脈報

脈報

By 思思主播Technology
Download on the App Store

All 脈報 episodes

  • Amp 內部評測:GPT-5.5 medium 比 GPT-5.4 high 貴 39%


    Amp 用內部 102 題 SWE 評測實測 GPT-5.5:medium 比 GPT-5.4 high 貴 39%,high 還比 medium 又貴又差。整理 reasoning 配置、prompt 風格轉變與 caching 限制的判斷。



    ⭐ 文章深度讀:你下次寫 ticket 時,會選 GPT-5.5 medium 還是繼續用 GPT-5.4 high?

    → https://heymaibao.com/amp-gpt-5-5-evaluation/


    ⚡ 章節重點

    開場 00:00

    降本錯覺:medium 比 5.4 high 貴 39% 00:54

    reasoning 等級陷阱:high 又貴又差 02:46

    跑分與現實的落差 03:56

    Prompt 寫法翻新:腳手架換 outcome 04:38

    caching 與 ZDR 細節 06:04

    怎麼判斷該不該換 07:16


    📝 懶人包

    ∙ Amp 內部 102 題 SWE eval:GPT 5.5 medium 拿 54 個 pass、花 $312,GPT 5.4 high 拿 53 個 pass、花 $225。品質大致相當,但 5.5 medium 貴了 39%。Amp 自己的話:「`GPT-5.5 is cheaper for the same quality.` 這句話不成立。」


    ∙ GPT 5.5 high 在同一份評測上只拿 50 個 pass、卻花了 $425,比 medium 又差又貴。 Amp 給的新預設是 medium,xhigh 留給高風險任務,low 用於 cheap-to-verify 小任務,high 不該再當保險選項。


    ∙ Prompt 寫法跟著翻新:從「先 inspect、再 plan、再 edit、再 test」這種流程腳手架,改成「Outcome / What good means / Constraints / How to verify」這種 outcome-focused 寫法。 Amp 自己也說,這個形狀「很像 Opus 4.7」。


    ∙ 我的觀察:這是少見的 vendor 自家評測,願意把不利自家敘事的數字寫得很清楚的案例。讀完最大的收穫不是「該不該升 GPT-5.5」,而是當模型公司的敘事 (更便宜) 跟 agent 廠商的實測 (更貴) 對撞時,預設要相信誰。


    📚 參考資料

    Amp 官方 model note:GPT-5.5

    → https://ampcode.com/models/gpt-5.5

    9 min
  • Anthropic 工程師親述為何幾乎不寫 Markdown 改用 HTML


    Anthropic 工程師 Thariq Shihipar 分享為何幾乎不寫 Markdown 改用 HTML 跟 Claude Code 協作。真實理由是讓他在 agent 接手越多時還能跟得上。整理 5 個場景與真正動機。



    ⭐ 文章深度讀:你最近一次認真讀完 Claude 幫你寫的計畫,是什麼時候?這個 Anthropic 工程師選擇用 HTML 把自己拉回 agent 化工作流的決策迴圈,值得借鏡。

    → https://heymaibao.com/anthropic-engineer-html-over-markdown/


    ⚡ 章節重點

    開場 00:00

    作者是誰 為何這篇值得聽他講 00:47

    ASCII 退化與 100 行 Markdown 沒人讀 02:10

    真正的命題是 staying in the loop 02:53

    HTML 的 4 個關鍵優勢 03:57

    規劃跟 code review 的 HTML 用法 04:40

    設計原型與解析報告 05:45

    最值得試的招 用後即丟編輯器 06:26

    HTML 真的不會吃太多 token 嗎 07:45

    起手姿勢與第一個實驗 08:58

    我的觀察 跟不上才是真正的病 09:59

    收尾 10:50


    📝 懶人包

    ∙ Thariq 主張 HTML 比 Markdown 更適合跟 Claude Code 工作,理由不是技術更專業,而是「我會讀完,也容易分享」。100 行以上的 Markdown 他不會讀,HTML 他會。


    ∙ 他列出 5 個 use case:規劃與探索、code review、設計原型、報告與學習、客製化編輯介面。其中客製化編輯介面最有招式感,重點是 export 按鈕,把人類操作再餵回 Claude Code,形成緊密迴圈。


    ∙ 他公開承認自己是「HTML maximalist」,幾乎完全停用 Markdown。但他也直白點名,這吃 token,前提是 Opus 4.7 的 1M context window 讓 token 增量在他的工作流裡不明顯。


