大神觀點 · 本週 （訪談發布 07-22，錄製 07-15）
本篇出自 2026年7月23日 晨報
AI 編碼新創 Poolside 的共同執行長 Kant 主張：對長時間的複雜任務，在模型與系統之間夾一層工具協定（如 MCP）沒有意義。MCP 是 Anthropic 主推、讓 AI 呼叫外部工具的標準介面。他主張應該只給模型六個左右的基本工具（執行指令、寫檔、抓網頁），加一個裝著程式庫與資料的容器，讓模型直接寫程式操作一切。他的機制解釋：強化學習訓練下，模型自己會挑最有效率的路徑，那就是寫程式而非逐一呼叫工具；並預測「12 個月內不會再看到塞二三十個工具的系統提示」(Latent Space 訪談，07-22)。這條支持本報追蹤的「讓模型寫程式來編排工具」收斂線——此前的證據來自應用層與 API 層，這是第一次有基座模型訓練方從訓練誘因給出同向解釋。保留：Poolside 自身就走極簡路線、有立場，且其產品仍支援 MCP——當方向偏好看，不當定局。另留意：MCP 是 Anthropic 主推的生態標準，Poolside 此番否定，等於公開質疑另一家前沿實驗室押注的技術路線；這究竟是純技術路線之爭、還是也帶生態站隊意味，讀者可自行斟酌。
只留 email，隨時退訂。這是我們唯一想請你做的事。
Nathan Lambert 對 Opus 5 追平旗艦給出機制解釋:他認為關鍵是「更快的迭代速度＋規模化強化學習(RL)」,而旗艦模型「反而還太大、還沒法同樣做 RL」。若這個解…
Dwarkesh Patel 是獨立科技訪談者與作者，其 AI 產業深度論述常被業界轉引。他 6 月的文章主張：每個要教給模型的技能，背後對應至少數百位人類專家寫示範與評分標準；專…
Thompson 是科技戰略電子報 Stratechery 的作者、產業判讀最受引用的分析者之一。在華府與華爾街同聲恐慌的一週，他的判斷反著走：中國開源模型的威脅並不新；前沿實驗室…
Mollick 是賓州大學 Wharton 商學院教授，企業界讀者最多的 AI 實用主義評論者。他以第一手實測給出 2026 下半年的判讀：要拿 AI 做真工作，實務選項只有 Ch…