Coinbase 說自家微調的開放小模型勝過最先進的大模型，是不是真的

三十秒看完

1. 只有執行長一則貼文、沒有評測：Coinbase 說微調的阿里 Qwen3.5-9B 在詐欺防治贏過前沿模型（當下最先進的那批模型）（影響：付大模型 API 費的團隊）

2. OpenRouter 自報：9 月第二週 73% 的花費付給封閉模型，1 月初是 89%（影響：管 AI 預算的人）

3. 本週專欄：投資人 Gavin Baker 說，董事若無視外部稽核報告可能被股東追究，所以 9 月 29 日六家 AI 公司在白宮簽的自願協定有約束力；本報判定這個說法存疑：這條追究董事的路很少走得通，而且只在出事後發動（影響：審 AI 供應商的合規主管）

本期資料來自本報 10 月 12 日清晨的研究日報與昨夜的掃描。主線事件日是 10 月 11 日，背景數字取自 OpenRouter 9 月 22 日的文章。本週專欄對帳 10 月 1 日的一句說法，並結算一條 8 月寫下的判斷。後面各欄的材料在 10 月 9 日到 11 日之間，過去洞見除外。昨夜掃了 118 篇，本期正文共用上 25 條有連結可查的外部來源。

本週專欄：AI 說法對帳

白宮 AI 協定沒有罰則，靠董事的法律責任就能約束簽署公司，是不是真的？

先講結論：科技基金 Atreides Management 創辦人 Gavin Baker 說，靠董事責任，這份協定就有約束力；本報的對帳結果是存疑。德拉瓦州法確實有追究董事責任這條路，但很少追究得成，而且只在出事後才發動。Baker 描述的「有委員會卻無視報告」，最接近一類歷史上全數敗訴的指控。要走通這條路，得有兩個前提：一個具名的外部稽核方，以及董事會裡接收稽核報告的委員會。本報 10 月 11 日搜尋，還沒找到任何一家簽署公司公開這兩樣。

誰說了什麼。 9 月 29 日，Google、Anthropic、Meta、OpenAI、xAI、NVIDIA 的領導人在白宮簽了一份自願協定，沒有罰則。10 月 1 日 Baker 寫：「If they ignore a report from the third party auditors then a bad faith finding from a court is a real possibility.」（Gavin Baker，2026-10-01）照他的說法，董事無視外部稽核報告，法院可能認定惡意，替董事承保責任險的保險公司也可據此拒賠。這裡的「惡意」是法律用語，不是指動機壞，而是董事明知該監督卻刻意不做；有些責任險條款會把這種故意不作為排除在外。他還說，這比幾乎任何監管動作在近期更有實際意義。

協定文字要求董事會設委員會接收稽核報告（本專欄最直接的證據，但讀的是轉載全文）。 第四層原文：「Designate an independent committee of the board of directors to oversee and receive reports from the teams operating the controls and the internal and external auditors and evaluators」（Zvi Mowshowitz 轉載全文，2026-09-30）。全文也寫明現在還不是法律：「Over time, it may make sense to codify these steps into laws or regulations.」⚠️ 全文本報只讀到這一個轉載通道（白宮新聞稿見 American Presidency Project 歸檔）；這份轉載全文裡沒有要求公開稽核結果，也沒寫稽核方是誰。

德拉瓦法裡真的有這條路。 1996 年 Caremark 案確立董事有監督義務：董事要確保公司有機制盯住重大風險，沒做到，股東可以告董事。德拉瓦最高法院 2019 年在 Blue Bell 一案認定，沒替攸關使命的風險建立監督可能構成惡意，這屬於董事會根本沒建監督機制的情形。Anthropic 與 OpenAI 都是德拉瓦州公益公司，股東有法定權利調閱董事會資料，所以這條路至少適用於這兩家；其餘四家簽署公司，這段沒有逐一說明。以上判例與法條，本報在 10 月 4 日深度報告直讀原文整理過。

但這條路很少追究得成。 哥倫比亞法學院部落格 9 月刊出的實證研究統計，德拉瓦法院的這類監督義務指控，約 25.6% 撐過了起訴初期、沒有在正式審理前就被法官駁回；Blue Bell 案之後這個比例沒有變高。撐過只代表案子能繼續，不代表勝訴。同一研究裡，只主張「董事無視了警訊」的指控有 28 件，全部失敗（CLS Blue Sky Blog，2026-09-02）。⚠️ 單一研究。本報的判斷是：Baker 的情境是有委員會、卻無視報告，最接近這 28 件全敗的類型，而不是 Blue Bell 那種根本沒建機制的情形。

