,讓 subagent 能再開下一層。這篇用批次事實查核、bug 除錯、迭代 skill 三個馬上能套的工作流,帶你把這個新能力變成每天用得上的東西。



    ⭐ 文章深度讀:影片沒講的三個代價,和到底該不該用的判斷,我寫在文章裡

    → https://heymaibao.com/claude-code-nested-subagents/


    ⚡ 章節重點

    開場 00:00

    AI 為什麼會變笨:脈絡視窗 00:59

    subagent 怎麼解決 01:41

    巢狀 subagent 新在哪 02:45

    Codex 的 max_depth 對照 03:20

    工作流 1:批次事實查核 03:56

    工作流 2:bug 除錯挖根因 04:45

    工作流 3:比較與迭代 skill 06:05

    三大隱藏代價 07:45

    到底該不該用 08:33

    結語與功課 09:07


    📝 懶人包

    ∙ Claude Code 現在讓 subagent 自己再開下一層 subagent,一層接一層,影片作者說最深可以疊到 5 層。


    ∙ 重點不是疊得多深,而是把「吵雜、不確定有沒有用」的工作往深層推,讓主對話只收回乾淨的結論,重要決策在脈絡還很清爽時就先做完。


    ∙ 作者給的落地用法包含批次事實查核、bug 除錯、以及比較和迭代你自己的 skill,共同模式都是「平行分頭做,再一層層收斂回來」。


    ∙ 我的觀察: 這功能確實好用,但有使用條件。它會多燒 token、層數一多也更難除錯,所以值得用在你每天重複、而且品質很要緊的工作上,不是每件小事都要疊一堆代理。


    📚 參考資料

    Anthropic Just Dropped the Biggest Subagent Upgrade Yet

    → https://youtu.be/i4fMF1pug3w

    10 min
  • 最強的 Claude Fable 5 來了,但 Anthropic 沒告訴你全部


    最強的 Claude Fable 5 來了,Anthropic 卻沒把代價說完。靜默降能、沒有零資料保留、又貴又慢、限時兩週。一位開發者整天實測後的心得,幫你判斷這顆模型值不值得碰。



    ⭐ 文章深度讀:Anthropic 對你誠實,唯一選擇不講的是哪件事

    → https://heymaibao.com/claude-fable-5-review-tradeoffs/


    ⚡ 章節重點

    開場 00:00

    三個重點先看懂 01:11

    Fable 5 的身世 01:39

    它真的有多強 02:21

    聰明到教你繞過分類器 03:45

    安全機制的兩面 04:18

    又貴又慢的代價 05:32

    沒有零資料保留 05:59

    限時開放與算力瓶頸 06:49

    我的判斷與該怎麼用 07:15


    📝 懶人包

    ∙ 第一點:Claude Fable 5 是 Anthropic 把內部那顆最大的 Mythos 模型,加上安全防護後對公眾釋出的版本,被實測者評為「世代級」的躍進,跟去年 11 月 Claude 4.5 那一跳同等級。


    ∙ 第二點:當系統偵測到資安、生物、化學這類請求,它會改由比較保守的 Opus 4.8 接手,而且一定會告訴你被轉手了,這部分算透明。


    ∙ 第三點:但偵測到「協助訓練其他 AI 模型」的請求時,它是默默降低能力、不通知你的,再加上沒有零資料保留、又貴又慢、還只限時開放給訂閱方案。


    ∙ 我的觀察:這篇真正的故事是一場取捨,模型越強,你卻越難碰到它,而且還有一些你根本看不見的限制,這比「它有多強」更值得你花時間判斷。


    📚 參考資料

    Claude Fable 5 實測心得 (YouTube)

    → https://youtu.be/0oNvw_OZftw

    9 min
  • Anthropic 團隊用 Claude Code 一年,學到 5 件反直覺的事


    Claude Code 上線一年,Anthropic 團隊分享 5 件反直覺的事:犯錯寫成規則、驗證是讓 AI 自己跑起來、全自動核准比逐條把關更安全、讓 AI 自己接 bug、context 越少越好。



    ⭐ 文章深度讀:把 AI 擺旁邊還是放中心,一年後拉開的產能差距

    → https://heymaibao.com/anthropic-claude-code-one-year-lessons/


    ⚡ 章節重點

    開場 00:00

    反直覺 1:犯錯別糾正,寫成規則 01:44

    反直覺 2:驗證是讓 AI 自己跑起來 03:00

    反直覺 3:全自動核准更安全 04:17

    反直覺 4:讓 AI 自己接活 05:29

    反直覺 5:context 越少越好 06:44

    把 AI 放中心,而不是擺旁邊 07:46


    📝 懶人包

    ∙ Claude Code 團隊發現,當 AI 犯錯時最好的做法不是當場糾正它,而是把規則寫進 CLAUDE.md (給 AI 看的專案說明檔) 或做成可重用的 skill,讓它下次自己照做。


