如今，每个模型的保质期只有六个月

原文：Every · 作者：Grant Harvey · 2026-10-28

你好，欢迎来到工作日版 Context Window。Grant Harvey 是 Every 最新加入的专职作者，他将带来 Every 团队正在测试、争论和用 AI 构建的东西。

Anthropic 周一提交了上市申请，其 S-1 用一个数字印证了我们在 Every 看到的现象：当新模型发布时，我们中的许多人会把它切换成日常主力。发布超过六个月的模型，贡献的收入不到 Anthropic 总收入的 20%。今天我们来拆解，这对你该用哪个模型意味着什么。另外：评测负责人 Mike Taylor 谈如何在保持通才身份的同时看起来像专才，如何让 Claude 在喝早咖啡的工夫把他的网站从 Webflow 迁走，以及我们聊不停的行业新闻。——Kate Lee

信号（Signal）

Anthropic 赌你会持续升级。对你来说，这也是个好赌注。

发生了什么： Anthropic 周一提交了上市申请。在给 Every 写的 S-1 拆解中，Evan Armstrong 把 Anthropic 比作电影制片厂：你只和你的下一部作品一样好。

文件显示，Anthropic 多么依赖最新模型。发布超过六个月的模型，贡献的收入不到其总收入的 20%。而它在 2026 年上半年带来的 163 亿美元收入，发生在它最新、最受好评的两个模型 Opus 5.5 和 Fable 5.1 发布之前。正如 Mike 所说：“这全是 Opus 5 的钱。”文件里其他值得注意的要点：

• 一年前的客户现在支付的费用约为原来的九倍。

• 公司在 2026 年上半年运营上“只”亏损了 6.93 亿美元*。

• Anthropic 表示，最新发布通过更低价格和更高效模型，把客户的单任务成本降低了 25% 到 45%。

为什么重要： 最新 Claude 模型的短保质期是 Anthropic 的核心风险。到 2028 年，Anthropic 承诺每年在算力上花费约 1550 亿美元。这些承诺大多无法取消，而客户可以随时停止花钱。Evan 认为，如果几代模型出现延误，这笔支出就会从库存变成债务。

这也是一个赌注：客户能分辨出每个新模型都比上一个更好。

如果这个赌注错了，“80% 的收入来自过去六个月发布的模型，这就是巨大的风险，”Mike 说。他指向 The Flat Curve Society 的 Steve Yegge，后者把这称为“辨别力地平线”（discernment horizon）：大多数用户的任务不够难，显示不出模型之间的差异。

这意味着什么： Every CEO Dan Shipper 有一个思考 AI 如何改变工作的新方式——像尺蠖一样。工程师在头部先向前伸展，中间的知识工作者跟上，尾部整个其余经济最后追赶。工程师今天做的事，知识工作者明天就会做。

• 处于前沿的工程师把模型压得最狠。正如工程师 Thorsten Ball 所说，一个 10% 情况下会出错的模型，不会告诉你错的是哪 10%，所以你得用重试来为这个缺口买单。（后面会更多谈到 Thorsten 的帖子。）

• 随着知识工作者接住工程师今天做的事，可以预期他们的 token 支出会急剧上升，前沿模型也会开始对他们变得重要。Dan 认为，这会让在 AI 领域工作“看起来很像在金融领域工作”：你要“管理一本 token 支出账”，并寻找优势。

• 这种转变可能需要数年才能扩散到整个经济，也可能永远到不了某些人那里。对他们来说，一个更好的 Google 搜索就足够了，而今天的模型已经能提供这一点。

试试这个： 每次有新模型发布，读我们的 Vibe Check。如果它听起来和你的工作相关，就把默认模型切换成新模型，并用你的个人基准测试去测它：一个你很熟悉的困难任务。

跳过： Anthropic 头条里的 807 亿美元亏损。它主要是亚马逊可转换债券带来的账面亏损，IPO 之后就会消失。

（一位 Every 读者把 Evan 关于 Anthropic S-1 的文章做成了短视频解说。点击查看。）

（*为什么 6.93 亿美元后面有个星号？这是运营亏损，它掩盖了有多少钱在流动：Anthropic 仅 2026 年上半年就在算力上花了 89 亿美元，而其合同会把这项账单推到明年约 1200 亿美元。）

