两种模型，两种命运
Anthropic 本周推出了两款模型——一款是我们翘首以盼的，另一款则是可有可无的。Fable 5 在周四重新上线，再晚一刻我们都等不及。而两天前，Sonnet 5 的登场则显得波澜不惊：Katie Parrott 的 Vibe Check 专栏发现，这是一款定位为“金发姑娘”（Goldilocks，意为恰到好处、适合所有人）的模型，却没能打动任何人——几乎每项任务，你都能找到更便宜、更快或更聪明的替代品。
然而，就在 Fable 能从一个提示词（Prompt）就生成一个可运行的应用（它在大约三小时内重建了我们的文档编辑器 Proof）的同时，AI 却仍然无法可靠地制作一份 PowerPoint 演示文稿。Mike Taylor 和咨询团队发现，要自动化完成这项工作，需要搭建一套包含 24 项技能的流程，每份 PPT 的成本高达 62 美元，即便如此，他们仍然不推荐大多数团队采用。不过，无论情况如何，Every 团队对 Codex 的热情依然有增无减。我们将在周二回到您的收件箱。——Kate Lee
知识库
《Vibe Check：Sonnet 5——一款试图取悦所有人，却无人满意的模型》 作者：Katie Parrott / Vibe Check：Katie 和 Every 团队对 Anthropic 新推出的 Sonnet 5 进行了全面测试，结果并不令人信服。它被定位为“金发姑娘”模型——做困难任务足够聪明，日常使用又足够便宜和快速——但与 Opus 4.8、Fable 5 和 GPT-5.5 相比，它在这几个方面都没有优势。阅读本文，了解 Sonnet 5 的定位，以及团队为何不断转向其他模型。
《AI 曾无所不能，直到它遇上了 PowerPoint》 作者：Mike Taylor / Also True for Humans：PowerPoint 是职场中几十年来不变的标配，而 AI 仍然无法一次性征服它。Mike 和咨询团队发现，Codex 和 Claude Code 从零开始构建幻灯片效果不错，但一旦涉及公司自己的模板，就败下阵来。对大多数团队而言，最难的部分是搞清楚该说什么，而这恰恰是 AI 无法代劳的。阅读本文，了解 AI 在制作幻灯片这件事上真正能做什么、不能做什么的真实记录。
《Codex 实践指南》 作者：Laura Entis / Context Window：Laura Entis 汇总了 Every 团队成员构建自己 Codex 工作区的方式——Dan Shipper 长期运转的路由器线程（router threads）、Katie 的文件系统、增长负责人 Austin Tedesco 基于结果的方法，以及 Cora 总经理 Kieran Klaassen 的便携式设置——一个任何智能体（Agent）都能调用的同步上下文文件夹——每种方法都附带了可复制的初始提示词（starter prompt）。阅读本文，获取你可以借鉴的配置方案。
《面向非技术开发者的 Codex》 作者：Dan Shipper / AI & I：Every 的咨询主管**Natalia Quintero** 提出，Codex 是第一款能让非技术人员像工程师操作 Claude Code 那样去操作的智能体。它会自行构建文件夹结构和指令，而不是要求你先完成这些设置。她向 Dan 展示了如何像管理直属下属一样使用它：实现收件箱清零、在 Attio 中管理客户线索、协调她父亲的医疗护理。阅读本文，了解一位非技术开发者的端到端 Codex 实践。🎧 🖥 在 Spotify 或 Apple Podcasts 收听，在 YouTube 观看，或在 X 上关注讨论。
《你的 AI 战略正在下注，你知道是哪些吗？》 作者：Dan Pupius / Thesis：The General Partnership 的首席技术官**Dan Pupius** 认为，每项 AI 战略都建立在创始人通常不会明说的四个赌注之上：代币成本（Token cost）、模型能力、供应商锁定（Provider lock-in）和监管。那些能明确说出自己赌注的团队，往往能在某个赌注情况有变时及时调整。阅读本文，找到一种清晰的方法来揭示你的假设，并看清哪些是可以改变的。
即刻体验
亲手尝试 Every 使用 AI 的方式。以下是我们团队成员教授工作流程的直播训练营、研讨会和交流会。
近期活动
第二季度演示日（Demo Day）（7 月 10 日）：Every 的季度演示日，团队将展示本季度的产出——仅限付费订阅用户。报名参加。
Every 线下聚会（IRL）（7 月 15 日）：在 Every 布鲁克林总部举办的线下见面会，仅限付费订阅用户，时间为美东时间下午 6 点至 8 点。报名参加。
