2026年7月12日 星期日

[AI 衝擊] OpenAI發表GPT5.6與ChatGPT Work

 [AI 衝擊] OpenAI發表GPT5.6與ChatGPT Work

摘要 : OpenAI推出GPT5.6家族與ChatGPT Work,展示AI可接管檔案、報表、簡報與桌面操作,衝擊傳統白領工作模式。




內容:

OpenAI近期發表新一代推理模型 GPT5.6,並同步推出工作平台 ChatGPT Work。原文將其形容為對傳統辦公場景的重大衝擊,不再只是聊天助手,而是朝向能直接承接複雜辦公流程的數位工作者發展。


這次 GPT5.6 家族分成三個版本:SOL、TERRA、LUNA。SOL主打最複雜、長週期的 Agent 任務;TERRA強調速度與性價比,適合高頻日常辦公;LUNA則聚焦更快、更便宜的大規模企業並發任務。付費用戶可優先體驗 SOL,免費用戶也能使用 TERRA 與 LUNA。


發表會中,OpenAI重點展示了 ChatGPT Work 在財務場景的能力。面對實際業績超出預測 200 萬美元的情況,系統可自行理解財務邏輯,快速完成差異分析、指出超額完成原因與潛在風險,並同步更新底層 Excel 模型與生成完整的 PowerPoint 簡報。


更進一步的是,ChatGPT Work 還能把原本靜態的財務分析內容,一鍵轉成具 3D 動態效果的互動式網站,方便主管直接透過連結查看資金流向與圖表細節。這讓原本可能需要財務、設計、前端等多人協作的工作,被濃縮進單一對話流程中完成。


另一個更具震撼性的重點,是桌面版 ChatGPT 獲得了所謂的「計算機使用能力」。在獲得授權後,AI可讀取本地檔案、瀏覽器分頁與部分第三方軟體內容。展示中,工程師將大型客服投訴 Excel、用戶研究報告、合規 PDF 與多個技術文件交給 AI,系統在不到 90 秒內就能依公司模板生成結構完整的會議簡報。


原文最後強調,這類能力意味著 AI 不只會分析資料,還可能進一步接手知識整理、簡報製作、檔案歸類,甚至直接操作桌面應用程式。整體訊息指向一個核心判斷:OpenAI正把 AI 從「回答問題」推向「直接完成工作」,而最先受到衝擊的,將是大量重複性高、以資訊整理與文件輸出為主的白領職位。

[AI 分享] Vibe coding 為何容易失控


摘要 : AI降低原型開發門檻,但若缺乏系統模型、驗收標準與影響分析,Vibe coding 很容易在快速生成後走向失控。



內容:

為什麼 Vibe coding 容易讓人上癮,也為什麼常常在半小時後開始失控。核心原因在於,AI 大幅降低了原型開發的門檻,頁面、指令碼、介面只要一句描述就能快速生成。


但真正的關鍵,不是 AI 不會寫程式,而是人在使用過程中,沒有同步建立完整的系統模型。於是開發流程常常從一開始的順滑生成,走到後續的區域性修補,最後演變成上下文全面失控。


此時程式碼雖然持續增加,但開發者已經越來越難解釋這些程式為什麼要這樣寫。拿到的只有更多程式碼,卻沒有同等程度的結構說明、驗收標準,以及影響分析。


這也讓真正稀缺的能力,不再只是寫程式的速度,而是能否清楚界定目標邊界、建立驗證機制,以及承擔最終交付責任。


因此,Vibe coding 最適合拿來做原型與實驗,而不是直接把它當成穩定交付的完整方案。


更好的做法,是先寫好驗收條件,再讓 AI 開始生成,並把高頻流程逐步沉澱成可複用的技能。AI 雖然讓寫程式更快,但能否穩定交付,最後仍取決於你有沒有把工程能力接回來。

[AI 分享] Vibe Coding入門

 


摘要 : 解析Vibe Coding、AI大模型、Agent與工程化落地,說明AI如何從輔助寫碼走向自動完成開發流程。



內容:

過去不少程式設計師使用AI寫程式時,仍得自己在聊天框與本地編輯器之間反覆複製貼上、切換視窗、搬運報錯資訊,不但操作繁瑣、效率低,也因上下文割裂,常讓AI生成的程式碼難以直接融入專案。


所謂 Vibe Coding,是一種更自動化的開發方式。使用者只需提出需求,AI便能自行閱讀本地程式碼、修改檔案、編譯執行,遇到報錯再自行根據錯誤資訊修正,直到功能完成並通過測試。開發者從「手動搬運工」轉變為主要負責提需求與驗收結果的人。