責任險拒賠要等終局判決（這一段證據最弱）。 德拉瓦最高法院 2021 年一則判決認定，在那張保單的條款下，除外條款要等「終局且不得上訴的裁判」才能啟動；這類條款是否涵蓋法院的「惡意」認定，要看各家保單怎麼寫。案子也可能在判決前和解：波音董事監督案和解金 2 億 3,750 萬美元，全由保險人支付。本報的推論是：要等到終局判決才能拒賠，這個威脅在實務上很少有機會用到。⚠️ 判決與波音和解兩項，本報讀的都是律所與業界部落格的摘要，沒有直讀原件。

協定簽署隔天，被報導有動作的是監管機關。 9 月 30 日華盛頓郵報找到美國聯邦貿易委員會（FTC）資深官員確認：「The Federal Trade Commission has opened a broad investigation into the safety of artificial intelligence systems made by Anthropic and OpenAI」（華盛頓郵報，經 Spokesman-Review 轉載，2026-09-30）。報導沒說 FTC 依據哪項權限、調查何時開始，也沒說和協定有關；FTC 本來就有調查權，用不到這份協定，這是本報的讀法。至於稽核方與委員會，本報只做了 10 月 11 日這一次搜尋，沒找到不代表不存在。專欄作者 Zvi Mowshowitz 另提前例：「OpenAI had exactly this committee, but they either were kept out of the relevant loops or failed to act.」

⚠️ 利益揭露：Baker 持有簽署公司的部位，貼文明講反對新設監管機構。本報的研究系統使用 Anthropic 的模型，Anthropic 是簽署方。

對帳結果：存疑。 成立的那一半是機制本身：董事會若收到稽核報告卻留不下處理紀錄，日後股東調閱時，這份紀錄可能成為對董事不利的證據。沒撐住的那一半是「比監管更有意義」：這條路只在出事後由股東發動，「無視警訊」型的指控全部敗訴，案子和解也照樣由保險人賠。協定簽署隔天，被報導展開調查的是 FTC，用的是它本來就有的權限（本報的讀法）。

什麼會推翻它。 ① 有簽署公司公布稽核方與委員會，且核保人在承保時開始詢問 AI 稽核情況：偏向成立，但本報還不會因此改變結論。② 出現委員會或稽核發現延後一次模型發布的公開報導：改判成立。③ 到 12 月 6 日（本報自設的觀察期限）六家都沒公布、FTC 調查卻已發出正式資料要求（要求公司交出文件的法律程序）：「比監管更有意義」那半句改判不成立。

怎麼用。 供應商說「已簽協定」，問三件事：稽核方是誰、報告交給哪個委員會、你拿不拿得到稽核範圍說明。本篇對帳的是 Baker 這句話，不是協定該不該簽。

本期新開一條對答案。 到 12 月 6 日，六家簽署公司有沒有任何一家在自家官方管道，同時公布具名的外部稽核方與承接協定的董事會委員會。本報押「沒有」；只公布其一或只見媒體轉述都算沒有，結案只看六家官方新聞室與投資人關係頁。對答案 →

對答案：CoreWeave 第二季電話會上，會有分析師追問 Nvidia 兜底買了多少容量嗎？

①當時怎麼說：8 月 2 日專欄寫下這條預測，原句是「CoreWeave 下一份季報與電話會（2026Q2，預期 8 月中）是否被追問 Nvidia backstop 承接量，且公司是否給出 utilization 或承接量的可核數字」。CoreWeave 是出租 GPU 算力給 AI 公司的雲端廠商；兜底指 Nvidia 承諾買下它沒租出去的算力。當時沒記把握。

②實際讀數：事前指定的來源是 CoreWeave 2026 年第二季財報與 8 月 11 日電話會逐字稿。逐字稿全文沒有出現「backstop」，分析師問答沒有人問兜底承接量；公司沒揭露使用率或 Nvidia 承接量，只說近期產能「effectively sold out」。逐字稿是付費資料庫的版本，讀者無法公開取得，本報 9 月 30 日在其中查核；公開可看的是 CoreWeave 第二季財報。

