AI 模型 & 產品更新
Anthropic：Claude Opus 4.7 正式發布（4/19）
本週主秀。Anthropic Introducing Claude Opus 4.7 4/19 上線。重點規格 + 對接點：
| 升級點 | 跟 4.6 比 |
|---|---|
| Vision | 2,576px（4.6 是 1,152px） — 設計稿、Figma、白板照都能直接讀真實度 |
| 長 reasoning | 內建 xhigh effort tier，介於 high / max 之間 |
| Auto mode | Max plan 用戶的 /auto 自動 permission decision，30 min+ 任務不打斷 |
| Memory | 跨 session 自動 memory 強化 |
實測場景（我自己用）：vision 升級對醫療影像專案 / 設計稿審查實質 useful — 之前 1,152px 的圖看不清字，現在能直接讀 Figma 截圖
觀察： Opus 4.7 是「長跑任務」模型 — 不是 Sonnet 那種快速 turn 用的。如果你在做研究 / 重構 / 計畫書寫作，4.7 會讓 turn 數降下來。但日常 coding 還是 Sonnet 4.6 划算
Claude Design — HN 同步爆紅
Anthropic 4/19 還推 Claude Design，HN top 兩篇：「Claude Design」+「Thoughts and feelings around Claude Design」
Claude Design = Anthropic 把「設計系統思考」內建到 Claude — 你給一張截圖或描述，Claude 直接產 Figma-friendly 的設計 spec + tokens + 可實作的 React component
觀察： Claude Design 對接 ui-designer / shadcn-component-discovery 那個 workflow，是更上游的設計決策幫手。如果你在用 design pipeline，這是 ➊ 階段（設計決策）的新工具
Tokenizer Cost 分析在 HN trending
Measuring Claude 4.7's tokenizer costs HN top
社群開始用 OpenAI tiktoken / Anthropic tokenizer 對比 Claude 4.7 的成本曲線。重點：long context mode 的 token 消耗比 short context mode 高 40%（不是線性），因為 reasoning 階段會 backtrack
AI 開發工具 & Agent
"I'm spending months coding the old way" — HN 反潮流貼
I'm spending months coding the old way HN top
一個資深開發者寫他刻意不用 AI 寫 code 三個月，重新練手感。HN 留言兩極 — 一半「這是 buggy whip 思維」，一半「我也這麼做，AI 讓我變笨」
觀察： AI coding 過度依賴的反彈正在浮現。Cherny 自己最近也說「自 2025-11 我沒手寫過 code」 — 兩個極端各有人選。重點是「你知道自己在哪個位置」
Are the costs of AI agents also rising exponentially?
Are the costs of AI agents also rising exponentially? (2025) HN top
回顧 2025 年下半的 agent 經濟學：每個 agent 任務的 token 成本，從 $0.01 級往 $1-10 級走。多 agent orchestration（Claude Code spawn 5 個 subagent 平行跑）把成本推到 single chat 的 50x
大神觀點
創投 & 市場
Ben Horowitz：開源 AI 將決定美國國運
Why Open Source AI Will Determine America's Future — Ben Horowitz a16z
論點：中國正用 Qwen / DeepSeek / Kimi 把 AI 變成全球公共財；美國如果只走 closed-source 路線，會像 Cold War 美國只給盟友 mainframe 結果 Linux 在歐洲長出來那種戰略誤判
觀察： 這是 a16z 把「投開源 AI」框成「愛國」的論述準備。Horowitz 的政治影響力 + Trump 親 a16z 路線，下一波美國 AI 政策可能會看到 federal 補助開源模型訓練的招
Surviving AI Price Wars Without Destroying Your Business
Surviving AI Price Wars Without Destroying Your Business a16z
主題：當 token 成本一年降 90%，怎麼定價才不會被甩開。重點：別綁死 token 成本到客戶價格，要在「價值 metric」上定價（成功完成任務的次數、節省的時間）
Why We Need Continual Learning（早於 W17 的伏筆）
Why We Need Continual Learning a16z
關注「模型上線後怎麼學新知識」這個 unsolved problem。RLHF / fine-tuning / RAG 都是 workaround。a16z 在押 continual learning startups
Frontier Systems for the Physical World
a16z 投資 Hilbert — 物理世界 frontier systems。配合 Anduril / Stipple Bio 路線：a16z 在物理 AI（biology / robotics / defense / hardware）連發
Prediction Markets：They Grow Up So Fast
a16z 看 Polymarket / Kalshi 規模化路線。重點：prediction market 從「政治賭盤」變成「金融衍生品」的速度比想像快
商業 & 產品策略
Anthropic 估值 + 新一輪傳聞
W16 多個融資 / 估值傳聞：Anthropic 跟 Treasury / Fed 開銀行 CEO 會議談「Anthropic Mythos」（金融市場 narrative 影響）。下一輪估值市場猜 $400B+
First Round 進入 advice 階段
W16 First Round Review 的 article 偏向「給早期創辦人」：comp rules / FDE 招募 / company name 選擇 / discovery toolkit。比 W15 的 PMF 案例集更 actionable
行動建議
- 升 Claude Opus 4.7 試 vision 升級：如果你在做設計稿 / 圖表分析 / Med Vision / 補助案文件審稿，2,576px vision 對應 Figma 截圖 + 白板照
/automode 評估：Max plan 用戶可以開長跑任務（>30min）測 auto mode 自動 permission decision。風險動作（push / deploy）一般 mode 還是要在- Tokenizer cost 重算：如果你重度跑 long context（CLAUDE.md 大 + RAG），4.7 的 token 成本曲線跟 4.6 不一樣，先 measure
- Continual learning 觀察：a16z 押 continual learning startups。如果你的接案有「模型上線後維運」需求，這條路線會快速成熟
參考來源
RSS Digest: 256 articles from 11 sources（Anthropic Opus 4.7 + Claude Design 連發、Meta AI 持續、a16z 5 篇 essays、Karpathy 媒體 mentions、HN 16 篇）
主要訊號分布：
- AI Companies: 9 篇（Anthropic Opus 4.7 主秀 + Meta MTIA/SAM/Muse Spark continued）
- a16z Blog: 6 篇（Continual Learning、Open Source AI、Price Wars、Hilbert、Prediction Markets、Frontier Physical Systems）
- Hacker News Top: 16 篇（Claude Design / Tokenizer costs / "I'm spending months coding the old way" / Opus 4.7）
- Thought Leaders: 4 篇（Karpathy NYT + Robot Brains podcast + Tesla mention）
Generated from /research-scan W16 digest