
GPT-4o 來了
我們推出 GPT-4 Omni,這是我們全新的旗艦模型,能夠即時跨越音訊、視覺和文字進行推理。
這不只是更好的聊天機器人——GPT-4o 可以直接看到你的螢幕、聽出你的挫折感,然後立刻回應,完全沒有那種尷尬的文字轉語音延遲

Anthropic 在 Claude 平台上推出了「顧問策略」。簡單來說就是讓強大的 Opus 模型當「顧問」,搭配便宜的 Sonnet 或 Haiku 當「執行者」。當你的 AI 代理遇到難決定時,可以即時詢問 Opus,Opus 給出計畫後執行者就繼續跑,全部在一次 API 請求內完成。這樣你就能用接近 Sonnet 的成本,卻得到接近 Opus 的智慧水準。根據測試,用 Opus 當顧問的 Sonnet 在程式碼生成基準測試上比單獨的 Sonnet 高出 2.7 個百分點。說真的,這招有點聰明——花小錢卻能做出大決定。
科技博主觀點
Anthropic 剛剛解決了『聰明的 AI 太貴』這個問題。遊戲規則改變了。
Anthropic 今天悄悄丟出了什麼超聰明的東西:Claude 的 advisor 策略。簡單來說就是這樣——你把他們最強的模型(Opus)當『顧問』,配上更快更便宜的模型(Sonnet 或 Haiku)當『執行者』。當你的 AI agent 在任務中間遇到難決定時,它去問 Opus 要個計畫,然後便宜的模型就繼續執行。全部在一個 API 呼叫裡完成。結果呢?接近 Opus 的智能,接近 Sonnet 的價格。這不只是個不錯的優化——這是解決那個一直在勒死 AI 產品的根本問題:你要嘛得到聰明但貴到爆炸的 AI,要嘛得到便宜但笨到不行的 AI。Anthropic 的初步結果顯示 Sonnet 配上 Opus 顧問在程式碼基準測試上比單獨 Sonnet 高了 2.7 個百分點。聽起來不多,但在 AI 基準測試裡,這是『偶爾有幫助』和『真的靠譜』的分界。每個一直在用 GPT-4 定價做單位經濟學計算的 AI 產品經理,現在心臟都漏了一拍。
Action
馬上試用在『貴到爆炸但聰明』和『便宜但容易出錯』之間選擇
用策略性的諮詢取得接近高端的智能,但只在需要時才付錢
AI 分析
軟體開發
high開始在你的 CI/CD 流程裡試試看 advisor-executor 模式,特別是在程式碼審查品質比速度更重要的地方
SWE-bench 進步 2.7 個百分點聽起來不多,但在程式碼基準測試裡,這根本是『還可以』和『真的好用』的分界線
你下一次的程式碼審查可能會抓到那些本來會讓你在正式環境花一整個週末除蟲的 bug
AI 產品開發
high重新設計你的 agent 工作流,用這個 advisor 模式取代總是用最貴模型的做法
這根本就是 Anthropic 在說『我們搞定了怎樣讓 GPT-4 等級的定價在實際產品上跑得起來』——這對 AI 產品的經濟學是個遊戲規則改變者
你終於可以做出 AI 功能,不用擔心一旦真的被用戶用起來就會破產
職位影響分析
AI 工程師
角色轉型這個 advisor 模式解決了『聰明但貴 vs 快但笨』的經典矛盾,這東西一直在殺死 AI 產品的利潤
檢查一下你現在的模型用法,找出那些你其實只是偶爾才需要高智能、卻一直在超額付費的工作流
DevOps 工程師
機會用 Sonnet 等級的成本就能得到接近 Opus 等級的智能,來做自動化程式碼分析和部署決策,不會爆炸你的基礎設施預算
先在你那些最容易出錯的部署流程上試試,那些現在還得靠人工判斷來卡關的地方
產品經理
機會成本和智能的平衡終於說得通了,可以用在那些需要既聰明又能規模化的客戶端 AI 功能
把那些你之前因為單位經濟學不划算而擱置的 AI 功能想法拿出來重新看一遍