③判定與落在哪一層：說中，但證據偏弱（理由見下）。當初寫下預測時事先寫好三種結果：分析師追問兜底承接量，算前半成立；公司揭露可核對的使用率或承接量，算後半成立；兩者都沒有，算「兜底讓財報看不出真實需求」這個預測說中。這個預測的道理是：Nvidia 承諾買下沒租出去的算力，空著的產能也有人付錢，所以使用率與營收不再單純反映外部客戶的需求。這次是第三種。沒成立的是當初引用的一個前提：創投 Benchmark 合夥人 Bill Gurley 說過，分析師會連續八季追問兜底這件事；結果第一次該問的時候就沒有人問。沒人問也可能只是分析師不關心，所以這筆結果對預測的支持有限。這條的到期日是 9 月 15 日，本報 9 月 30 日才查核，晚了 15 天。

④本報追蹤的判斷動了哪些：還沒動。這筆結果支持「兜底遮蔽需求訊號」的判斷，但如③所說支持有限；本報還沒重新評估，這條判斷的把握分數暫維持 0.6（本報對它成立程度的自評）。Nvidia 兜底條款那條事實本身沒變，不必動。

⑤判準改不改：改一處。「分析師會不會問」和「公司揭不揭露」以後拆成兩條，各自事先寫好占多少分量，免得落空的那半被蓋過。

對答案 →

8 月 AI 實驗室接連揭露的事故潮，是不是「舊事故集中被揭露」？ 無法判定。到期那天，當初寫下的兩項會推翻這個判斷的情況都沒發生；但當初沒寫明怎樣算說中，所以沒有標準可判，細節在對答案卡上。對答案 →

Anthropic 的企業市佔率會不會掉到 35% 以下？ 延期：目前還沒有可判讀的數字，要等 Menlo Ventures 下一份企業 LLM 採用報告。對答案 →

本報所有判斷與對答案日 → 判斷總表

今日主線

1. [今日]（事件日 10 月 11 日）Coinbase 執行長說，自家資料微調的 90 億參數開放模型 Qwen3.5-9B 在詐欺防治勝過前沿模型

本報 AI 推測：Coinbase 執行長說微調開放小模型勝過前沿模型，比較對象與量法沒公開 2026-12-06 對答案 →

概念插圖：左側一名穿黑衣、頸掛名牌的人站在一張長檯面旁，一手插在口袋，另一手按在一台橘紅色筆電的鍵盤上；這台筆電底座印著「QWEN3.5-9B」，螢幕上是對話框圖示，人物身後有一個淺粉色圓形。同一檯面右側擺著一台較大的黑色筆電，螢幕同樣顯示對話框圖示，後方是一塊米色板面；右上方有一塊加框的招牌，上面是藍色 C 字形圓環和「COINBASE」字樣。 — Coinbase 執行長 Brian Armstrong 說，公司用內部資料微調阿里巴巴的開放小模型 Qwen3.5-9B，在詐欺防治上勝過前沿模型，成本也低得多。貼文沒說比的是哪個模型、怎麼量，評測數字也還沒公開；創投人 Nathan Benaich 回應說，比的是舊模型。本報的讀法是，這類做法若站得住，受壓的會是按用量計費的封閉模型 API。

為什麼跟你有關： 先挑一個高量、規則明確的任務，記下現用模型的錯誤率與每次成本當基準。

展開看全文

Coinbase 執行長說，用內部資料微調的 Qwen3.5-9B 在詐欺防治勝過前沿模型（Armstrong，2026-10-11）；Benaich 回應比的是舊模型（Benaich，2026-10-11）。OpenRouter 自報開放模型用量六成以上、73% 花費仍付給封閉模型（OpenRouter，2026-09-22）；Laskin 說一般企業會先不微調（No Priors，2026-10-09）。

還不能當真： 貼文沒說比的是哪個模型、怎麼量；要等 Coinbase 公開這項任務的評測數字。怎麼查的 →

⚠️ 本報的分析由 Anthropic 的模型協助產生，Anthropic 是封閉模型廠商之一。

今天可以帶走的動作：第1則：先挑一個高量、規則明確的任務，記下現用模型的錯誤率與每次成本當基準。

快訊

1. 還沒查證：[今日]（貼文 10 月 11 日）創投 Social Capital 貼出企業支出平台 Ramp 的資料：Ramp 客戶的 AI token 花費裡，Anthropic 占比從 3 月的 69.5% 降到 51.0%，OpenAI 升到 44.5%；本報找不到 Ramp 的原始數字，Ramp 公開的 9 月讀數是另一種量法，付過款的企業占比 Anthropic 43.8%、OpenAI 39.8%（Social Capital，2026-10-11）。