    ∙ 我的觀察:這篇文章真正的心臟不是 HTML 對 Markdown 的技術比較,而是「stay in the loop」這個動機。Thariq 真正在解決的不是文件可讀性,而是 agent 接手越多時,人類怎麼不脫節。值不值得跟他切換,要看你願不願意真的去讀 Claude 寫的那些檔案。


    📚 參考資料

    Using Claude Code: The Unreasonable Effectiveness of HTML

    → https://claude.com/blog/using-claude-code-the-unreasonable-effectiveness-of-html


    thariqs.github.io/html-effectiveness

    → https://thariqs.github.io/html-effectiveness/


    anthropics/html-effectiveness

    → https://github.com/anthropics/html-effectiveness


    code.claude.com/docs

    → https://code.claude.com/docs/en/quickstart

    12 min
  • 從 GUI 到 CLI 再到世界模型:諾曼的 AI 原生公司操作藍圖


    諾曼公開了他自己 AI 原生公司的 4 層架構:CLI 化、Codex 灵动岛、Multica、Obsidian 知識庫,再用 3 個 autopilots 串成『世界模型』。可拆解的 founder 藍圖。



    ⭐ 文章深度讀:諾曼這套是 founder-mode 的個人最大化版本,多數團隊複製不了的是他「願意花週末自製 Codex 灵动岛」這種前置投入。但 CLI 化、Obsidian 知識庫、autopilots 模式這 3 件事可以照搬。

    → https://heymaibao.com/norman-ai-native-startup-world-model/


    ⚡ 章節重點

    開場 00:00

    懶人包 4 件事 00:27

    第一層:GUI 到 CLI 01:34

    第二層:Codex 灵动岛 03:48

    第三層:Multica 多 agent 04:47

    第四層:Obsidian 知識庫 05:20

    整合:3 個 autopilots 06:40

    收尾:FDE 與企業遷移 08:10


    📝 懶人包

    ∙ 諾曼把組織的中間層重新定義成「信息路由系統」。AI 改變的不是執行效率,而是讓整個信息協調功能可以被 agent 接手。


    ∙ 他主張 AI 原生公司的真正基底是 GUI → CLI 化。當會議轉譯、工單、反饋都變成 CLI 串接,組織才有他說的「context not control」的無限上下文沉澱。


    ∙ 他把這套架構拆成 4 個層次:CLI 化 → Codex 灵动岛 (單人多 agent 面板) → Multica (多人多 agent 協作) → Karpathy 風格的知識庫,再用 3 個 autopilots 串起來,整合成他叫的「世界模型」。


    ∙ 我的觀察:諾曼這套是 founder-mode 的個人最大化版本,不是每個團隊都能複製。但「CLI 化、Obsidian 知識庫、autopilots 模式」這 3 件事可以照搬,自製灵动岛、跨職能 agent 池那種重做輪子的部分要量力。


    📚 參考資料

    我们给初创公司做了一个世界模型

    → https://mp.weixin.qq.com/s/pufmrWI_JtN-BlNUL3AeXQ

    10 min
  • OpenClaw 一個月燒 130 萬美金 token 我們真的用太少了


    > OpenClaw 創辦人 Pete 一個月燒 130 萬美金 token,PR review、issue 整理全自動化。Gary Tan 說 1 萬美金提前拿 2028 的 AI。瓶頸是 security 不是 capability。



    ⭐ 文章深度讀:完整文章與我為什麼還沒全力下注的判斷

    → https://heymaibao.com/openclaw-token-maxxing-1-3m/


    ⚡ 章節重點

    開場 00:00

    130 萬美金的自動生產線 00:57

    提前買到 2028 年的 AI 01:58

    真正的瓶頸其實是資安 03:21

    台灣工作者的行動指南 06:32

    總結與一個直接問題 07:25


    📝 懶人包

    ∙ Pete (OpenClaw 創辦人,OpenClaw 是一個以 agent workflow 為核心的 AI 工具平台) 一個月燒 130 萬美金 token,換到的不是顯卡帳單,是一條 24 小時的自動化生產線 — 每個 PR 跟 commit 自動 review、舊 issue 自動關閉、會議講到的新功能直接開 PR。


    ∙ YC 總裁 Gary Tan 喊出一個「token maxxing」公式 (把 token 用量推到極限換生產力):一個月 1 萬美金搭配 OpenClaw + Hermes + GBrain,等於提前把 2028 才會普及的 AI 搬到 2026 用。