這種模式之所以成形,是因為AI程式設計不再只停留在雲端聊天框。聊天介面本身只是外殼,真正具備理解需求、規劃邏輯與生成程式碼能力的是底層的大語言模型。Vibe Coding關注的核心,其實是這個「大腦」如何與本地開發環境深度結合。


目前常見的大模型選擇包含 Claude、GPT、Gemini,以及千問、DeepSeek 等模型。它們各有特色,有的偏向程式碼品質與邏輯細膩,有的強在通用能力或生態整合,也有的在效能與性價比上表現突出。但即使模型再聰明,仍有一個限制:它本身無法直接操作使用者本地電腦。


為了解決雲端模型無法觸碰本地系統的問題,就需要 Agent。Agent 是運行在本地電腦上的執行程式,像是雲端大模型的手腳與眼睛。大模型負責思考與決策,Agent 則負責讀取檔案、修改程式碼、執行命令與回傳結果,兩者配合後,AI才能真正從「會寫」進一步變成「會做」。


實際流程中,使用者只要提出需求,例如新增一個按鈕,Agent 會將需求轉給雲端模型;模型分析後要求讀取本地檔案,Agent 便讀取並回傳內容;接著模型再下達修改與執行測試的指令,由 Agent 在本地完成。再往下一步,若結合規範文件與測試驅動等工程化方法,還能進一步約束AI輸出,降低Bug風險,讓它在面試與實戰中真正產生價值。

[AI 商戰] 2026年AI王座之戰:最聰明模型為何輸給最會落地的產品

 [AI 商戰] 2026年AI王座之戰:最聰明模型為何輸給最會落地的產品

摘要 : Anthropic憑最強模型領先,卻因高價失守;OpenAI靠低成本與自動化執行力,改寫AI商業競爭規則。




內容:

2026年中旬這場AI王座之戰,表面上是在比誰的模型更聰明,實際上早已變成一場商業效率的殘酷對決。Anthropic推出的Fable 5,被視為當時地球上最聰明的大模型之一,在高階架構規劃、複雜系統理解與大型程式碼庫梳理上幾乎無人能敵,像一位能瞬間看穿企業未來的頂級CEO。


但Fable 5的致命問題不是能力,而是價格。它在實際生產環境中的API成本高得驚人,一次高強度開發工作,單個工程師半天就可能燒掉數百美元。這使它更像奢侈品,而非可長期部署的生產力工具。對企業與獨立開發者來說,哪怕再聰明,若無法控制成本,就難以成為主力方案,因此不少公司轉向更便宜的開源模型或降級替代品。


OpenAI在一個月後推出ChatGPT 5.6,並未正面硬拚最高智商,而是用更完整的產品組合與工程化能力切入市場。當中的SOUL模型雖然在最頂層架構理解上略遜Fable 5,但真正拉開差距的,是它更強的Agent能力與外部環境控制能力。它不只是產生程式碼,還能主動操作瀏覽器、完成註冊、抓取API Key、配置環境、執行測試、查文件、修錯再重跑,直到交付完整結果。


這種能力讓AI從「程式碼助手」變成「可直接交辦任務的執行者」。過去需要開發者自己在多個視窗、工具與平台間來回切換的工作,如今可由GPT 5.6在背景自動完成,大幅壓縮人力協調與工程落地成本。市場真正要的,不是最會考高分的模型,而是能在成本紅線內把髒活累活穩定做完的系統。


因此,產業逐漸形成一套新的黃金工作流:先用昂貴但極聰明的Fable 5做一次性的頂層規劃與需求拆解,再把這些高品質文件交給ChatGPT 5.6持續執行開發、測試、修正與部署。Fable 5成了戰略顧問,GPT 5.6則成了真正撐起交付效率的工程主管。這也說明,模型的智力優勢若無法轉化為可負擔、可規模化的產能,就很難守住市場。


更深層的變化在於,OpenAI已把競爭從模型本身延伸到裝置、生態與工作流控制。GPT 5.6透過多裝置節點協同與遠端控制能力,讓桌機、筆電、平板、手機都能變成主控開發環境的入口,形成高度整合的自動化中樞。這意味著2026年的AI競爭,勝負關鍵已不再只是誰更聰明,而是誰更能落地、更能整合工程流程、並真正把技術能力轉化為商業現金流。

2026年7月11日 星期六

[AI 競爭] GPT 5.6與Groq 4.5同日對決

 [AI 競爭] GPT 5.6與Groq 4.5同日對決

摘要 : OpenAI與Groq同日發布新模型,從性能競賽轉向價格與場景應用之爭。




內容:

OpenAI正式推出GPT 5.6,這次並非只發布單一模型,而是一次帶來三種不同定位的版本。


其中,Sol 主打最強能力,瞄準高性能需求;Terra則聚焦日常辦公與高性價比應用;Luna則強調速度快、成本低,適合更廣泛的使用場景。


同一天,馬斯克方面也推出Groq 4.5,直接對標高階程式設計模型,並接入cursor,明顯鎖定程式碼撰寫、AI agent執行長任務等高頻應用場景。


這場雙雄同日出招,成為AI產業的重要觀察點。可以看出,AI公司之間的競爭,正從單純炫技逐步走向實際應用、產品分工與價格戰。


對使用者來說,模型競爭越激烈,選擇越多,成本也可能越低,整體而言反而是最大受益者。

[AI 衝擊] OpenAI 一次釋出 GPT5.6 全系列

 [AI 衝擊] OpenAI 一次釋出 GPT5.6 全系列

摘要:GPT5.6 全家桶登場,模型、價格、應用與研發效率同步升級,AI 自我加速時代再往前一步。




內容:

OpenAI 剛剛一次性釋出 GPT5.6 全系列,包括 SAW、TERRA、LUNA 三個模型,完整覆蓋不同應用場景。其中旗艦模型 SAW 被視為直接對標競品而來,在多項關鍵測試中表現亮眼。


在 AGENTS last exam 測試中,SAW 拿下 53.6 的成績,領先對手超過 13 分;在編碼榜上更創下連續 8 週領先 10 分的紀錄,進一步鞏固其程式能力優勢。除了性能提升,價格也同步下調,入門款 LUNA 每百萬 token 輸入僅需 1 美元,整體性價比大幅提升。


產品層面也出現重大整合,ChatGPT 與 Codex 正式合體,未來將統一為 ChatGPT 一個應用使用。新推出的 ChatGPT Work,則能跨越使用者的 App 與檔案,持續圍繞同一個專案執行多個任務,連續工作數小時,直接把目標推進到成品階段,可視為 OpenAI 版的高階工作型 Agent。


更值得注意的是,OpenAI 表示 GPT5.6 是目前最能幫助內部研究加速的模型。研究人員已用它來診斷故障、優化訓練流程、執行實驗。在內測期間,平均每位研究員每日消耗的 token 翻倍成長,半年內內部程式設計相關算力更提升了 100 倍。


OpenAI 還特別測試了「讓一個模型改進另一個模型」的能力。結果顯示,GPT5.6 在這種遞迴式自我改進指標上,明顯優於前一代。這也意味著,當 AI 開始參與打造下一代 AI,技術演進速度可能不再是線性成長,而是進入更快速的加速循環。


整體來看,GPT5.6 不只是一次模型更新,更像是 OpenAI 在模型能力、成本控制、產品整合與自我研發效率上的一次全面推進,也讓 AI 邁向更高階自主工作的想像再次被拉近。

2026年7月10日 星期五

[AI 分享] 三種AI規劃框架差異解析

 [AI 分享] 三種AI規劃框架差異解析

摘要 : 比較GrillMe、Brainstorming與Explore三種規劃工作流,解析流程、視覺化與追蹤上的核心差異。




內容:

在 AI 時代,程式碼生成工具愈來愈強,但如果需求本身模糊,再厲害的生成能力也無法真正解決問題。因此,規劃與需求分析的重要性被再次放大。這篇內容聚焦三個很具代表性的規劃型技能與工作流:Matt Pocock 的 GrillMe、Superpowers 的 Brainstorming,以及 OpenSpec 的 Explore。


雖然三者都在幫助使用者把模糊想法整理清楚,但方法與設計哲學差異很大。它們分別像是三種不同角色:GrillMe 像咄咄逼人的面試官,Brainstorming 像嚴格的專案經理,Explore 則更像一位陪你一起釐清思路的資深同事。三者共同解決的是同一個核心問題:在真正開始實作之前,如何確認你已經理解自己要做什麼。


第一個差異是流程嚴格性。GrillMe 對應的 Grilling 方法最輕量,核心就是讓 AI 持續追問,一題一題壓力測試你的想法。例如你提出要做即時協作編輯器,AI 就會追問併發人數、同步方式、斷線處理、衝突解法等細節。這種方式快速、有訪談紀律,能逼你正面回答模糊處,但缺點是通常不強制產出正式文件,因此事後不容易追蹤決策脈絡。它特別適合已有初步構想、想快速驗證可行性的場景。