2. 還沒查證：[今日]（貼文 10 月 11 日）長期報導台灣半導體的記者 Dan Nystedt 轉述媒體報導，先進晶片測試報價預計漲 10% 到 30%，報導稱是「史上最強」的漲幅，點名日月光、京元電、力成、欣銓受惠；原始媒體沒具名（Dan Nystedt，2026-10-11）。

3. 還沒查證：[今日]（報導 10 月 11 日）據南華早報報導，阿里巴巴董事長蔡崇信說開源 AI 是歐洲科技自主的唯一路徑；說話者是 Qwen 開放模型的供應方，本報讀到的是中國科技政策分析師 Paul Triolo 的轉述，報導全文沒讀（Paul Triolo，2026-10-11；南華早報）。

4. 還沒查證：[今日]（貼文 10 月 11 日）半導體記者 Tim Culpan 寫，Musk 陣營規劃自建的晶圓廠計畫 Terafab 已向 ASML 下單極紫外光曝光機，研發廠預計 2027 年中交機，Intel 也在分享製程技術（是授權還是其他合作，貼文沒寫）；台數、型號、金額都沒寫，交期他自己說偏軟。本報 10 月 11 日那期寫過分析師說四大設備商都已投入 Terafab，今天新的是下單與交期（Tim Culpan，2026-10-11）。

晶片與半導體

1. [今日]（貼文 10 月 11 日）投資人 Gavin Baker 引 Silicon Data 的「token index」說，B300 自 5 月 31 日起漲了 38%、B200 漲了 10%；這個指數算不算租價、基期多少，本報都沒核到。他寫：「Since the @Silicon_Data "token index," which captures both price and mix, peaked on May 31: B300 prices are up 38%, B200 prices are up 10%.」（Gavin Baker，2026-10-11）原句說的指數同時看價格與各機型的組成。B300、B200 是 NVIDIA 目前出貨的兩款資料中心 GPU，租價指在雲端租一張 GPU 每小時的價格；Silicon Data 是發布 GPU 租價指數的數據公司；這個指數怎麼和 token 掛鉤，原句沒說。原句說這個指數在 5 月 31 日見頂，B300、B200 的價格則從那天起上漲；指數見頂和價格上漲怎麼同時成立，原句沒解釋。本報只查到 Silicon Data B300 指數頁上最新的讀數，每 GPU 小時 6.95 美元，沒查到 5 月底的基期，也沒確認這一頁和他引的「token index」是不是同一個口徑。Baker 是科技基金 Atreides Management 創辦人，持有相關部位；他據此推論模型市場越分散，對賣算力的人越有利，這是他的推論。

概念插圖：檯面上並排直立兩張顯示卡，左邊是印有「B300」的磚紅色卡，右邊是印有「B200」的黑色卡，兩張卡的右上角各掛著一張帶灰色橫條的米色吊牌，兩卡之間的前方立著一塊有綠色圖形和「NVIDIA」字樣的白色桌牌。最左側有一支立在黑色支架上的手機，螢幕上是一個灰色圓點和幾條灰線；右邊那張卡後方的背景有一個淡粉紅色圓形。 — 投資人 Gavin Baker 在貼文中引 Silicon Data 的指數說，NVIDIA B300 的價格自 5 月 31 日起漲了 38%，B200 漲了 10%。GPU 租價走勢會影響自建還是租用的算盤，但這只是一位持有相關部位的投資人引用的指數讀數，指數算不算租價、基期多少都還沒核實。

2. [今日]（旁聽記錄 10 月 10 日）Qualcomm 告 Arm 的反壟斷案在德拉瓦開庭第四天，據旁聽者記錄，Arm 的經濟學家在交叉詰問下承認，最新一代 v10 架構授權全球只有 5 張。架構授權是只向 Arm 取得指令集，處理器核心自己設計；Apple 與 Qualcomm 的 Oryon 核心都是這樣做。這和直接採用 Arm 設計好的核心不同。同一份記錄寫，法官說架構層的競爭「strictly Arm and Intel」，Arm 的經濟學家也說 RISC-V 在企業資料中心「barely off the ground」；Qualcomm 依現有合約可用到 2033 年，沒有 v10 新約就會「completely unlicensed」（庭審旁聽記錄，2026-10-10）。記錄者立場親 Qualcomm，這不是官方謄本，數字要等法院卷宗；法官當庭的話也不是判決，案子由法官審理、沒有陪審團。

