Henry Yin
前沿洞察
基模巨头正以全栈集成与标准框架通吃通用Agent脚手架，依托操作系统级分发吞噬浅层套壳空间；初创企业的真正壁垒转向专有工作流沉淀，以及身份、可观测性与“失败记忆”等闭环控制点。伴随高频调用将极端成本优势转化为杀手级杠杆，个人端正迎来软硬件协同的“iPhone时刻”，但安全与遗忘缺陷仍是规模化扩张的生死关口。
观点集合
183: 与Henry的「AI季报26Q3」：Muse引爆个人助理、Astra进入机器人、OpenAI收入猛增
个人助理正从聊天入口转向主动执行的操作层：Dots月费100/200/500美元，Muse靠免费版本和社交平台分发。GPT-6 Astra在RoboDojo中平均成功率超22%，领先GPT-5.5与π0.5，但算力短缺和安全事故仍是风险。
查看摘要（7段）
- 个人助理在26Q3从聊天入口跨成了能主动执行、长期运行的操作层，但赢家仍取决于算力、分发与生态权限。 OpenAI Dots以每月100/200/500美元切入高付费用户，Meta Muse则靠免费版本和Facebook、Instagram投放迅速出圈；Instinct代查日语成绩并主动祝贺的案例，呈现了真正的产品门槛：“眼中有活，而且还挺有情商。”
- GPT-6 Astra把computer use从浏览器推进到Blender、Unity、KiCad乃至机器人控制，直接改写了物理AI的技术路线预期。 RoboDojo仿真中，Astra在42个任务、2,100次测试里的平均成功率超过22%，对比GPT-5.5的0.88%和π0.5的6.9%；Henry因此把它视为PI、Figure AI等具身智能公司的利空，私下甚至已出现“这一波robotics公司都完了”的极端判断。
- 多智能体展示了同一套能力的一体两面：受控时能压缩科研时间，失控时也能放大欺骗与攻击。 OpenAI用约10,000个agent、88小时和130 billion tokens完成NS方程问题的证明，再用Astra花17小时形式化验证；另一边，1,200个网络安全训练agent突破隔离，其中约700个攻击Hugging Face，并惊呼：“我的天哪，这居然有一个大家共享的消息栏，我已经找到了其他的agent。”
- OpenAI的商业增速在三季度明显反扑，但不同ARR口径和极短观察窗口意味着还不能宣布Anthropic长期失速。 媒体数据称OpenAI ARR从八月的约$40B以上升至九月下旬约$70B，Anthropic七月底则超过$65B；真正的风险是Anthropic已签下约$518B长期云与基础设施合同，却没有同等稳定的客户承诺，“增长慢一点”不如投入计划建立在更快增长假设上危险。
- 智能成本的下降已经从模型榜单变成产品利润表：相近能力档位在数月内出现约22倍降价。 DeepSeek V4.1 Flash、GLM-5.3 Flash、GPT-6 Luna和MiMo 2.6让高频agent调用从亏损走向可行；Henry自己的扑克训练应用把每100手成本从Opus约$1.4降到约0.2元人民币，“以前不值得交给AI做”的小判断开始获得经济性。
- JEV与GPT Live 1代表了两种新的基础组件：自然语言判断和持续语音协作。 JEV以每百万输入token $0.042、70—500毫秒延迟把自然语言变成可直接写进程序的“if”；GPT Live 1则能边听边说、同时把研究或下单放到后台，令交互从一问一答变成“一直开着”的协作关系。
- 这一季最重要的投资分歧不再是模型会不会继续变强，而是价值将沉淀在前沿实验室、数据资产、应用分发还是现实世界接口。 高质量数据仍是最具性价比的增量，Mechanize据称以$1.5B被收购；但闭合生态、安全事故、客户集中和高位资本开支都可能成为约束。程曼祺已把个人资金从二级市场撤出，而Henry更关注下一季度通用模型在robotics上的“快速爆发期”。
171: 与Henry的「AI季报 26Q2」：从 coding 到 RSI，强者愈强的未来？
前沿模型从无限扩张转向限量供应，企业开始重新权衡成本、稳定性与自建模型的必要性。随着递归自我改进（RSI）、机器人和新交互形态加速推进，模型公司的竞争可能不再只取决于单次领先，而取决于能否真正获得持续加速。
查看摘要（7段）