Superpowers 的 Brainstorming 則明顯更制度化。它有一套九步 checklist,從探索專案上下文開始,必要時引入 visual companion,再逐步提出澄清問題、給出多個方案、展示設計、獲得確認、寫入設計文件、進行審查,最後才進入規劃撰寫。它的哲學是:沒有專案小到不需要設計。即使需求看似簡單,也必須經過完整流程,確保邊界、介面與責任分工都被釐清。這套方法雖然較繁瑣,但能有效降低設計模糊與系統耦合帶來的風險。


Brainstorming 還特別強調「設計隔離與清晰性」。也就是每個系統部分都要有清楚目的,並透過良好定義的介面與其他部分互動,讓各部分可以被獨立理解與測試。這個原則雖然聽起來教科書化,但在實際工程中非常關鍵,因為很多系統問題正是源於邊界不清、模組互相牽連。


OpenSpec 的 Explore 則介於兩者之間,但更接近靈活探索型。它沒有固定步驟,也不急著生成正式文件,而是優先協助使用者把問題想清楚。當方向尚未明確時,它會先幫你讀程式碼、比較選項、畫圖澄清範圍;等方向成形後,再交由後續流程產出 Proposal、Spec、Design 或 Tasks。Explore 適合面對大型、混亂、尚未看清全貌的系統時使用,它的重點不是交付文件,而是先建立理解。


第二個差異是視覺化支援。Grilling 基本上完全依靠純文字對話,對簡單決策足夠有效,但當討論複雜系統架構、多 Agent 流程或 UI 配置時,純文字容易讓人混亂。它的優勢是簡單直接,但在高複雜度問題上會顯得吃力。


Brainstorming 內建 Visual Companion,能在需要時透過瀏覽器顯示原型、圖表或設計選項。這不是預設強制啟用,而是根據問題性質與使用者同意後才開啟。例如討論 UI 時,可以展示多種版面配置;討論系統架構時,可以呈現互動式架構圖。這種按需視覺化的方式兼顧效率與清楚度,也避免了過度設計。


Explore 的視覺化方式則相對樸素,偏向使用簡單的文字圖或雙圖示意。雖然看起來原始,但對工程師而言往往非常實用。透過純文字快速畫出系統結構、資料流或狀態轉換,不需要額外工具,也很容易直接整合到文件、註解或討論過程中。這種極簡風格反而非常適合技術探索。


第三個差異是輸出與追蹤機制。Grilling 的成果多半停留在「共同理解」層次,也就是你和 AI 透過問答把事情想清楚了,但不一定留下可回顧、可維護的紀錄。這對短期討論很有幫助,但在長期協作或大型專案裡,容易造成知識流失與決策脈絡中斷。


相對來說,Brainstorming 對輸出與文件化更重視。它會把設計內容逐步寫入文件並交由使用者審查,讓規劃過程不只是一次對話,而是形成可追蹤、可驗證、可維護的設計資產。這讓團隊在數週甚至數月後,仍能理解當初的設計理由與取捨。


Explore 則比較強調先探索、後收斂。它本身不一定立刻建立完整變更資料夾或正式規格,但在需要時可以把探索結果轉換成 OpenSpec 的相關 artifacts,供後續流程使用。也就是說,它把重點放在「理解形成」而不是「文件先行」,適合作為前期思考與釐清的入口。


整體來看,這三種框架沒有誰絕對最好,而是各自適合不同情境。如果你已經有一個想法,只想快速驗證與釐清盲點,GrillMe 會很有效率;如果你在做的是需要嚴謹設計、多人協作、長期維護的專案,Brainstorming 會更穩健;如果你面對的是一個龐大、陌生、混亂的問題域,還不知道正確問題是什麼,那麼 Explore 可能是最自然的起點。


這些差異也提醒我們,規劃工具的本質不只是幫忙問問題,而是決定你如何理解問題、如何記錄決策,以及如何把模糊想法轉化為可執行的設計。在 AI 工具越來越強的今天,真正拉開差距的,往往不是誰寫程式比較快,而是誰能更早把問題想清楚。

2026年7月8日 星期三

[AI 分享] 本地AI硬體轉向容量戰

 [AI 分享] 本地AI硬體轉向容量戰

摘要 : 2026年本地AI硬體競爭重心由算力轉向記憶體容量,AMD憑統一記憶體以低價切入大模型本地部署。




內容:

2026年,本地AI硬體的採購邏輯正在改寫。過去大家比的是晶片算力,如今真正決定能不能跑大型模型的,反而是記憶體容量。因為許多有實際業務價值的大語言模型,單是載入就需要數十GB記憶體,1200億參數模型即使量化後也至少要約70GB,這讓許多高算力但顯存不足的顯卡直接失去資格。