大神觀點

1. [今日]（貼文 10 月 11 日）前 Tesla AI 總監、OpenAI 創始成員 Andrej Karpathy 粗估，全球約 2,000 萬人在數學與程式工作上用前沿模型，約占人口 0.2%；他說爭論 AI 有多強的兩邊，站的是不同的層。他自稱這是餐巾紙算術：約 60 億人幾乎沒碰過大型語言模型，約 10 億到 20 億人只在免費版輕度使用，約 2,000 萬人在數學與程式工作上用前沿模型，這群人親眼看過要做數週的專案，一個指令就交給 AI 做完，能用到實驗室內部前沿系統的約 5,000 人（Andrej Karpathy，2026-10-11）。他把這道落差歸因於三件事：想解的問題多大；AI 的能力不均勻，集中在數位、可驗證、值錢的領域；能用到哪一級的模型；所以「這只是聊天機器人」和「人類審查已經跟不上」可以同時為真。各層人數沒有普查，頂層的說法外界無法核實。聽人爭論 AI 能力時，先問對方用的是哪一級的模型、做的是哪類問題。

概念插圖：以剖面呈現的兩層樓建築，上層右側一名短髮、穿黑衣的人坐在椅子上，在桌前使用一台紅褐色邊框的筆電，螢幕上有一個對話框和兩欄橫線，背後是淡粉色牆面。下層左側一名長髮、穿棕色外套的人翹著腳坐在米色沙發上使用筆電，螢幕上有一個對話框，右側一個低矮的棕色櫃子上方掛著一幅畫有灰色半圓形的框畫。 — Andrej Karpathy 粗估，全球約 2,000 萬人（約占人口 0.2%）在數學與程式工作上用前沿模型，並說爭論 AI 有多強的兩邊站在不同的層。這是他自稱的餐巾紙算術，各層人數沒有普查；聽人評價 AI 能力時，先問對方用哪一級模型、做哪類問題。

2. [今日]（貼文 10 月 11 日）Wharton 商學院教授 Ethan Mollick 說，大企業導入 AI 的摩擦之一來自實驗室自己：產品與模型常突然改。 他說和幾位大企業領導者談過，模型本身已經好到企業總能想辦法用上，真正的摩擦是組織變革，加上實驗室頻繁又突然的變動：有領導者上個月才重押 OpenAI 的 GPTs（讓使用者自建客製 ChatGPT 的功能），隨即就被停掉；他也點名 Google 強制換模型，並說不只 OpenAI（Ethan Mollick，2026-10-11）。他也承認 GPTs 確實已過了有用的階段。這是他和少數領導者談話後的觀察，樣本有多大沒說。本報的讀法：怕供應商突然換模型，也可能是企業自己留一個開放權重模型的動機之一，這一點 Mollick 沒說。

模型觀點

1. [今日]（貼文 10 月 11 日）Sakana AI 介紹與 UC Berkeley 合作的 MASS：讓同一個 270 億參數的開放模型扮成分工團隊，再用成功的合作紀錄微調自己。據公司貼文，跑兩輪後，每個輸出 token 換到的評測分數是原模型的 1.2 到 1.6 倍。 Sakana AI 共同創辦人 David Ha 導讀的做法分兩步輪流做：先讓模型演化出多個角色怎麼分工，再把成功的分工過程拿來訓練這個共用的模型；模型用自己產生的成功紀錄訓練自己；這算不算持續的自我改進，貼文沒有證明（David Ha，2026-10-11；Sakana AI，2026-10-11）。評測是研究類任務，貼文寫四個，只點名 MLR-Bench、ScienceAgentBench、DSBench 三個。這個比值是評測分數除以輸出長度，不等於能力提升 1.2 到 1.6 倍；比值變高也可能只是輸出變短，貼文沒分開給分數與長度的變化。論文自己警告：模型同時替自己打分數時，共同的盲點可能讓錯誤被當成進步、一路強化。⚠️ 數字只來自公司貼文，論文本報沒讀。

