RD#4 前沿模型開始拼成本
每家都在拼成本，但我還是只用 Opus 5.5
這週 Anthropic、OpenAI、Google 接連發表新模型，每一家都在講同一件事：
同樣的任務，花更少的錢。
不過價格降了，對我其實沒什麼影響。
我實際在用的是 Claude，日常不管什麼任務都直接用 Opus 5.5，不用每次判斷這個任務該配哪個模型，心智負擔最低。而且在 100 美金的方案下，額度幾乎都用不完。
之前有寫過一篇文章AI 工程 | 你的 AI Agent 正在用過期的 Harness 嗎？，這篇文章就是在講說，隨著模型越來越強，你可能不太需要再自己建立許多 Harness。而現在這些自定義的 Harness 基本上都是會讓你燃燒更多的 token，所以我平常在使用的時候，幾乎都是原生的 Harness。
使用原生的 Harness 已經可以完成日常幾乎所有的工作，除非是少數比較複雜而且冷門的議題，你可能才需要自己建立 Harness。
這週寫的文章
CodeReel：讓程式碼自己動起來！打造瀏覽器端的 Code 動畫與 MP4 匯出工具
Leo Chiu · 5 分鐘
最近開源了一個小工具 CodeReel，可以在瀏覽器裡把程式碼做成一步一步會動的動畫。
平常分享程式碼多半用 ray.so 或 carbon 轉成圖片，但要展示程式碼怎麼改的時候，讀的人得在兩張截圖之間來回比對，所以我想讓改了什麼一眼就看得到。
文章聊了使用方式，以及用 Shiki Magic Move 做轉場、用 WebCodecs 在前端直接輸出 MP4 的實作，程式碼不用上傳到任何伺服器。
拆解 GitHub 前端：Popover API、Anchor Positioning 能取代套件嗎？
Leo Chiu · 6 分鐘
原生的 popover、Anchor Positioning、dialog 都進了 Baseline，我拿 GitHub 當標竿，看業界實際用了多少。
GitHub 的 tooltip 幾乎都用 Popover API，但 hover 開關和座標仍靠 JS；篩選選單用 Anchor Positioning 對齊按鈕，卻沒進 top layer；<dialog>、<details>、<select> 一個都沒出現。
GitHub 看起來是挑風險小的地方先換，想導入的話可以照同樣順序：先用 popover 做 tooltip，再用 Anchor Positioning 拿掉定位的 JS，最後才動 dialog。文中附了可以直接操作的 demo。
重磅：前沿模型開始拼成本
Introducing Claude Opus 5.5
Anthropic
Opus 5.5 的賣點是效能追近 Fable 5.1，成本卻壓低約 40%：Terminal-Bench 4.0 從 Opus 5 的 52.3% 升到 66.4%，FrontierCode v1.1 拿到 54.4%。
定價也降了，輸入 $4、輸出 $20 每百萬 token（各比 Opus 5 少 20%），cache 讀取降到 $0.20，輸出速度快 30%。使用者回饋集中在效率：Optiver 說同樣的交易任務用約一半的回合與 token 就達到 Opus 5 的品質，成本少 40–50%。
安全面上，自動化行為稽核分數最高，嘗試逃出沙箱邊界的頻率比 Opus 5 少約 85%；資安能力大多導向 Opus 4.8，生物領域則要加入驗證計畫才能取得完整權限。
Introducing Claude Sonnet 5.5
Anthropic
Sonnet 5.5 在 9/28 發表，價格與 Sonnet 5 相同（輸入 $2、輸出 $10 每百萬 token），但輸出快 30% 以上，每個任務的成本最多少 30%。
進步幅度最大的是 agentic 能力：Terminal-Bench 4.0 從 10.3% 跳到 70.6%，CursorBench 4.0 從 34.1% 到 55.5%，OSWorld 2.1 從 57.0% 到 80.1%，後兩項已經很接近 Opus 5.5 的 57.8% 與 81.8%。
另一個小彩蛋是它是第一個只靠螢幕截圖就通關 Pokémon Red 的 Sonnet。資安防護與 Opus 5.5 相當，另外新增分類器來擋推理過程被蒸餾。
Introducing GPT-6 Sol and Luna
OpenAI
OpenAI 在旗艦 GPT-6 Astra 之後補上兩個較小、較便宜的型號：Sol 定價 $2／$10、Luna $0.10／$0.50 每百萬 token，都比 GPT-5.6 的促銷價再砍 50%。