    ∙ 他們認為大家最常誤解「驗證 (verification)」這件事,以為是寫測試或檢查格式,但對 AI 代理來說,真正的驗證是「它能不能自己把東西跑起來、看看結果對不對」。


    ∙ 他們主張全自動核准模式 (auto mode) 比逐條問你「可不可以執行」更安全,因為人在連按一百次「同意」之後,眼睛自然會放空。


    ∙ 我的觀察:這部影片最值得帶走的,不是 Anthropic 已經在同時跑上千個 AI 代理,而是他們學到的方法論,幾乎每一條都能縮小版套用在你自己的工作上。


    📚 參考資料

    Anthropic Claude Code 團隊一週年對談 (YouTube)

    → https://youtu.be/Hth_tLaC2j8?si=f5485pU_A8StsbaQ

    10 min
  • Claude Code 創造者:我六個月沒寫程式,改成寫 loops 了


    打造 Claude Code 的 Anthropic 工程師 Boris 六個月沒寫過程式,還卸載 IDE,改成寫 loops 讓自動迴圈去指揮 Claude。他說引擎是模型,並建議把預算從人力換成 tokens。



    ⭐ 文章深度讀:為什麼打造 Claude Code 的人半年沒寫程式,還勸你把預算從人換成 tokens

    → https://heymaibao.com/claude-code-creator-writes-loops/


    ⚡ 章節重點

    開場:創造者自己不寫程式了 00:00

    他現在的工作是寫迴圈 01:54

    真正的引擎是模型 04:06

    用 tokens 換人力的建議 05:22

    職稱會消失與品味的祛魅 06:37

    今天就能動手的三件事 08:00


    📝 懶人包

    ∙ Claude Code 剛做出來時很爛,只幫 Boris 寫了大概 10% 到 20% 的 code。真正讓它變好用的,是底層模型變強 (他口述從 Sonnet 4、Opus 4 一路到 Opus 4.5),而不是外層那些介面工程。


    ∙ 寫程式的抽象層級一路往上跳: 從編輯器自動補完,到用文字指揮 AI,再到現在的「寫 loops」。Boris 卸載了 IDE、半年沒親手寫 code,現在讓自動迴圈去指揮 Claude。


    ∙ 他給團隊的建議是: 把預算從人力移到 tokens。每個專案刻意少給人 (需要 4 個人的事只放 2 個人),逼他們用大量 tokens 把事情自動化,長期會產生複利效應。


    ∙ 我的觀察: Boris 嘴上把功勞全給了模型,行動上卻一直在做產品工程 (各種介面、流程、技能包)。對我們真正有用的,反而是搞懂他口中那層「放大器」怎麼搭,因為那才是現在就能動手的部分。


    📚 參考資料

    Boris Cherny: Claude Code & the Future of Engineering | Acquired Unplugged presented by WorkOS

    → https://youtu.be/RkQQ7WEor7w?si=crGbgCkLO8fA0G2e

    10 min
  • Anthropic Fable 5 實測一週:最強模型,卻不是給你用的


    Every 實測 Anthropic 新模型 Fable 5 一週。benchmark 一個 prompt 拿 91 分、能自己跑 3-4 小時,但慢、貴、約 Opus 兩倍。最強卻不見得適合你,我整理它的強弱項。



    ⭐ 文章深度讀:Fable 5 到底適不適合你,關鍵不在它多強,而在你手上有沒有夠大的問題

    → https://heymaibao.com/anthropic-fable-5-week-test/


    ⚡ 章節重點

    被嫌太危險的最強模型 00:00

    它是什麼:一台曲速引擎 02:01

    多強:91 分與丟了就走 03:22

    代價:慢、貴、極吃 token 05:20

    不是給你用的:誰該用 06:51

    更大的一件事 08:29


    📝 懶人包

    ∙ Fable 5 最特別的能力是「丟了就走」。你給它一個夠大的任務,然後離開去做別的事,讓它自己跑 3 到 4 小時、甚至過夜,回來就有成品。Dan 把它比喻成曲速引擎,把原本要幾個月的大工程壓縮成幾小時。


    ∙ 在 Every 自家的「資深工程師 benchmark」裡,Fable 5 用一個 prompt 拿了 91 分 (滿分 100),等同人類資深工程師的水準。前一名 Opus 4.8 是 63 分,GPT 5.5 是 62 分。要注意這是 Every 自己設計的測試,不是業界第三方標準。