    ∙ 同一集 podcast 的主持人自己說了:「現在的瓶頸不是 capability,是 security 跟 sanity。」他們也還沒全力下注。


    ∙ 我的觀察:對台灣的一人團隊跟小工作室來說,這條曲線比下一個 benchmark 重要 — 但要不要上車,要先想清楚你願意讓 agent 摸到哪一層權限。


    📚 參考資料

    We Need to Start Token Maxxing (Nerd Snipe)

    → https://youtu.be/A3GpF_y1N0E

    9 min
  • 我看完 Garry Tan 的 GBrain:5 個 form factor 與護城河


    Garry Tan 的 GBrain 拆解:5 個 agentic AI 工具正在收斂的 form factor,加上 @taylorpearsonme 的 7 Powers 延伸,告訴你為什麼這是個人與 SMB 少數能造的護城河。



    ⭐ 文章深度讀:想知道怎麼把這 5 個 form factor 套到自己的工作流,文章版有更完整拆解。

    → https://heymaibao.com/garry-tan-gbrain-5-form-factors/


    ⚡ 章節重點

    開場 提示詞不是護城河 00:00

    7 Powers 與唯一可走的路 01:22

    從 Garry Tan 的 GBrain 拆出 5 個 form factor 02:11

    Skill 不是 SOP,是 method call 02:41

    Thin Harness 與 context rot 03:33

    Resolvers 把 routing 寫死 04:25

    Latent vs Deterministic 05:39

    Memory 用一資料夾的 markdown 06:55

    會計師案例怎麼把 5 件事拼成護城河 08:52

    從哪裡開始 10:02


    📝 懶人包

    ∙ 不同 agentic AI 工具的使用者正在收斂出 5 個共通骨架:skills、thin harness、resolvers、latent vs. deterministic、memory。


    ∙ skill 不是傳統的 SOP,更像一次 method call,同一份程序加上參數就能服務一整個案例家族;context rot 的解法不是繼續往 harness 加工具,而是另寫 resolver 路由表。


    ∙ one-shot prompt 與 vibe-coded 應用沒有結構性護城河,均衡價格會被壓到 token 成本;5 個 form factor 拼起來的系統,是 Hamilton Helmer 7 Powers 裡 process power 能落地的形狀。


    ∙ 我的觀察:對個人與 SMB 來說,這 5 個 form factor 最有用的方向,不是工程酷炫,而是把自己手邊的重複工作變成「結構化、可參數化、有記憶」的服務骨架 (也就是後面要拆的 5 個 form factor 拼起來的樣子),這才是少數能對抗複製的位置。


    📚 參考資料

    I spent some time going through Garry Tan's GBrain (@taylorpearsonme)

    → https://x.com/taylorpearsonme/status/2056782701173387645

    12 min
  • OpenAI 賭多層溯源,SynthID 浮水印加上公開驗證工具上線


    OpenAI 把 AI 生成內容的溯源升級成多層架構,包括 C2PA Conforming Generator、SynthID 隱形圖像浮水印與 openai.com/verify 預覽,這是策略升級不是 AI 偵測器。



    ⭐ 文章深度讀:openai.com/verify 上線預覽,但只驗 OpenAI 訊號,沒測到不等於不是 AI 做的,把它當溯源驗證入口而不是 AI 偵測器

    → https://heymaibao.com/openai-multi-layer-provenance-synthid-verify/


    ⚡ 章節重點

    開場 00:00

    單層守不住,OpenAI 為何賭多層 01:21

    SynthID 進 ChatGPT 圖:跟 Google 罕見合作 04:07

    openai.com/verify 預覽:不是 AI 偵測器 05:07

    給知識工作者的實用準則 06:31

    收尾與留給你的問題 07:38


    📝 懶人包

    ∙ OpenAI 成為 C2PA Conforming Generator Product。意思是其他平台能可信地讀、保留、傳遞 OpenAI 附在內容上的溯源 metadata,溯源訊號不再只活在第一個發佈平台。


    ∙ 透過與 Google DeepMind 合作,把 SynthID 隱形浮水印加到 ChatGPT、Codex、OpenAI API 產出的圖像,跟 C2PA metadata 互補。SynthID 是 Google DeepMind 的技術,不是 OpenAI 自研。


    ∙ openai.com/verify 上線預覽。可上傳圖像檢查是否含 Content Credentials 或 SynthID 訊號,偵測不到時不會下「不是 AI 生成」的結論,現階段只驗 OpenAI 來源。