官方拿 Sol 去比 Claude，說在 AutomationBench 上勝過 Opus 5，每個任務成本只有 Opus 5 的 9%；DeepSWE 上只差 Fable 5 約 1.1 個百分點，成本低約 80%。這些比較都是 OpenAI 自己跑的，而且拿的是 Opus 5、Fable 5，不是剛出的 Claude 5.5，看的時候要打折。
另一個值得注意的是 prompt caching：cache 讀取折扣 90%，調整推理強度或開關 tool 時不再讓 cache 失效，GitHub 說這讓需要重新處理的 prompt token 少了一半以上。目前在 ChatGPT Work 與 Codex 上線，API 為 gpt-6-sol、gpt-6-luna。
我的看法： 最近看到最多的負評是 Sol 變慢了，大概是 LLMOps 的問題。我覺得 benchmark 的分數是真的，但好不好用，本來就不在 benchmark 量得到的範圍裡。
Gemini 4 Argon：邁向下個世代的前沿智慧
Google DeepMind · Koray Kavukcuoglu
Google 在 9/30 發表 Gemini 4 Argon，定位是處理軟體工程、法律財務這類長時間專業任務的前沿模型。
數字上 DeepSWE v1.1 拿到 77.9%、AutomationBench 51.3% 排第一、長影片理解 LVBench 91.7%，輸出上限從 64K 拉到 100 萬 token；定價介紹期為輸入 $2、輸出 $10 每百萬 token，之後恢復 $4／$20，cache 輸入折扣 95%。
目前只先開放給資安防禦者的 Fairwind 計畫，用於自動修補漏洞，之後才擴及付費 API 客戶與 Google AI Ultra 訂閱者。這些基準都是官方自報，也還沒看到與 Opus 5.5、GPT-6 Sol 的同台比較，得等開放後再驗證。
值得關注的新東西
Meta 推出 Muse：給所有人的個人 AI agent
Meta
Muse 跑在 Muse Spark 模型上，定位不是回答問題，而是把事情做完：關掉 app 之後它還會繼續處理任務，自己開瀏覽器填表、幫你議價、透過 Stripe 的 Link 付款，也會把你在 Instagram 存的食譜轉成購物清單。
架構上每個人有一台專屬的 Muse Secure VM，agent 和資料都裝在裡面，另外有一個 Sentinel agent 把關，Muse 做的任何事沒經過它核准就出不了網路。
密碼加密存放、Muse 本身看不到，敏感動作要使用者確認，資料也和 Meta 的廣告系統分開。
最值得注意的是年底要上的 Muse Confidential VM，整台 VM 連同對話用只有使用者持有的金鑰加密，連 Meta 都看不到。對一家靠廣告賺錢的公司來說，這是它要讓人放心把整個生活交給 agent 的關鍵承諾。目前先在美國上線，採 freemium 加訂閱，AI 眼鏡支援之後才會來。
我的看法： 付款我不會完全交給 AI。付款是逛網站時最重要的一段體驗，現在從瀏覽到付款，幾乎每一家電商都做得非常流暢，速度不一定是關鍵。
但繁瑣的表單交給 agent 是個不錯的想法。會需要填表單，代表這件事本來就存在，而且通常很麻煩；agent 填完之後，最後按下送出的決定權還是留在自己手上，而不是交給 AI。
心態與生活
3-2-1：關於發現新機會、高頻率的力量，以及如何做大決定
James Clear
這期的第一個想法是興趣會決定你能撐多久：找到對的主題，心智韌性會立刻上升，因為你是真的有興趣才留得下來。
第二個是怎麼看見別人忽略的機會，他列了三招：研究不同領域再把洞見搬過來、把問題倒過來想找新角度、身邊放一些有創意的人讓他們的視角影響你。第三個是量的力量：只有一次機會的人要事事順利，有一千次機會的人總會得分。
最後的提問借自 Isabel Unraveled，做大決定時可以問自己：選這個會讓我更有活著的感覺嗎？
25 位成功人士怎麼定義成功
4 分鐘 · Lucas J. Robak
作者拿自己去比 Arianna Huffington、Tony Robbins 這些人，比完反而覺得自己不夠成功，於是整理了 25 位名人對成功的定義。
這些說法大致落在三類：成功是過程而不是終點（Churchill：從一次失敗走到下一次失敗仍不失熱情）；成功看你失敗後怎麼站起來（Huffington 說失敗是成功的一部分，不是它的反面）；成功不該用收入衡量（Michelle Obama 看你對別人的生活造成多少改變，Einstein 說與其當成功的人，不如當有價值的人）。
全文是語錄清單，每則一兩句，適合當作自我檢查的提問。