概念插圖，畫面分成左右兩格，每格上方是一塊印有「SAKANA AI」字樣的看板，字樣左邊有紅、藍、綠三個魚形小圖案；看板下方的灰色桌子上各放著一台筆電，紅色機身上印著「MASS」。左邊筆電螢幕上並排三個視窗，每個視窗裡有一個對話框；右邊筆電螢幕上只有一個視窗，裡面上下排著三個對話框。 — Sakana AI 說，它與 UC Berkeley 合作的 MASS 讓同一個 270 億參數開放模型扮成分工團隊，再拿成功的合作紀錄微調自己。公司貼文自報，跑兩輪後每個輸出 token 換到的評測分數是原模型的 1.2 到 1.6 倍，但可能只是輸出變短；論文也警告，模型替自己打分數時，錯誤可能被當成進步。

2. [本週]（節目 10 月 9 日）Reflection AI 執行長 Misha Laskin 說，自家開放模型 Beam 預訓練用了 6,000 顆 GB300、跑數週，強化學習用了一萬多顆、跑 4 週，花在強化學習上的算力比預訓練多。預訓練是讓模型讀大量文字、學會接下一個字；強化學習是讓模型做題、依對錯給獎勵再調整。GB300 是 NVIDIA 最新一代的資料中心 GPU。Beam 總參數 5,000 億、每次只啟用 230 億，屬於混合專家架構，也就是每次只叫用一部分參數（No Priors，2026-10-09）。一般印象是預訓練最吃算力，他的說法正好相反，但沒說強化學習多用了多少。他另外提到預訓練現在約 12 天可跑完，那是現在的速度，不是這一版實際花的時間。這是公司自報，沒有第三方核對；Laskin 同一集的另一段話也出現在今日主線第 1 點。

概念插圖：牆上一塊黑色招牌有紅白圖形和「REFLECTION AI」字樣。招牌下方排著一排高櫃，左邊三台黑色櫃子立在寫有「GB300」和「NVIDIA」的底座上，右邊是五台紅橙色櫃子；畫面右側一人穿黑色高領上衣、掛著識別證，伸手指向紅色櫃子，左下前景的圓桌上放著一台筆電，背蓋寫著「BEAM」。 — Reflection AI 執行長 Misha Laskin 說，自家開放模型 Beam 花在強化學習的算力比預訓練多，但沒說多多少。所以估訓練預算時，強化學習那段可能不是零頭；不過這是公司自報，沒有第三方核對。

產品動態

1. [今日]（10 月 11 日）xAI 共同創辦人 Igor Babuschkin 創辦的 River AI 推出推論服務，代跑 DeepSeek 與 GLM 兩個中國開放模型，報價比兩家原廠低 20%。 推論服務是把模型放在自己機房替客戶跑、按用量收費。公司公告：「River Inference is live! We're serving DeepSeek V4.1 Flash and GLM 5.3 Flash for 20% below official provider rates.」（River AI，2026-10-11）Babuschkin 說，他們用 Rust 從零寫了訓練與推論系統，並稱效率因此高出很多（Igor Babuschkin，2026-10-11）。比的是原廠哪一檔價格、延遲與限流怎樣都沒公開，便宜也可能是補貼搶客。本報的讀法：開放權重模型誰都能代跑，推論可以跟模型分開買；如果這個報價屬實又撐得久，DeepSeek 與做 GLM 的 Z.ai（智譜）兩家原廠自己的 API 生意就要面對第三方的價格競爭。

概念插圖：畫面左側立著一座高大的紅橙色機櫃，頂部標牌寫著「RIVER AI」，旁邊有一紅一藍兩條斜放的圓角短條，機櫃上下兩格深色螢幕各顯示一個帶灰色線條的白色對話框，下方標牌分別寫著「DEEPSEEK V4.1 FLASH」與「GLM 5.3 FLASH」。右側一名穿黑衣、掛著識別證的人站在黑色高腳桌前用筆記型電腦打字，轉頭望向機櫃，背景是米白牆面與淺褐色地面。 — xAI 共同創辦人 Igor Babuschkin 創辦的 River AI 推出推論服務，代跑 DeepSeek V4.1 Flash 與 GLM 5.3 Flash 兩個中國開放模型，公司說報價比兩家原廠低 20%。用這兩個模型的團隊可以拿原廠報價比一次，不過 20% 是 River 自己的比價，比的是原廠哪一檔價格、延遲與限流都沒公開，便宜也可能是補貼搶客。