    ∙ 我的觀點:這是典型的 defense in depth (多層防禦) 思路。OpenAI 等於官方承認任何單一溯源機制都會被剝離或破壞,疊起來比押單點更實際。


    📚 參考資料

    Advancing content provenance

    → https://openai.com/index/advancing-content-provenance/

    9 min
  • 不是 Markdown vs HTML:用 51 毫秒做出 agent 三層交付


    voxyz_ai 把 cron agent 輸出改三層:Markdown 當源、HTML 給人看、Telegram 5 行通知,每次只多 51 毫秒。文章拆 artifact contract 必備欄位與真正的注意力成本。



    ⭐ 文章深度讀:完整文章已上線,包含三層交付契約的拆解、artifact contract 7 欄與我的觀察。

    → https://heymaibao.com/agent-three-layer-delivery-51ms/


    ⚡ 章節重點

    開場 00:00

    注意力才是真正的成本 01:06

    不必二選一:Markdown 跟 HTML 各司其職 02:11

    把 IM 當 dashboard 的大坑 02:49

    三層交付架構 03:21

    artifact contract 才是核心 04:57

    落地行動指南 06:15

    結尾 07:20


    📝 懶人包

    ∙ voxyz_ai 把 cron agent 的輸出改成三層交付:Markdown 當 source、HTML 給人看、Telegram 只放 5 行通知。


    ∙ 他在 12:30 那個 stage 跑了實測:22.4KB Markdown、本機讀檔 0.000016 秒、Markdown 轉 HTML render 0.0508 秒,每次只多 51 毫秒。


    ∙ artifact contract 才是核心:來源鏈、使用者方向、stage 狀態、風險守則、預算工具、是否需要使用者確認、下一步,沒這份契約只是漂亮的廢紙。


    ∙ 我的觀察:多數人卡關不是 Markdown 不夠好,是把 Telegram 當 agent dashboard。換 surface 比換語法重要,51 毫秒只是把「該分工」這件事補上。


    📚 參考資料

    I tried letting my scheduled agents deliver only HTML, and I'm not going back (voxyz_ai)

    → https://x.com/voxyz_ai/status/2056763091052843350


    Using Claude Code: The Unreasonable Effectiveness of HTML (Thariq)

    → https://x.com/trq212/status/2052809885763747935


    html-anything (nexu-io)

    → https://github.com/nexu-io/html-anything


    voxyz.ai/insights

    → https://voxyz.ai/insights

    8 min
  • Gemini 3.5 Flash 把 Pro 擠下預設位置,Google 在賭什麼


    Google 在 2026 年 5 月推出 Gemini 3.5,首發 Flash 取代 Pro 變預設模型。重點不是 benchmark 多漂亮,是 Google 把競爭場從「誰更聰明」拉到「誰跑得起 agent 平台」。



    ⭐ 文章深度讀:你手上有沒有長流程、文件密集、多步驟的工作,是接下來最該丟給 agent 試試的?

    → https://heymaibao.com/gemini-3-5-flash-replaces-pro/


    ⚡ 章節重點

    開場 00:00

    為什麼 Google 改打執行戰 00:40

    Flash 變預設 Pro 被重新定位 01:18

    Benchmark 我會用什麼方式看 02:12

    Google 在賭的是整套 agent stack 03:38

    Gemini Spark 主動 agent 試水溫 05:22

    企業案例的選題比數字重要 06:52

    你可以從這次發佈帶走什麼 08:28

    行動呼籲 09:03


    📝 懶人包

    ∙ **Gemini 3.5 是新的模型家族**:2026-05-19 在 I/O 公開,首發 3.5 Flash,3.5 Pro 預計 2026 年 6 月推出。


    ∙ **Flash 取代 Pro 變預設**:3.5 Flash 是 Gemini app 與 Google Search AI Mode 的全球預設模型,過去由 Pro 擔任的位置這次直接交給 Flash。


    ∙ **Google 自報 benchmark 強調 agent 與 coding**:Terminal-Bench 2.1 76.2%、MCP Atlas 83.6%、CharXiv 多模態 84.2%、output tokens 速度比 Google 講的「其他 frontier 模型」快 4 倍、成本不到一半。具名對手只有自家 Gemini 3.1 Pro,跨家比較全部匿名。


    ∙ **我的觀察:這次 Google 在賣的不是一顆模型,是整套 agent stack** (Flash + Antigravity 開發平台 + Gemini Spark 個人 agent + 企業整合),模型只是入口,重點是後面那一整層。所謂 subagent,就是 Google 把 agent 任務拆成主 agent 派出去執行子任務的小 agent,多隻分頭跑、再合回來。