来自 Every Studio
Monologue：用你说的每一种语言进行听写
Monologue，Every 的语音听写应用，发布了 v1.3.0 版本，支持多语言听写：告诉它你会说哪些语言（比如英语和西班牙语），它就能在你思路切换、中英文夹杂时跟上你的节奏，新增的语言选择器涵盖了超过 99 种语言。本次更新还增加了更多启动录音的方式，包括 Hyper Key 支持，以及专用的按键说话、免提和鼠标按钮快捷键。
Spiral 提示词：自动化你重复的写作工作
Spiral，Every 的写作工具，现在可以让你将一个重复的写作流程保存为一个可复用的提示词（Prompt），这样，诸如生成节目笔记、从播客中提取引言、或根据内部文档起草营销帖子等工作，都能一键运行。本周新功能：你可以直接在聊天中或通过 MCP 创建和编辑这些提示词，而无需单独设置。
Alignment
**卖铲子。**Anthropic 推出了 Claude Science——一款桌面研究工具，能让科学家运行分析、可视化分子和基因组数据，并展示每个结果背后确切的代码和步骤——同时宣布正在运行自己的临床前药物项目，这很可能让药企高管们对着笔记本电脑咒骂。
然而，正如一位名叫 Patrick Malone 的医生在推特上所言，Anthropic 不太可能自己开发新药并全程跟进，直到把药送到患者手中。
相反，Anthropic 将利用这些内部药物项目来测试和改进自己的 AI 工具。目标是解决药物研发中的主要瓶颈——尤其是在评估和验证环节——从而构建一个更强大的平台，让制药公司趋之若鹜。
正如 Malone 指出的，这被称为“吃自己的狗粮”（Dogfooding，即内部测试）——有意识地在真实、困难的问题上使用自己的技术，以便发现并修复其弱点。在这个例子中，内部测试将被用来检验 AI 在识别药物靶点或设计分子等复杂任务上的表现，然后通过进行实验室实验和临床研究来验证这些结果，以确认 AI 的建议是否确实正确。
这些障碍耗时且昂贵，因为与软件可以在几秒钟内完成测试不同，生物系统的运转十分缓慢，只有在活细胞或生物体有时间做出反应之后，反馈才会到来。
如果——这是一个很大的“如果”——Anthropic 能够解决这个问题，它将构建起一个将数据、模型、实验和决策串联在一起的工作流层，并顺理成章地向大型制药公司出售这个能让药物研发更快的平台。这种策略被称为“卖铲子”，自 1849 年以来，这始终是个好策略。——Ashwin Sharma
核心启示：AI 的能力正呈现出一种极度的二元分化：它在代码生成等结构化创造任务上已展现出惊人效率，但在需要深度理解非结构化语境（如企业模板）或处理复杂生物反馈循环的任务上，仍然步履维艰。这背后的关键，并非模型智能的绝对高低，而在于是否能形成从“生成”到“验证”的闭环工作流。
A Tale of Two Models 的发芽报告
材料核心
Every 的通讯文章分析了 Anthropic 同期发布的两款模型所呈现的巨大反差：Fable 5 展现了从提示词到可运行应用的惊人能力,而 Sonnet 5 作为“金发姑娘”模型却落入了无人喝彩的尴尬境地。这种反差揭示了一个更深层的张力——AI 在某些领域（如代码生成）已接近实用临界点,但在面对企业现实中的格式僵化（如 PowerPoint 模板）和验证延迟（如药物研发）时,依然步履蹒跚。
发芽 01:格式阻力——当 AI 撞上现实世界的护城河
种子
材料中 Mike Taylor 的团队需要一个 24 技能管线、每套幻灯片 $62 的成本才能实现 PowerPoint 自动化。这不是 AI 不够聪明,而是 AI 的能力曲线在“格式阻力”面前骤然变平。当输出目标从“生成内容”变为“适配一套僵化的、由他人定义的模板系统”时,AI 的效用呈非线性衰减。格式不是技术问题,而是制度化石。
1987 年,当 PowerPoint 首次发布时,没有人预见到它会演变成一种组织语言。哈佛商学院的历史学家 Laurence Prusak 曾追踪过企业内部沟通格式的演变,他发现一个奇怪的现象:一家公司在 1990 年代的幻灯片模板,在三十年后依然被沿用,尽管当初设计这个模板的人早已离职,甚至没人能解释为什么第三页必须是柱状图而非饼图。这就是“格式化石”——组织记忆凝固成了格式规范,任何试图挑战这种规范的工具都会遭遇免疫排斥。
Mike Taylor 团队发现的问题本质上就是格式化石的防御机制:Codex 和 Claude Code 从零构建幻灯片的能力很强,但一旦需要匹配公司现有模板,AI 就开始犯错。这不是认知缺陷,而是组织逻辑的外骨骼本身就是反理性的。每一套企业模板都是数十个小型决策的叠加——市场部坚持特定配色、法务要求免责声明位置、CEO 偏爱某种图表类型——这些决策之间没有逻辑一致性,但它们共同构成了一把只有人类操纵者才能穿过的锁孔。