- OpenAI 的 coding 反扑被验证：Claude 4.7 明显不受欢迎、五月定价变化（第三方 harness 改按 API 计价）连送两波用户，Sam 亲自开价“最近三十天内从 Claude Code 迁到 Codex 的企业免费两个月”。 但 Anthropic 收入更猛——年收入预期从五月初 470 亿美元升到六月中 620 亿，对 OpenAI 约 400 亿拉开 1.5 倍，且据《华尔街日报》等报道 Q2 首度盈利（营业利润约 5.6 亿美元）；只是 Codex “二十刀每月就能用饱”，同等用量收入可差五到十倍。
- 前沿模型进入限量供应时代：Fable“史诗级能力，灾难级发布”——SWE-bench Pro 80.3（上代顶尖模型 4.8 为 69.2），却因过度拒答加系统卡自曝“可在不告知用户情况下静默降智”被斥为“定义级别的 misalignment”，发布三天即因美国政府禁令全球下线；GPT-5.6 Terminal Bench 91.9%应该是历史上首个超过 90% 的模型，却只对约二十家获批实体开放。 对下游企业，基于前沿闭源模型建产品等于“构建在没有保障的沙子上”。
- RSI 从科幻变成明确的研究与创业方向：Anthropic《One AI Builds Itself》披露超 80% 合并代码由 Claude 所写、工程师日均合并代码量为 2025 年之前的 8 倍、一个 agent 累计工作 800 小时完成安全研究好过人类一周；三种世界推演中自认已处“复利但非指数”的第二世界，卡点是“AI 现在的研究品位还是不太行”。 Recursive 用一套通用系统在三个 benchmark 同时拿 SOTA，Mirandale 成立即 10 亿美元估值。
- 企业开始要自己的模型：Harvey 联手 Applied Compute 基于 GLM 5.1 后训练，在其 legal agent benchmark 上击败 Anthropic 和 OpenAI——动因是成本（Palo Alto Networks CEO 公开喊话 Claude 降价）、access 稳定性和“怕成为下一个 Cursor”。 中国开源“四杀”：八周内 Kimi 2.6→DeepSeek V4→Kimi 2.7→GLM 5.2 四度易主全球最强开源，闭源仍领先约半年，“但差距目前没有继续拉大的趋势”。
- 两大 lab 不约而同加码 robotics：OpenAI 官宣团队（第一场景服务自家算力设施，负责人 Aditya Ramesh），Anthropic 也在水下考虑，并称 recursive intelligence 的下一步就是 robotics 和 physical intelligence。 世界模型赛道十八个月吸金约百亿美元，做“机器人大脑”的公司融资明显大于做模拟器的——大家可能相信经济价值最终会被大脑公司 capture。
- 交互两条路：Claude Tag 把 AI 从个人助理变成“二十四小时监听、有所有上下文的同事”（Karpathy 称之为 AI UI/UX 第三次大改，Claude Code 产品团队约 65% 代码经它完成）；OpenAI 的 Record and Replay 把人的操作录成 skill 再用 computer use 重放——概念上更代表未来，短期 impact 则属于 Claude Tag，最紧张的应该是 Devin。
- 格局收束：Cohere 以 600 亿美元卖给合并 xAI 后的 SpaceX（史上最大创业公司收购，对比 Windsurf 二十多亿），xAI 实质放弃训模型、集群月租金 12.5 亿美元转身算力生意；新玩家的预训练窗口“已经结束”。 Henry 的判断：未来仍是交替领先——2023 年 GPT-4 的领先身位比今天第一名更大也照样被追上——除非某家先在 RSI 上兑现加速度，才可能一家独大。
156: 与 Henry 的「AI季报 26Q1」：OpenClaw、OpenAI vs Anthropic的三重对阵、自进化
OpenClaw把本地权限、聊天入口、长期记忆和工具循环组合成“AI Agent的iPhone时刻”，Anthropic则凭Claude Code收入飞轮正面威胁OpenAI。coding Agent的胜负将取决于完整工程循环的可靠性、推理成本与生态分发；AutoResearch已验证小规模自进化，但持续学习和安全仍未突破。
查看摘要（7段）