《The Every Podcast》：一位艾美奖得主的 AI 工作规则

观看视频

AI 能帮你讲故事——但前提是你有东西要说。

这是艾美奖得主、电视编剧兼制片人 Fred Graver 的看法。他的履历从《Late Night with David Letterman》和 Twitter，一直延伸到自己的公司 The AI Writer’s Studio。在打开 AI 之前，他会先从一张白纸开始，把一个想法的所有念头写下来。然后他把 AI 当作虚拟编剧室，用来挑战和发展这个想法。工具可以帮忙塑造故事，但故事的观点必须来自他本人。

在本周《The Every Podcast》节目中，Graver 与 Every 企业 AI 采用负责人 Natalia Quintero 对谈，解释他如何工作。他们讨论了为什么写作者应该先向 AI 说明自己的品味和野心，再向它提想法；他在自己的编剧室里搭建了怎样一组 AI 合作者；以及为什么让角色讨人喜欢的怪癖仍然来自人。

可在 X 或 YouTube 观看，也可在 Spotify 或 Apple Podcasts 收听。你还可以读文字稿。

以下是亮点：

• 告诉 AI 你作为写作者是谁： Graver 建议写作者创建两份文档：一份写你的灵感、品味和野心，另一份写这个项目。然后问 AI，这个想法是否符合你的声音和兴趣，还是你在追逐一个并不真正属于你的东西。他也用它模拟焦点小组，包括“那个你真心希望自己没邀请来的人”。目标是帮你把作品想透，而不是让它替你写。

• 给你的 AI 合作者不同工作： Graver 那个“非常不讨喜”的 Claude 智能体会让他保持责任感：当他带着一个闪亮的新想法出现时，它会提醒他已有的承诺。ChatGPT 扮演热切的电影学生，知道书里每一条讲故事规则，但不知道它们意味着什么——适合检查基础。NotebookLM 的 AI 播客主持人则提供鼓励：“他们喜欢你正在做的东西。”

• 魔力在怪癖里： Claude 帮 Graver 头脑风暴了一部网剧，讲一群老年人运营退休之家的 Facebook 页面。他说，AI 可以提出受众洞察和故事想法，但提不出“让这些角色讨人喜欢的个人怪癖”。他的例子是：Homer Simpson 背后的配音演员即兴说出了“D’oh!”——一个小小的、人的贡献，后来成了这个角色的核心。

对任何想知道自己在如今包含 AI 的编剧室里处于什么位置的写作者来说，这期都值得一看。

错过了某期？可以补看 Dan 最近与 Sam Altman；Anthropic 产品负责人 Mike Krieger；打造 Claude Code 的团队 Cat Wu 和 Boris Cherny；打造 Codex 的团队 Thibault Sottiaux 和 Andrew Ambrosino；Vercel 联合创始人 Guillermo Rauch；以及其他人的对话，了解他们如何用 AI 思考、创作和建立关系。

技能分享（Skill share）

把一个故事想法变成 pitch deck

TV and Film Pitch Deck Prep 是 Fred Graver 做的一个 Claude 技能，帮你搭建故事圣经（story bible）、pitch deck（提案演示文稿），以及一份创作决策记录。它遵循 Kenn Adams Story Spine——皮克斯使用的讲故事结构——并像制片人那样提问，逼你给出具体答案。

Every 视频负责人 Randy Counsmann 说：“我试了，它确实感觉有真正的创作过程，而不是‘一次性生成’。它帮我探索一个想法，并权衡决定。”

下面是从头到尾运行这个技能的方法。你也可以参考 Fred 的 Start Here 指南。

1. 安装技能

在这个文件夹里，你会找到 ZIP 格式的技能包。原样上传，不要解压。

从文件夹下载技能的 ZIP 文件，并保持压缩状态。在 Claude 中进入 Settings → Capabilities，启用 code execution 和 file creation，这样技能才能生成 Word 和 PowerPoint 文件。在 Skills 下选择 Upload skill，再选择 ZIP 文件。菜单标签可能不同。

每个使用该技能的人都需要在自己的账号里安装。Claude Code 用户可以把它解压到自己的 skills 文件夹。

2. 开一个新对话

跳过技能里的 Test this 按钮，它会替你编一个故事。开一个新对话，从你自己的想法开始：“我想为我的电视剧做一个 pitch”，或者“帮我写电影 logline”。