    📚 參考資料

    Gemini 3.5 is built to help you execute complex, agentic workflows

    → https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-5/

    10 min
  • Gary Tan 13 年沒寫程式:靠 Claude Code 回來的 4 個觀察


    Gary Tan 13 年沒寫程式後靠 Claude Code 重新開機,在 YC Light Cone 拆解這段過程。我從中挑了 fat skills、雙 agent、token maxing 等 4 個對知識工作者有用的觀察。



    ⭐ 文章深度讀:「你會擁有自己的工具,還是工具擁有你?」我把 Gary 留下的這道時代選擇題標到留言置頂,留下你的答案。

    → https://heymaibao.com/gary-tan-claude-code-4-observations/


    ⚡ 章節重點

    開場 00:00

    觀察 1:寫程式門檻消失 01:54

    觀察 2:投資技能而不是框架 02:35

    觀察 3:讓雙 AI 互相審查 04:09

    觀察 4:把 Token 當房租燒 05:24

    個人 AI 才是這場革命的終點 06:40

    今天下午就能做的第一步 07:45

    結語 08:11


    📝 懶人包

    ∙ Gary Tan 把 markdown skill 當成「另一種被編譯方式不同的 code」,主張差異化發生在 skill 層,不是 harness 層 (fat skills,thin harness)。


    ∙ 他把 Claude Code 比作「ADHD CEO 的好朋友」、Codex 比作「200 IQ 近乎不會說話的 CTO」,並用自己寫的 GStack 裡的 `/codex`、`/claude` 兩個 skill 讓兩個 agent 互相 review。


    ∙ 他把 token 花費類比成「住在舊金山的房租」,公開鼓勵單日燒 USD 500 tokens,理由是「省的代價是錯過 serendipity」。


    ∙ 我的觀察:這集真正在 amplify 的,是「能力門檻已經降到 13 年沒寫程式的人都能回來」這件事,不是 Gary 本人多猛。對讀者最重要的,是去複製他講出來的 setup,而不是去崇拜他。


    📚 參考資料

    How Gary Tan got back to building (YC Light Cone)

    → https://youtu.be/57lDpTwiW6g

    9 min
  • Theo 燒 4.6 萬證明:Copilot 改 billing 不是 rug pull


    T3 Chat 共同創辦人 Theo 用免費 $40 Copilot 方案實測,4.7% 用量燒掉 Microsoft 至少 $550,目標 4.6 萬。他卻說不是 rug pull,6/1 改 billing 是修補 loophole。



    ⭐ 文章深度讀:Copilot 改 billing 該不該叫 rug pull

    → https://heymaibao.com/theo-burned-copilot-not-rug-pull/


    ⚡ 章節重點

    開場 00:00

    Theo 用 40 美元燒 4.6 萬的實測 01:34

    為什麼 Theo 替 Microsoft 站台 03:49

    agentic loop 把「一則訊息」拆掉了 05:14

    6/1 之後讀者該注意的硬訊號 06:32

    怎麼重排你的 AI 預算 08:34


    📝 懶人包

    ∙ Copilot 從 2026/6/1 起停用「premium request」計次,改成 GitHub AI credits,按 input、output、cache token 計費,新註冊已經一度暫停。


    ∙ T3 Chat 共同創辦人 Theo 用免費的 $40 Copilot Plus 方案實測,把一個 cryptography puzzle 餵給 GPT-5.4 high reasoning,單則訊息跑 16 小時 10 分鐘、燒掉 1.11 億 input + 160 萬 output token,加 cache 後他自估單則成本約 $62。


    ∙ Theo 同時喊「不是 rug pull」,他 2025 年 2 月就在 T3 Chat 踩過同一個坑,1% 重度使用者用 Repomix 之類工具灌 context,5 天可以讓單一帳號燒掉 $2,000。


    ∙ 我的觀點:6/1 公告的 multiplier 變動 (Opus 47 從 15x 變 27x、GPT 5.4 從 1x 變 6x) 不是搶錢訊號,而是 agentic 時代「一則訊息一個價」這套定價心智已經死掉。年方案到期前先把預算抓回來,便宜模型還是堪用的 daily driver。


    📚 參考資料

    I exploited Copilot and burned $46,000 (it cost $40)

    → https://youtu.be/3A4y_Iw_gpU

    10 min