這也讓過去看似便宜的雲端API訂閱,逐漸暴露出高昂成本。當團隊開始部署多個AI Agent並讓工作流長時間運轉,雲端帳單可能快速膨脹,甚至一夜就燒掉數百美元。另一方面,2025年底到2026年間,全球記憶體供應吃緊,DRAM價格大漲,也推高了輝達工作站售價,讓本地硬體的成本結構更加依賴「容量」而非純算力。


在這個背景下,AMD靠統一記憶體架構突圍。搭載Strix Halo的機器最高可配128GB統一記憶體,且可將96GB到112GB直接分配給GPU使用,使得原本只有高價工作站才能觸及的大模型,如今在更便宜的AMD迷你主機上也能載入。這並不代表AMD在GPU算力上全面壓倒輝達,而是它繞過了消費級顯卡常見的32GB顯存上限,先取得了「能把模型裝進去」的入場資格。


實際表現上,AMD在大型模型生成速度上並不差。以1200億參數模型為例,Strix Halo約每秒34個token,對比輝達DGX Spark的38.5個token,差距只有約13%,但價格卻低上許多。只是AMD也有明顯短板,尤其在處理長上下文時很關鍵的預填充速度,輝達可達每秒1723個token,而AMD僅約340個token。此外,AMD官方宣稱的記憶體頻寬在實測中也有落差,實際表現與蘋果M3 Ultra相比更有明顯差距,顯示它強在容量性價比,不是全方位領先。


文章也指出,目前晶片廠商大力宣傳的NPU,對本地大型語言模型推理幫助有限。因為主流工具如Ollama、llama.cpp、LM Studio等,現階段主要仍依賴IGPU與記憶體頻寬,NPU更多還停留在行銷層面。真正讓AMD這類平台顯出價值的,不是單次跑分,而是可支撐多AI Agent並行工作的能力,尤其適合夜間自動化研究、內容生成、資料清洗與程式碼測試等工作流。


整體來看,這篇內容的核心觀點是:2026年的本地AI競爭,已從「誰算得快」轉向「誰裝得下、跑得起、撐得久」。AMD憑藉大容量統一記憶體,在價格與多任務併發上打出明顯優勢;輝達仍在高效能與預填充速度上保有實力;蘋果則守住高頻寬高價格定位。隨著開源社群與企業愈來愈重視本地部署、資料安全與長期成本控制,容量導向的本地AI硬體正成為新主流。

2026年7月7日 星期二

[AI Insights] Why Superpowers 6 Cuts AI Coding Costs

 [AI Insights] Why Superpowers 6 Cuts AI Coding Costs

Summary: Superpowers 6 shows that AI coding costs often come less from inference itself and more from repeatedly re-reading the same context.




Content:


Many people assume AI programming is expensive because the model itself is expensive. Superpowers 6 offers a very different answer. In many cases, the biggest cost does not come from a few inference calls, but from making AI repeatedly read the same context.


For example, the same Git diff may be read once by a Diff Coordinator, again by an Implementer, and then reviewed again by a Reviewer. Likewise, a Plan Controller may break down a task, only for a Subagent to reread everything from scratch during execution. For human developers, this kind of repetition is almost free. For LLMs, every repeated read becomes tokens, and once that context is included, later steps keep paying for it.


That is why this video focuses on a counterintuitive optimization. Superpowers 6 does not mainly save money by downgrading every step to cheaper models. Instead, it reduces waste by making agents read less irrelevant material, avoid repeatedly fetching the same information, and delegate deterministic work to scripts. Expensive context is then reserved for actual judgment.


On June 9, 2026, Anthropic released Fable 5. On June 12, access to Fable 5 and Mythos 5 was suspended due to U.S. export control requirements. Anthropic later explained that the practical effect of those restrictions was that access had to be disabled for all users. On June 30, the export controls were lifted, and on July 1, Fable 5 access began to return.


The optimization work Jesse Vincent did for Superpowers 6 took place during Fable 5’s early availability window. Across 25 experiments over 36 hours, the listed cost was about $165. At unsubsidized token pricing, the cost would have been around $650.


According to the author’s blog, on the Anthropic Evo benchmark, Superpowers Build reduced wall-clock runtime by about 50% and token spend by about 60%. However, an important boundary must be added here: this 60% figure reflects the author’s highest-end Evo result and should not be assumed to reproduce across every project, harness, or workload.


