來源：Lenny's Podcast，2026年2月，約95分鐘一、他自己怎麼用 AI從去年 11 月到現在沒手寫過一行程式碼。每天 10 到 30 個 PR，全是 Claude Code 出的。早上睜眼第一件事：拿手機打開 Claude iOS 的 code tab，把 agent 派出去跑。同時掛著四五個 agent 平行幹活。他在 Instagram 那會兒就是產出最高的幾個工程師之一。不是本來就寫得少。這一點，從去年11月份到現在還手寫程式碼的同學需要反思了（國央企，保密單位啥的沒辦法的不算），國內用不了claude ios app的也要反思了，不過還不晚，從今天起全部借助 agent,多個agent,另外能搞成skill的節能或者能力的都能搞盡快搞。二、他對程式設計的定調"Coding is largely solved." 至少他自己做的那類活，已經解決了。下一步是 agent 不光寫程式碼，還自己提需求。翻 feedback，看 bug report，讀 telemetry，然後跑來跟你說"這幾個可以修""那幾個可以加"。一到兩年後，學一門具體語言沒啥意義了。就跟現在沒幾個人在乎彙編一樣。年底前 "software engineer" 這個詞會開始退場，換成 "builder"。或者乾脆不分了，人人都是 PM 兼碼農。要立即退出程式設計的行列，不要在古法程式設計了，提升效率，程式語言的學習將沒有意義，這一點挺讓人傷心的，但是不能固步自封啊，前進吧。年底前，軟體工程師將會逐步的，徹底退出歷史舞台，這一點其實有點誇張，borris作為全球最頂級程式設計 agent的負責人，說的激進點沒啥問題，不過明年年底前肯定要退出歷史舞台了。三、資料SemiAnalysis 的報告：GitHub 上 4% 的 commit 是 Claude Code 寫的。這還只是公開倉庫，私有的比例更高。年底可能到 20%。增速不是線性的，還在往上翹。Anthropic 內部工程師產出漲了 200%（按 PR 算）。Boris 之前在 Meta 管程式碼質量， 幾百號人折騰一年也就提幾個百分點。對比之下這個數很離譜。這一點是程式設計師們心裡最痛的一個點，github啊，全球開放原始碼的集中地，後續將會有90%以上的程式碼都是由AI完成，這很難接受，難接受但是很合理。四、這東西怎麼來的剛加入 Anthropic 的時候花了一個月各種瞎搞原型，大部分沒出貨。又花了一個月做post-training，瞭解模型底層。他習慣搞清楚你踩的那層下面那層是什麼。第一個原型叫 Claude CLI。給模型一個 bash 工具讓它自己玩。他隨口問"我在聽什麼歌"，模型自己就用 bash 翻出來了。他自己都沒想到這問題能答。發內部公告拿了兩個 like。沒人覺得終端裡能長出什麼正經程式設計工具。為什麼是終端？因為開始就他一個人。終端最省事。後來發現這歪打正著——模型迭代太快了，別的介面根本跟不上。終端正好是最"裸"的殼。2025 年 2 月對外發，一開始也不算爆款。好幾個月大家才搞懂怎麼用。Opus 4 之後開始真起飛。大牛也一樣要經歷沒人理睬的時刻，但是依然保持熱情，結果一下就爆了，在整個AI發展事上Borris恐怕會像linus一樣留下美名，雖然有很多安妮紡織機的工人會很反感他，開玩笑，繼續往下看。五、產品哲學1. 潛在需求（Latent Demand）老版本：看使用者拿你產品在幹什麼歪門邪道，然後把它做成正經功能Facebook Marketplace 是這麼來的：40% 的群組帖子其實是買賣東西。Facebook Dating 也是：60% 的 profile 瀏覽是異性非好友。Co-work 更典型：一堆非技術使用者用 Claude Code 種番茄、分析基因組、恢復硬碟照片、看 MRI 片子。那就給他們做個正經產品算了。這就是傳統的軟體開發流程啊，使用者需要什麼，我們就去滿足它。新版本（AI 時代）：看模型自己想幹什麼，順著它的勁兒來。別跟它較勁。2. 別給模型套框一年前可能還需要各種編排器、固定工作流。現在給工具和目標就行，讓它自己找路。Claude Code 從頭就定了"模型即產品"。最少的殼，最少的內建工具，讓模型自己決定用啥、按什麼順序。