    ∙ 代價很實在。它慢、貴、極度吃 token,定價是每百萬 input token 10 美元、每百萬 output token 50 美元,大約是 Opus 的兩倍。連 Dan 自己日常工作都覺得它 overkill,平常還是用 GPT 5.5。


    ∙ 我的觀察:這部實測難得不藏短,連「寫作沒有比 Opus 4.8 好」、「對日常太重」都直接講出來。對我來說,這種坦白比那個 91 分更值得參考,因為它告訴你的不是「快買」,而是「先想清楚你需不需要」。


    📚 參考資料

    We Tested Anthropic's Fable 5 for a Week

    → https://youtu.be/GrdEid8H6H4

    10 min
  • Anthropic 推出最強模型 Claude Fable 5,還幫它裝了煞車


    Anthropic 推出最強模型 Claude Fable 5 與解鎖版 Mythos 5,能力躍進又降價一半,卻幫它裝了煞車:敏感請求會自動換成 Opus 4.8。一篇看懂雙模型差異與實際影響。



    ⭐ 文章深度讀:搞懂那道煞車什麼時候會踩到你,以及訂閱方案 6 月 23 日之後的收費變化

    → https://heymaibao.com/claude-fable-5-mythos-5/


    ⚡ 章節重點

    開場 00:00

    同一個引擎兩種封裝 00:59

    它到底有多強 02:08

    那道煞車怎麼運作 03:52

    對你的實際影響 06:37

    總結與行動指南 08:00


    📝 懶人包

    ∙ 這次其實是兩個模型一起發。Claude Fable 5 與 Claude Mythos 5 是同一個底層引擎,差別只在安全防護的開關。Fable 5 對所有人開放,Mythos 5 解除了部分防護,只給少數受信任的對象。


    ∙ 能力躍進有具體背書。Anthropic 引用合作方說法,例如 Stripe 稱 Fable 5 在一個 5,000 萬行的 Ruby 程式碼庫做全庫改寫,一天就完成,而這原本要一整隊工程師手動做兩個多月。


    ∙ 那道煞車叫 classifiers (偵測誤用的獨立 AI 系統)。當它判定你的問題碰到網路安全、生物化學或「蒸餾」這三類敏感領域,會自動改由較舊的 Claude Opus 4.8 來回答,而不是直接拒絕。Anthropic 稱超過 95% 的對話完全不會觸發,平均觸發率低於 5%。


    ∙ 我的觀察:對多數知識工作者來說,這次真正的轉折不是「Claude 又更強了」,而是 Anthropic 第一次把「模型強到要分級放行、敏感問題自動降級」做成正式產品。前提是你得接受,你買的 Fable 5 在某些情況下,拿到的其實是另一個模型的答案。


    📚 參考資料

    Anthropic 官方公告:Claude Fable 5 and Claude Mythos 5

    → https://www.anthropic.com/news/claude-fable-5-mythos-5

    9 min
  • Google 自己做晶片,卻還要每月付 Elon 9.2 億美元租算力


    為什麼連自製晶片的 Google 都得跟對手 Elon 租算力?這篇用 Theo 的影片拆解 AI 算力危機的四層供應鏈瓶頸,解釋為什麼砸錢也快不了,以及真正的贏家為什麼是 Nvidia。



    ⭐ 文章深度讀:算力危機接下來會更嚴重還是緩解

    → https://heymaibao.com/ai-compute-crisis-google-rents-from-elon/


    ⚡ 章節重點

    連 Google 都得跟 Elon 租算力 00:00

    算力荒到底有多嚴重 00:50

    供應鏈的四層瓶頸 01:59

    為什麼不能直接多蓋幾座廠 05:24

    誰是這場危機的贏家 06:45

    這跟你有什麼關係 08:54


    📝 懶人包

    ∙ 三大廠都被算力卡死。Theo 引述財報指出,Microsoft、Google、Anthropic 都明說自己「產能 / 供給受限」,連自製晶片的 Google 都得跟對手 Elon 租算力來補。


    ∙ 瓶頸是「整條供應鏈同時卡」。從 TSMC 晶圓代工、HBM 高頻寬記憶體 (全球只有 3 家能做)、硬碟到電力,任何一層不夠,都會像濾網一樣卡死整條鏈,不是單買 GPU 就能解決。


    ∙ 解法慢得要命。Theo 引述 TSMC 的說法,蓋一座新晶圓廠要 8 到 10 年,產能甚至提前 6 到 8 年就被預訂光,所以短期內砸錢也變不出來。


    ∙ 我的觀察:這場危機裡真正穩贏的,不是模型做得最好的,而是「早就把算力佔下來」的人和「賣鏟子」的 Nvidia。Elon 賭對了方向、卻賭錯了產品 (Grok 沒做起來),最後靠把算力轉手出租意外翻盤,這個反差是整部影片最值得玩味的地方。