The wording in the Superpowers V6.0 Release Notes is more conservative. It says that in their Evo runs, Cloud Code and Codex had similar quality, but were about twice as fast and used close to 50% fewer tokens. This actually makes the optimization more credible, because it includes failed cases, risk records, and rollback decisions rather than just presenting a large savings number.


If you have never used Superpowers, here is a quick background. Superpowers can be understood as a software development methodology designed for coding agents. It does not just ask AI to write code. It also constrains how AI understands requirements, breaks down work, writes tests, and performs reviews.


A typical flow looks like this:


First comes Brainstorming. The agent does not immediately jump into editing code. Instead, it asks about goals, boundaries, risks, and acceptance criteria, then produces a design document.


Next is the isolated workspace stage. Using Git Worktrees, the system checks whether you are already in an isolated environment. If not, it creates or guides the creation of a Git worktree, runs initialization scripts and baseline tests, and then writes a plan.


This plan is not just a few sentences about implementing a feature. It includes file paths, interfaces, test commands, and expected outcomes. Each task must be independently testable and independently reviewable. Within each task, each step is meant to be only a 2–5 minute action.


Execution then moves into Subagent Driven Development. The Controller assigns each task to a new Subagent. That Subagent receives only the context it needs, follows TDD through Red, Green, and Refactor, commits the code, and then passes it to a Reviewer.


Per-task review became especially important in V6. After each task, a Reviewer returns two verdicts at once: Spec Compliance and Code Quality. In other words, did the implementation satisfy the requirement, and is the code itself well written? Both are judged in the same review round.


After all tasks are completed, there is also a Whole Branch Review, followed by Finishing A Development Branch. At that point, the system runs full tests and decides whether to merge, open a PR, keep the branch, or discard it.


This process is stable, but before V6 it also had clear tradeoffs: high cost and slow execution. Jesse wrote that the most common user complaint was token expense. Superpowers also felt slow at scale. While slowness can be tolerated if things run automatically in the background, both slowness and cost hurt the user experience.


The first major optimization targeted the handoff from Coordinator to Reviewer. Fable analyzed a large number of Subagent Driven Development sessions and found that Code Reviewers and Spec Compliance Reviewers often ran many Git commands during review. That sounds normal, because a Reviewer wants to inspect what changed and may call commands like git log, git diff, and git stat.


The problem is that command output in an LLM workflow is not free. Once a diff is expanded, the output enters the observation stream and can be repeatedly carried through later turns. A medium-sized refactor diff can easily consume tens of thousands of tokens. Worse, that information has often already been processed by other roles. The Coordinator saw the context while planning, the Implementer saw the relevant files while coding, and the Reviewer then fetches it all again.


V6 solved this in a simple but effective way. Before the Reviewer starts, a script generates a Review Package. This package includes the commit list, file change statistics, and the full diff with context. The Reviewer receives a file path instead of needing to run Git commands manually.


This Reviewer handoff redesign delivered about a 10% improvement in both token usage and wall-clock time. A similar idea appears in the Task Brief. Instead of repeatedly giving the full plan to every Subagent, the Controller extracts the current task into a brief file. The Subagent reads its own brief rather than searching through a long plan.


A useful comparison is this: the old flow was like sending the Reviewer into the warehouse to gather evidence alone. The new flow is like preparing an evidence bag before work begins. The Reviewer only needs to read the bag. The change is not flashy, but it is deeply practical. If information can be computed reliably by scripts, it should not be fetched live through an LLM context window.


The second major optimization was reviewer consolidation. In V5, each task had two separate reviewers: one for Spec Compliance and one for Code Quality. That sounds safer on paper, but experiments showed the design was expensive and overly sensitive to how the Controller prompted the system.


V6 merged the two roles into a single Task Reviewer prompt. That Reviewer reads the diff once and returns both verdicts together: whether the requirement was implemented correctly and whether the code can be trusted.


An interesting new status was also introduced: Cannot Verify From Diff. Some requirements are not visible in the current diff or span multiple tasks. In the past, a Reviewer might try to reconstruct the full situation by aggressively exploring files and history, which consumed tokens and weakened task boundaries.


In V6, the Reviewer is allowed to explicitly admit that it cannot verify something. If a requirement cannot be validated from the current diff, it is marked as a warning and escalated to the Controller. Since the Controller already has the full plan and cross-task context, it is better suited to make that judgment.


This should not be misunderstood as “less context is always better.” In one of the Superpowers Evo experiment sets, this exact mistake appeared. If the Reviewer received only the Diff Package but not the Task Brief, it tended to confidently reduce the spec into vague global constraints. In five recorded runs, it never once identified the missing brief. This is a valuable finding: saving tokens is not about blindly deleting context. It is about removing duplicated information while preserving task definitions, interfaces, tests, and constraints.