一段话、粗略笔记，或者你讲给朋友听的版本就够了。Graver 从《The Influencer》开始，这是一个圣诞故事，被描述为《It’s a Wonderful Life》（生活多美好）遇上《Black Mirror》（黑镜）。

3. 回答三个开场问题

技能会先问“Who acts?”（谁在行动？）、“What’s irrevocable?”（什么是不可挽回的？）和“What does the ending cost?”（结局的代价是什么？）。如果你的回答不够清楚，Claude 会追问。

4. 逐节发展 pitch

Claude 会带你完成 logline（一句话梗概）、hook（钩子）、synopsis（梗概）、Case for the project（项目卖点）、world（世界设定）、tone（调性）、audience（受众）、themes（主题）、structure（结构）和 How I Work（我如何工作）这些部分。要做好来回修改的准备：Graver 的 logline 写了八稿。

Claude 不会替你写 logline、hook、Case 或 How I Work 部分，所以写作始终是你的。它会帮你组织句子，解释删改和重排，并把属于后面部分的想法保存下来。

5. 记录你的决定

技能会给每个决定编号，并把被替换的选择标记为 SUPERSEDED，保留你的 pitch 如何演变。它还会标出矛盾：当 Graver 把《The Influencer》称为网剧时，它提醒他已经选择了假日电影。

6. 检查并保存

在生成最终文件之前，Claude 会给你看演示文稿大纲，根据你后面的回答建议更新，并询问你想改什么。

边做边保存文档。如果文件创建功能关闭，Claude 会提供可粘贴到 Gamma 或其他幻灯片工具里的文本。

By Fred Graver · © 2026 The AI Writer’s Studio

偷走这个工作流

让 Claude 把你的网站迁到更便宜的主机

Webflow 向 Mike 收取 360 美元续费他的个人网站时，他决定搬走。Claude 能替他迁移整个网站，“包括导出所有文章、逆向还原设计，并把域名迁到”Cloudflare；后者每月约 5 美元。他在喝早咖啡的工夫就完成了迁移，并让 Webflow 退款。他的结论：通过提示 Claude 写自定义代码来改网站，比用无代码建站工具“真的更容易”。

工作流：

• 导出所有东西。 让 Claude Code 或 Codex 把你当前建站工具里的每篇文章、每个页面和每张图片都拉成纯文件。

• 从线上网站重建设计。 把智能体指向你网站的 URL，让它把外观重建成静态网站，并逐页对照原站检查结果。

• 最后再迁域名。 让智能体带你一步步把域名指向新主机，并在取消旧套餐前确认新站已经上线。

复制这个提示词：

Migrate my website from [Webflow] to a static site I can host on Cloudflare Pages. Export every post and page, recreate the current design from the live site at [URL], and list each step needed to move my domain. Don't change any domain settings until I approve.

你需要： 一个 Cloudflare 账号，以及愿意维护自定义代码、而不是用拖拽式编辑器的意愿。

额外提示： 在 Claude 里安装 Cloudflare 连接器也有帮助，不过 Mike 说他只是把自己的浏览器给了 Claude。它登录了 GoDaddy，并替他迁走了域名。

本周就试： 如果建站工具续费快到了，在付钱之前先跑第一步。

Every 内部

修格斯专家策略

“广度没有奖品。”写作者 Erik Hoel 在他关于博学家诅咒的帖子里的这句话，击中了 Mike 的“心坎”。Dan 的经验让他得出相反结论——这个论点他从 2024 年起就在提。他认为，AI 最擅长的是专家过去拥有的可预测工作，最不擅长的是通才如鱼得水的混乱新问题。

Mike 同意，运用广泛能力更有趣，但他认为市场会惩罚任何做不止一件事的人。他的解决办法是他所谓的修格斯策略（shoggoth strategy，名字来自 H.P. Lovecraft 小说中那些可怕的生物）：对外只展示一个清晰专长，把你杂乱的通用技能藏在后面。他刚创办营销公司时，每晚的社交活动都没有结果，直到他向潜在客户提到自己在 Facebook 广告上花过 5000 万美元。那句话终于引起反应，并成了他的招牌（修格斯的笑脸）；背后则是 SEO、数据科学和文案能力。