    📚 參考資料

    Elon kinda won after all

    → https://youtu.be/jB2iKoBSPyo

    11 min
  • Google CEO Pichai 親口承認:我們在 AI coding 還落後


    一場罕見坦白的訪談:Google CEO Pichai 承認在 AI coding 落後 Anthropic 與 OpenAI,新模型剛上線就被嫌。他也談競賽節奏、TPU 策略、就業前景與越來越近的 AGI。



    ⭐ 文章深度讀:你覺得 Google 這次親口認落後,是真誠面對還是預期管理式的公關?

    → https://heymaibao.com/google-ceo-admits-coding-behind/


    ⚡ 章節重點

    開場 00:00

    Google 到底落後在哪 01:21

    追趕武器 Antigravity 02:26

    30 到 60 天像 5 年 03:34

    AI 會不會搶走工作 05:03

    通往 AGI 之路 06:12

    給知識工作者的啟發 07:19


    📝 懶人包

    ∙ Pichai 自評 Google 的位置很坦白:在文字、多模態、語音、推理這些能力上,Google 站在前沿,但在 agentic coding (能自己拆任務、呼叫工具一路把事情做完的那種 coding) 、工具使用、長時間的複雜任務上,「我們有點落後」,落後的對象包含 Anthropic 和 OpenAI。


    ∙ Google 一款剛上線一天的新模型,馬上遇到關於定價和品質的抱怨。Pichai 把原因歸給「推出得太趕」加上「為了避免服務當機而先收緊了用量限制」,並承諾很快會用後訓練 (post-training,模型上線後的再調校) 把問題修掉、放寬限額。


    ∙ 他用一句話概括現在的競賽節奏:「30 到 60 天,感覺像過了 5 年。」三個月前大家還說「沒人追得上我們」,現在風向就翻了一輪。


    ∙ 我的觀察:一個 CEO 願意在鏡頭前說「我們落後」,通常不是認輸,反而代表內部已經有具體的追趕動作擺上檯面。願意承認,是因為他手上有牌可打。


    📚 參考資料

    Sundar Pichai 於 Hard Fork 的專訪 (YouTube)

    → https://youtu.be/RgV57kDzcng

    9 min
  • OpenAI 攤牌:三大目標、2028 自動化研究、每人一個 AGI


    OpenAI 攤牌三大目標:打造能自動化研究的 AI、加速經濟並共享收益、給每個人一個個人 AGI。唯一硬時間錨 2028 年 3 月,原文標為內部信念,幫你把硬資訊跟空話分開。



    ⭐ 文章深度讀:OpenAI 會不會在 2028 年 3 月前,把收益分配與個人 AGI 普惠的具體機制端上桌

    → https://heymaibao.com/openai-three-goals-2028-personal-agi/


    ⚡ 章節重點

    開場:又一篇 AI 願景宣言? 00:00

    目標一:打造會自己做研究的 AI 01:41

    2028 年 3 月這個時間錨 03:07

    電力類比與普惠願景 04:31

    目標二、三:加速經濟與個人 AGI 05:29

    OpenAI 的第三階段劇本 06:37

    反對全面自動化,人類做什麼 07:28

    三個自打臉的矛盾 08:42

    我的判斷:立場宣告不是路線圖 09:42


    📝 懶人包

    ∙ OpenAI 列出三大目標:打造能自動化研究流程的「自動化 AI 研究員」、加速經濟並讓收益廣泛共享、給地球上每個人一個「個人 AGI」。


    ∙ 全文唯一的硬時間錨是 2028 年 3 月,OpenAI 說屆時「可能」有相當比例的研究由 AI 系統與自家研究員協作完成,但原文明確標為「內部信念」加「可能」,不是承諾。


    ∙ OpenAI 宣告進入「第三階段」,核心問題從「衝前沿能力」轉成「怎麼讓先進 AI 對每個人和組織都變得充裕、可負擔、安全、好用」。


    ∙ 我的觀察:這份文件最該被當成「價值觀宣言加三個 KPI」來讀,願景講得很滿,但落地機制幾乎沒寫,而且由 OpenAI 這家最可能集中前沿能力的公司,來主張「反對權力集中」,本身就是一個需要讀者自己保持清醒的張力。


    📚 參考資料

    Built to benefit everyone: Our plan

    → https://openai.com/index/built-to-benefit-everyone-our-plan/

    11 min