The third optimization was model layering. Many teams instinctively send every AI coding task to the strongest model available. The reasoning is simple: if quality matters, then use the most powerful model everywhere.


Superpowers 6 suggests a more nuanced strategy. Mechanical tasks can often use cheaper models. For example, if the plan already provides complete code guidance and the Implementer mainly needs to transcribe, run tests, and fix small issues, a lower-cost model may be enough. But tasks that require reading prose plans, doing multi-step reasoning, or judging architectural boundaries should not be downgraded casually.


The same applies to reviewing. Small diffs and mechanical edits may be handled by cheaper models. But anything involving concurrency, shared state, cross-file contracts, or model-level architectural judgment requires a stronger model.


V6 also enforced an explicit model declaration on every dispatch. Without that, many harnesses would inherit the most expensive model from the current session by default. The release notes mention one case where 26 reviewers all ran on the top-tier model. That is how money quietly disappears.


The experiments also tested several ideas that sounded reasonable but performed poorly.


The first was limiting Controller thinking. The logic seemed straightforward: if reasoning is expensive, cap the Controller’s thinking budget. But the result backfired. The average number of turns rose from 92 to 138, and output volume increased as well. Thinking less early on caused more wandering and more repair cycles later. Any tokens saved upfront were quickly lost in follow-up corrections.


The second was shrinking plan length. Many people assume long plans must be wasting tokens. In the experiments, a plan word budget was added, and even code sections were exempted, yet test signals still dropped by 62%. What got removed were the very anchors needed later: test definitions, interfaces, and task structure. This result is highly relevant for engineering teams. The value of a plan lies in the guidance it provides for execution and review. If those anchors are removed, each agent has to guess for itself.


The third was using Sonnet to generate the plan. Sonnet is cheaper and often performs well, so why not let it write the plan? The E11 result was subtle. Sonnet did not obviously lose requirements, global constraints, or interface fidelity. The problem was task structure. Four out of five plans collapsed into too few tasks. The average task count dropped from 5.8 under Opus to 3.6.


The visible part of the plan may have looked acceptable, but the execution structure underneath became less effective. That kind of degradation is easy to miss if you only compare final summaries rather than how work is decomposed.


Overall, the most important lesson from Superpowers 6 is that AI coding optimization is not mainly about making every step cheaper. It is about reducing repeated context loading, preserving the right task anchors, and assigning deterministic work to scripts instead of language models.


In short, the expensive part is often not the model call itself. The expensive part is making the model repeatedly reread the same information. Superpowers 6 reduced cost by changing workflow design, not just by swapping models. That is what makes this case especially worth studying.

[AI 反思] AI降本神話破滅:企業開始重新計算人與機器的成本


摘要:AI使用成本暴增、管理失控,企業開始懷疑當初以AI取代人力的決策是否失算。



內容:


過去幾年,許多企業把AI視為降低人力成本、提升效率的終極工具,甚至因此大規模裁員。然而到了2026年,這套邏輯正遭遇強烈反噬。原本被認為能取代員工、替公司省錢的AI,實際運行起來卻開始比真人勞動更昂貴。


這個問題並不是個別現象。像Uber原本為2026年整年編列的AI程式碼生成預算,才到4月就已經用罄;微軟內部也直接限制多部門員工繼續使用Anthropic的程式碼工具,原因同樣很直接:成本太高。許多企業這才發現,維持AI運作的費用,可能早已超過過去支付給員工的薪資。


造成這場成本危機的根源之一,是企業過去被早期AI公司的低價策略誤導。2022年到2025年間,OpenAI、Anthropic等公司為了搶市場,大量用資本補貼價格,讓企業誤以為AI是一種便宜、可無限使用的生產力工具。但AI與傳統軟體不同,它不是固定成本,而是每一次生成、對話、分析都在消耗真實算力,而算力本身是按Token計價的。


到了2026年,AI供應商為了上市與獲利,開始把原本隱藏的成本轉嫁給企業。市場上大約85%的SaaS供應商,陸續從按人頭收費改成按用量收費。這讓企業第一次真正感受到,AI成本並不是平均的,而是可能極度失控。


例如,一般行政人員一天可能只消耗一萬個Token,但工程師若拿高階模型分析大型程式碼庫,一天就可能燒掉一千萬個Token。同樣是一名員工,因工作內容不同,成本差距可能達到上千倍。更誇張的是模型之間的價差,有些便宜模型每百萬Token只要幾美分,但最頂級的推理模型每百萬Token可能高達180美元,價差達數千倍。