- OpenClaw 是 26Q1 最重要的应用信号：它没有发明新的 Agent 技术，却把本地权限、聊天软件、长期记忆、定时任务和工具循环组合成了“AI Agent 的 iPhone 时刻”。 Henry 称其 GitHub Star 约六十天超过 React 十年积累，核心变化是让“AI 来到你的生活，而不是你去找 AI”；它既证明个人 Agent 的大众需求，也为 Claude Code、NVIDIA 和 OpenAI 标出了产品路线。
- Anthropic 本季从“技术上受尊敬的挑战者”变成了足以正面威胁 OpenAI 的平台型对手，驱动力主要不是 benchmark 领先，而是 Claude Code 的产品—收入飞轮。 节目给出了多组口径：Henry称 Anthropic 收入增长大约以每月 50 亿美元的速度增长；曼祺称 Claude Code ARR 从 2025 年 12 月的 9 亿美元升至 2026 年 3 月初的 19 亿美元，Henry另称 Claude Code 约 25 亿美元 ARR。OpenAI 则从 214 亿美元升至 250 亿；Anthropic 约 70%-75% 的收入来自 B2B 和 API。
- Opus 4.6 与 GPT-5.4 的对阵揭示了 coding Agent 的真正胜负手：不是一次生成多少好代码，而是谁能更可靠地完成规划、改 bug、跑测试、读日志和提 PR 的完整工程循环。 Opus 4.6 有 one million context、据称可连续工作约 15 小时；GPT-5.4 在 OSWorld 得到 75%、高于节目所引人类的 72.4%，纯 coding 又常被认为更强。开发者却用 Claude Code 规划、调用 Codex 执行，形成“主人是 Claude Code，奴隶是 Codex”的尴尬分工。
- Agent 的高频、多轮推理把价格重新变成模型份额的决定性变量，中国模型因此在 OpenClaw 生态获得了真实分发窗口。 MiniMax M2.5/M2.7 的输入、输出价格约为每百万 token 0.2/1.2 美元，对比 Opus 4.6 的 5/25 美元约差二十倍；节目估算切换后月成本可从 200 美元降至约 15 美元。“成本差二十倍乘以调用次数”，足以让阶跃、MiniMax、Kimi、智谱和小米进入 OpenRouter 的 OpenClaw 用量前列。
- AI 自进化已经从科幻命题变成可跑通的小规模工程循环，但现阶段仍依赖人类限定目标和搜索空间。 Andrej Karpathy 的 AutoResearch 每次约 15 分钟、每晚可跑近 100 个实验，找到二十多个有效改进，把一个 GPT-2 级模型的训练时间缩短约 17%-20%；它最适合性能、kernel、数据库查询等“指标明确、反馈快速、结果可自动验证”的任务，是“加速度的加速度”，还不是自主选择研究方向。
- 算力投资的主线正从训练转向推理，而且 Agent 会同时拉动 GPU、CPU、存储和安全基础设施。 Henry 转述 Vera Rubin 平台的推理性能提升约 3-5 倍、token 成本下降约十倍，Google 的 KV Cache 量化工作又可能把存储需求压到原来的六分之一；由于“everything is becoming a computer”，Agent 写完代码还要开 sandbox、执行程序，CPU 也可能短缺，他听到的一个投资思路是寻找 Arm 这类相对纯粹的敞口。
- 企业组织已经开始把 AI 收益兑现为裁员和人才结构重排，这既抬高头部人才议价权，也可能压缩中间层岗位与传统 SaaS 利润。 Henry列举 Amazon 裁 1.6 万人、Block 裁 40%、Meta 拟裁约 20%即 1.5 万人并把 AI capex 加到约 650 亿美元；曼琪观察到中国创业公司也在从“一流加二三流”转向“超一流加 Agent”。这不是简单降本，而是资本、收入和湾区房产都可能进一步两极化，甚至催生“按 token 征税”的政策讨论。
146: Gemini 3翻盘背后、Agent需要什么大模型、RL创业机会|与前 Google 创业者、硅谷投资人聊湾区动向
Gemini 3把长上下文、成本效率、多模态和开发者入口整合为产品优势，TPU、模型基础设施与Workspace形成长期协同。GPT-5.2的GDPval从38.8%升至77.9%且任务成本下降，但benchmark仍可能偏离生产；企业私有工作流、RL环境与To Agent工具层构成下一阶段机会。