2. [今日]（貼文 10 月 11 日）分析師 Patrick Moorhead 說，Claude 的聊天與 Cowork 合併後，他自訂的兩個研究流程一個從 20 分鐘變成 2 小時 57 分，另一個從 6 分鐘變成 3 小時，產出沒有變好。 Moorhead 是產業分析公司 Moor Insights & Strategy 首席分析師；Cowork 是 Anthropic 讓 Claude 自己動手做事的工作產品，他說的研究流程，是使用者事先設定好、能反覆套用的一組操作步驟（Patrick Moorhead，2026-10-11）。他追到四個原因：一次開很多分支平行做、不理會工具呼叫次數的上限、單次工具呼叫跑超過一小時、網路查詢額度用完後自己開瀏覽器操作電腦；用量額度也很快燒完。照他的診斷，模型現在會自己開很多條支線、每條又等很久，總耗時因此暴增。這是一位使用者的回報，「合併造成」是他自己的診斷，Anthropic 沒有公開回應。⚠️ 利益揭露：本報用 Anthropic 的模型協助分析，而 Claude 正是 Anthropic 的產品。

概念插圖，左右兩格各畫一台筆電，黑色機身前緣印著白色大字 CLAUDE，下方有一塊米色牌子，上面是黑色稜角標誌和 ANTHROPIC 字樣。左邊螢幕上有一個畫著灰線的對話框，下方三個紅橙色方塊以箭頭連成一排，指向一個文件圖示；右邊螢幕上也有對話框，一個紅橙色方塊以三道彎曲箭頭分向上下排列、各畫著沙漏的三個紅橙色方塊，再由三道箭頭匯向一個文件圖示。 — 分析師 Patrick Moorhead 說，Claude 的聊天與 Cowork 合併後，他自訂的研究流程慢了 9 到 30 倍，產出沒有變好。這是一位使用者的回報，「合併造成」是他自己的診斷，Anthropic 沒有公開回應；用 Claude 跑固定流程的人可以先量一次前後的耗時與額度。

過去洞見

1. [回顧]（深度報告 2026 年 10 月 7 日）AI 寫程式訂閱的「補貼」，看來主要是占用算力的問題，不是會計上的虧損。 「兩百美元方案用掉八千美元」量的是 API 牌價等值，標價含供應商利潤，不是成本；「毛利負 369%」量的是把上限用滿的極端情境；同一篇 SemiAnalysis 在平均使用率兩成下，算出中階方案小賺約 6%。

概念插圖，分成左右兩個並排畫面：左邊米色畫面中，一個穿黑衣的人坐在椅子上，在桌前用雙手打字，面前的大型深色螢幕上有一排排縮排的線條和一個對話框。右邊淺灰色畫面中，一個高大的紅橙色伺服器機櫃立在淡粉紅色的圓形前，機櫃頂部的深色面板上有一個對話框，下方疊著七層深色機架單元，每層都有橫線和直條。 — 本報 10 月 7 日深度報告判斷，AI 寫程式訂閱的「補貼」看來主要是占用算力的問題，不是會計上的虧損：「兩百美元方案用掉八千美元」量的是 API 牌價等值，標價含供應商利潤，不是成本。SemiAnalysis 估算，在平均使用率兩成下，中階方案小賺約 6%。

比較大的問題是算力：訂閱約占 Anthropic 一成營收，據 SemiAnalysis 估算，卻可能用掉四成以上的推論算力；2026 年各家公開的收緊理由多數是算力不夠，OpenAI 9 月 29 日砍半兩百美元方案新訂戶額度之前，9 月 10 日先以需求前所未見暫停販售，Anthropic 5 月算力到貨時則是放寬（深度報告，2026-10-07）。這篇深報也指出，額度限制早在 2025 年就開始了，所以不能把今年的方案收緊直接當成預測應驗。什麼情況會推翻這篇的判斷：主要供應商在大批算力到貨之後，仍收緊中階模型額度。本報這輪沒有回查，還沒有結果。對靠訂閱撐團隊開發的公司，曝險不是漲價，是供應商算力吃緊時額度先被砍；編預算時用「同樣用量改走 API 要付多少」當上限。⚠️ 本報自己也用 Anthropic 的模型協助分析，而它正是這裡討論的訂閱方案供應商之一。

本報不是新聞摘要：從每天的 AI 資訊流裡捕捉真正重要的洞見與值得長期追蹤的行家判斷，並交代每一條是怎麼驗證的。重點永遠是『哪條判斷變硬了、誰說得準』，不是今天發生了什麼。