當企業缺乏權限管控時,問題就更嚴重。很多員工即使只是處理簡單問題,也直接呼叫最昂貴的模型,導致帳單迅速失控。Meta就是典型案例,內部每月Token消耗量驚人,支付給外部AI供應商的年費高達數十億美元。甚至連AI公司自己內部,也出現員工單月就燒掉十幾萬美元API額度的情況。


除了價格結構本身,另一個讓成本惡化的因素,是一種荒謬的管理文化:把Token消耗量當成績效指標。部分管理層認為,員工用越多AI,就代表越積極、產出越高。結果在錯誤KPI引導下,員工開始刻意拉長提示詞、同時開多個AI代理,甚至讓AI空轉處理無意義任務,只為了交出漂亮的使用報表。


這種現象被稱為「Token Maximization」或「Token Maxxing」。表面上看起來是企業AI使用量高速成長,實際上卻可能只是員工為了迎合制度,在後台大量浪費算力。最終結果不是效率提升,而是公司被巨額AI帳單反噬。


表面上這是一場技術成本問題,但實質上,它是由錯誤定價模式、短視管理決策與畸形職場文化共同造成的後果。


在這種情況下,很多企業與外包團隊其實已經開始調整策略。對於不需要高階推理能力的任務,例如資料清洗、初步翻譯、客服自動回覆等,企業往往不再使用最昂貴的西方大模型,而是悄悄切換到中國大模型或低成本開源模型,以壓低支出。


這背後反映的是不同商業模式的競爭。部分西方AI公司希望靠單次呼叫直接獲利,把模型當高價產品販售;而一些中國廠商則更像在經營基礎設施,先用低價甚至近乎白送的方式綁定企業,再透過雲服務與客製化方案賺錢。這種策略對高成本AI市場形成了直接衝擊。


但即使有了更便宜的替代方案,很多大型金融、醫療、法律等高度敏感產業,仍不敢輕易切換。因為更深層的問題已經浮現:資料安全與供應商綁定。企業過去幾年為了接入AI,把大量財務資料、客戶資訊、內部流程與商業知識輸入外部模型。如今他們開始擔心,自己不只是在付費使用工具,還可能在無形中把核心資產交給供應商。


企業擔憂的是,當AI公司吸收了足夠多的行業知識後,未來完全可能直接推出垂直產品,反過來與原客戶競爭。再加上一旦企業的工作流程、系統架構與員工習慣都被某個模型綁住,未來供應商漲價、改規則或技術升級,企業幾乎沒有議價能力。


也因此,2026年開始出現另一股明顯趨勢:企業轉向開源模型與小參數模型。經歷高昂帳單之後,許多公司終於意識到,不是所有任務都需要最強、最貴的大模型。對很多日常場景而言,本地部署的小模型就已經夠用。


例如客服中心、報表整理、制式文件生成等固定型任務,若改用部署在內部伺服器的開源模型,雖然能力不如頂尖商業模型全面,但成本更固定、資料更安全,也更容易控管。與其長期支付昂貴的雲端API費,不如一次性投入設備,在本地穩定運行。


因此,市場上開始出現一種新的角色:「AI降本工程師」。這類人才的任務不是把更多業務丟給AI,而是精準拆解流程,判斷哪些地方該用本地模型、哪些能用規則系統處理、哪些根本不需要AI。他們存在的目的,就是幫企業擺脫對高價大模型的依賴。


事情發展到這一步,整個局面變得相當諷刺。AI原本是為了取代人類、降低成本而來,結果企業現在不僅要支付高昂的Token費、雲端費與伺服器費,還得再聘請一批專家專門控制AI成本,避免AI本身成為新的財務黑洞。


當市場熱潮退去,企業開始重新面對一個原本不願承認的問題:如果AI的成本已經高於真人,而且還伴隨資料風險、供應商綁定與管理失控,那麼當初那些為了追逐AI風口而被裁掉的員工,是否其實裁錯了?


近幾個月,部分公司已經開始悄悄把過去裁掉的基礎職位重新招回來。只是對外,他們通常不會承認原因是AI太貴,而會用其他更體面的說法包裝。這也意味著,這場AI取代人力的浪潮,或許正在進入一個意想不到的反轉期。


最終,這不只是技術效率的問題,而是一場企業經營現實對AI狂熱敘事的集體修正。當機器的使用成本開始超越人的成本,企業真正要面對的問題,也許已經不再是「該裁多少人」,而是「該把多少不合理的AI幻想裁掉」。