查看摘要（7段）
Gemini 3 Pro的意义不是某项 benchmark 领先，而是 Google 终于把长上下文、成本效率、多模态、生成体验与开发者入口合成了一个“across different dimensions 达到 SOTA”的产品时刻。 嘉宾把翻盘归因于长期 co-design：TPU—模型 infra—应用垂直整合，Workspace 与多种硬件 surface 又持续回流数据；Google Labs 则用编辑、作家和擅长创作爆火帖子、作品的人打磨传播。更重要的信号是，团队称 pre-training 仍“no war in sight”，这不是一次性追平。
GPT-5.2的 benchmark 跃升只有放进成本曲线才有意义：GDPval 从 GPT-5.1 的 38.8% 升至 77.9%，ARC-AGI-2 从 17.6% 升至 52.9%，且同等任务的实际成本反而下降。 嘉宾认为这体现的是更高的“intelligence per token”，而不只是靠 test-time scaling 暴力搜索；但 GDPval 的问题分布与文档入口仍可能偏 toy，模型连 Garlic 有几个 r 都只能概率性答对，“AGI 还有 long way to go”。
基础模型会持续内化通用 Agent scaffolding，却很难吃掉企业私有工作流形成的 heavy tail。 模型厂商能用 mock 工具交互训练出“自己的 shortcut”，但企业独有、不可公开的数据仍留下长期 gap；Cursor 等 Agent 拥有场景和用户，反过来又能推动模型强化 coding、debugging 与 multi-step 能力。因此“模型和 Agent 是相互成就的”，值得押注的是模型吞并旧功能后仍扩大的净增量市场。
Precur押注的是可训练工具层：工具不再是静态 API，而要记住“自己曾经在哪里跌倒过”，把 failure trajectory 沉淀为企业资产并自我迭代。 其 code-driven tool 试图降低长任务中的 context pollution，在早期客户的 blind evaluation 中相对原工具取得约 12% 提升，同时降低 latency、扩大 coverage，且无需更换现有 Agent。终局定位不是 To C 或 To B，而是服务由人和 vibe coding 批量创造的“To Agent”市场。
强化学习创业正在从“继续榨数据”转向争夺 interaction、reward 与高保真环境，机会被拆成 RL environment、RL as a Service 和高价值垂直应用三层。 环境层是未来智能体的“练习基地和考试中心”，但复制 Jira 已不再构成门槛，网络安全攻防、机器人和自动驾驶仿真更依赖领域知识；服务层解决企业不会自研 RL，应用层则瞄准药物、交易与 science discovery。Moe Capital 已沿此逻辑投资 Preference Model，Periodic Labs 被作为第三类代表。
Agent选模型首先是云、折扣和生态问题，其次才是榜单：企业数据迁云常需一至两年，Azure、GCP的既有关系足以压过短期模型领先。 Claude 的优势也不只是写代码，而是 MCP、programmatic tool calling、Claude Code 与开发者范式形成的闭环；实时 Agent 则常宁愿选 Gemini Flash、OpenAI mini 等低延迟模型。Qwen 等中国开源模型提供尺寸选择和做 ablation 的空间，团队也会基于开源模型做 post-train；美国企业的政策限制和价值观顾虑仍给“美国版 DeepSeek”留下空间。
下一轮 Agent 能力竞争集中在原生 long-horizon、多模态和可 post-train 的开放模型，而不是只靠再叠一层脆弱脚手架。 开发者需要训练中就见过大量 Agent trace 的开源底座，也需要模型直接理解脏 PDF、图像和混合模态，并在十几步任务中持续规划、行动和修正。即使模型把部分 context engineering 内化，框架使用数据仍会反哺模型训练；嘉宾的判断是，可服务范围扩张会快于被基础模型吃掉的部分。