图源：@Anthrupad

我的解读： 他们俩都对，而 Mike 的修格斯鲻鱼头（前面专家、后面通才）是让你两者都获得报酬的方法。Dan 说得对，广度让你能啃下模型搞不定的新而乱的问题；Mike 也说得对，没有人会纯粹因为你的广度而雇用你。前面的专长让你进门，背后的更广泛技能（让你成为你的东西）才是你进门后解决问题的办法。

试试： 写出一句话，如果陌生人只能因为你的一件事而雇用你，你会用哪句话开场。如果你已经用 AI 做大部分工作，你甚至可以和你的智能体一起头脑风暴。问它：

based on everything you know about me, list 10 of my most proficient skills, and which of the ten is the most impressive for me to lead with as a single specialty to market myself.

然后拿这个专长去和你的朋友、行业同行试音，做一次人的直觉检查。

Every 内部热议

这些是 Every 团队本周聊不停的新闻，按我们在 Slack 里参与讨论的人数排序。

• 微软向四分之一员工提供买断。 约 6 万名员工符合买断资格。重要：这统计的是谁可以离开，不是谁一定会离开。团队的反应：“Dang”“wow”“Ouch”。Dan 随后问 Opus，这条新闻是否推翻了他的“After Automation”（自动化之后）论点。它的解读是：据报道，符合条件的团队包括 Copilot 和 CoreAI，所以这看起来更像是在清理一个挣扎中的 AI 战略，而不是智能体在抢工作。它找到的 Dan 论点弱点是：即使 AI 没有做任何人的工作，微软也可以缩减薪资来支付数据中心；而 Dan 预测的新工作可能出现在小型 AI 原生公司，而不是那些支付算力账单的巨头。

• Thorsten Ball 关于与智能体合作的现场笔记。 前沿团队成员 Kieran Klaassen 最喜欢的规则是：不要再担心智能体会用垃圾填满你的代码库。Kieran 说：“Opus 5.5 和其他模型已经好到可以继续交付了。我们需要把梦做大一点。”Mike 不同意 Thorsten 关于压缩（compaction）让手动管理上下文变成浪费时间的说法。他为每个任务开一个新线程，并保持记忆关闭，因为旧指令和早期错误会堆积，让回答变差。

• 一个单行提示词发现了一个严重的 PHP 漏洞。 一个安全团队用自己的测试环境、一个前沿模型，以及“find bad vulnerabilities”这个针对该编程语言的提示词，匹配上了专业研究人员的发现，Dan Lorenc 在 LinkedIn 上写道。Mike：“提示词工程已死，哈哈。”Dan 的回复：六个月后，容易找到的漏洞都会消失，提示词又会变得重要。试试：用同样的提示词把你的编程智能体指向你自己的代码。

• OpenAI 声称又取得三项突破。 周一，它宣布 AI 产出了数学证明（每个维度上的 Kakeya 猜想）、计算机科学证明（指数时间假设为假）和物理证明（量子色动力学的存在，包括一个千禧年大奖难题的一部分）。这一次，外部专家在为结果把关；此前它在 10 月发布 722 篇数学手稿引发反弹，并有三篇因错误被撤回。

登录（Log on）

即将举行的活动

• Context Engineering With DSPy：10 月 29 日，星期四，美国东部时间下午 1–2 点。评测负责人 Mike Taylor——新书《Context Engineering with DSPy》（O’Reilly）的作者——与 Drew Breunig 和 DSPy 首席维护者 Isaac Miller 一起，从零构建一个 DSPy 程序：一个你可以测量和改进、并且在切换模型时仍能继续工作的程序。带上你的问题。Every 订阅者免费。注册。

• All Access office hours：10 月 30 日，星期五，美国东部时间中午 12–1 点，Zoom。主持人 Natalia Quintero 和 Every 团队分享我们一直在构建什么、接下来有什么，然后回答 All Access 成员关于卡住的智能体、漂移的工作流，以及他们不确定是否要采用的工具的问题。需要 All Access 会员资格。注册。

核心启示：当模型的保质期缩短到约六个月，真正的竞争力不在于押中某个模型，而在于持续评测、快速切换，并把 AI 嵌进自己的工作流。