1982 年,施乐 PARC 的研究员 Thomas Moran 提出了“外部认知”理论,认为人类思维不是封闭在大脑内的,而是通过外部物理环境（笔记、图表、界面布局）来延伸的。企业 PowerPoint 模板正是这种外部认知的集体版本——它们不是中性的容器,而是承载着权力结构、历史惯性和认知习惯的沉积岩。AI 能够生成内容,但当它需要将内容注入这种地质构造时,它遇到的不再是语义问题,而是考古学问题。
材料中提到的 Codex 在个人工作流中的成功（Dan Shipper 的路由线程、Kieran Klaassen 的可移植上下文文件夹）与此形成鲜明对照。当使用者在自己的沙盒中定义规则时,AI 如鱼得水;当他们必须服从他人多年前定义的规则时,AI 寸步难行。这不是技术瓶颈,而是组织人类学的边界线。
Aha 瞬间
“AI 的极限不在参数规模,而在组织逻辑的化石层有多厚。当模板比设计它的人活得更久时,你面对的不是文档,而是一座制度陵墓。”
发芽 02:Selling Dogfood——验证瓶颈作为商业模式护城河
种子
Anthropic 宣布开展自己的临床前药物项目,但真正的意图并非与制药巨头竞争,而是通过“狗粮”策略识别 AI 在复杂验证任务中的弱点。材料中 Patrick Malone 医生指出,生物系统的反馈速度比软件慢几个数量级——这是一个被时间锁定的验证瓶颈。而正是在这个瓶颈处,平台提供者的护城河最深。
19 世纪中叶加州淘金热期间,真正发财的不是矿工,而是卖给矿工铲子和牛仔裤的人。但这个类比错过了最关键的一点:Levi Strauss 之所以能成功,不是因为他预见了淘金趋势,而是因为他的产品经受住了矿工在实际使用中的极限测试。矿工抱怨帆布裤子在潮湿环境下变硬,于是 Strauss 改用更柔软的斜纹布;矿工说口袋在装金块时撕裂,于是他用铜铆钉加固袋角。每一次改进都不是来自市场调研,而是来自产品在最严苛场景下的被迫进化。
Anthropic 的药物开发“狗粮”策略遵循同样的逻辑。在实验室里测试 AI 模型,你只能模拟已知的失效模式。但当你把模型暴露在药物靶点识别、分子设计和临床前验证的真实压力下——当一次错误预测的代价不是基准分数下降,而是数月的实验时间付诸东流——模型暴露出的漏洞才是真正值得修复的。这不是测试,这是暴露疗法。
麻省理工学院的计算机科学家 Luis von Ahn 在 2005 年提出了“有目的的游戏”理论,后来演化为 reCAPTCHA。他意识到,人类和机器在识别扭曲文字的能力上存在互补性:机器难以识别的内容,恰好可以用来训练机器识别其他内容。同样的逻辑适用于 Anthropic 的药物试验:AI 在药物发现中犯下的错误,恰好可以用来训练 AI 在未来的药物发现中不再犯同样的错误。失败本身成为最有价值的训练数据。
材料中材料的张力在此显现:AI 在生成代码方面的高效（Fable 5 三小时重建文档编辑器）与在 PowerPoint 上的笨拙形成第一重反差;AI 在药物发现中的慢速验证与最终将验证瓶颈转化为护城河的商业逻辑形成第二重反差。在软件领域,反馈循环以秒为单位;在生物领域,反馈循环以月为单位。但正是在后者,掌握验证基础设施的人掌握了定价权——因为速度差本身就是壁垒。
Aha 瞬间
“Anthropic 不是在研发药品,而是在研发‘研发药品的能力’。最深的护城河不是技术领先,而是让竞争对手必须在真实世界中等待数月才能复制的验证闭环。”
你的思考空间
当 AI 的能力曲线在不同任务中出现如此巨大的落差时,我们是否应该重新定义“通用人工智能”的含义——也许问题不是“AI 能做什么”,而是“什么样的任务让 AI 的边际效用断崖式下跌”?
如果每个组织都有自己独特的“格式化石层”,那么 AI 集成服务是否会成为一个比模型本身更大的市场?那些能够破解企业内部格式遗产的人,是否会像 1990 年代的 SAP 顾问一样,成为未来十年最稀缺的人才?
Anthropic 的“狗粮”策略是否暗示了一个更普遍的原则:最好的 AI 评测不会来自排行榜,而来自厂商用自己的 AI 解决自己最棘手的内部问题时所暴露的失败?我们是否应该要求每个 AI 公司都公开自己的“狗粮日志”?
材料中提到 Codex 让非技术人员像指挥下属一样指挥 AI,但这是否掩盖了一个更深的问题——我们正在将“管理能力”外包给 AI,而那些不善于管理人类的领导,是否同样不善于管理 AI?真正的人机协作瓶颈是否不在技术,而在我们自身的管理素养?