現在claude code的確是最少的殼，最少的內建工具，用著用著模型會自主決定用那個工具，不帶跟你商量的，其實使用者在用的過程中也不斷的完善自己的一堆skills.3. Bitter Lesson通用模型永遠吃掉專用模型。別在小模型、fine-tune、工作流上花太多力氣，下一版模型出來全給你抹平。他的原話："Build for the model six months from now." 前六個月產品可能很一般，模型一上來直接起飛。如果一開始大家就知道，通用模型會吃掉專用模型，很多的資金就可以節省下來，很多創業的小夥伴就可以好好的了，不得不佩服段永平先生的一個神觀點：敢為人後，AI初期，攻城略地很有意義，但是觀察整個行業，在合適的時候出手沒問題，不要一開始就跑馬入場，很可能成炮灰，但是學習，持續的觀察整個行業動態是必須的，前置的。4. 少給資源人少反倒逼著人用 AI 想辦法。一個人扛一個項目，自然就想快點出貨。AI 給你加速，不需要老闆在後面催。後邊一個老闆帶著一個有編碼經驗的老碼農就行了，這也是碼農的福利了，一個碼農要兼PM,設計以及測試（其實增加一個測試skill就可以了），老闆在市場衝鋒陷陣，後邊一個碼農就是一個產研團隊，給老闆提供充足的支援。5. 反饋飛輪內部有個 channel 全是吐槽。Boris 早期是有人反饋幾分鐘內出 PR。讓人覺得自己說了算，反饋就越來越多，飛輪就轉起來了。現在 Claude 自己替他幹大部分。激情四射的Borris!六、安全：三層底層：mechanistic interpretability（機制可解釋性），直接看神經元在幹嘛，追蹤"欺騙神經元"之類的東西。Chris Olah 是這個領域的開創者。中層：evaluations，實驗室環境的安全評估。上層：丟到真實世界，看它在野外的表現。所以產品發佈經常叫 "research preview"，不是噱頭，是在收真實資料。"Race to the top"：把 sandbox 開源了，任何 agent 都能用。想讓行業在安全上捲起來，別比爛。安全是必須要考慮的，AI時代安全比網際網路時代的安全更隱蔽，而且現在在很初期的階段，，前兩天發生了一起使用者用cursor + optus 4.6刪除使用者生產資料庫造成損失的案例，我別的文章有詳細報導。見AI9秒刪庫事件：程式設計師必學的5條安全教訓七、工程師這個角色的去向Cursor 插曲：2025 年中加入 Cursor，兩周走人。原因簡單——他想念 Anthropic 的使命。Cursor 做的事很酷，但他需要工作綁在一個更大的意義上，不然自己待不住。他學程式設計的起點：中學給圖形計算器寫程序，為了數學考試作弊。後來寫了個通用求解器賣給全班，大家一起被抓。老師沒讓他們畢業。從頭到尾程式設計就是工具，不是目的。也承認有人就是愛手寫。隊裡有工程師周末還手搓 C++，就是享受。"以後還會有空間，就像現在還有人寫鋼筆字。"給學生：學校別光盯著程式碼。去學系統架構、產品、設計、商業。以後最搶手的人不是最會寫程式碼的，是能跨好幾個領域、知道到底該造什麼的人。程式設計師同學們，這是個哲人啊，程式設計永遠是工具，不應該是目的，不能贊同更多。或許，以後網路直播手寫程式碼也會成為一個流量的噱頭。還在學電腦沒畢業的孩子們，要去看看這篇文章的原視訊，看看Borris的更詳細的說明，要學架構、產品、設計、商業。後續的人才必須是跨學科的，應該不是說人才，而是普通的打工人也要是跨領域的，一招鮮，吃遍天的時代徹底終結了。八、印刷術這個類比1450 年代以前，歐洲識字率不到 1%。所有文字活全交給抄寫員（scribes）。古騰堡之後 50 年，產出的印刷品比之前一千年加起來還多。成本降了一百倍。200 年後識字率從 1% 到了 70%。沒有印刷術就沒有文藝復興——沒人識字你傳播什麼。有個歷史文獻挺妙的：當時有抄寫員被問到對印刷術的看法，說很高興終於不用抄書了，可以專心做插畫和裝訂（那些更有意思的活）。Boris 把自己跟這個比：不用再折騰配環境、調依賴、修編譯錯誤那些破事了。時間花在跟使用者聊、想方向、跟團隊碰。長期看：程式設計從少數人的手藝變成人人都有的能力，能釋放出什麼？猜不到，但樂觀。短期看：會疼，會有人被淘汰。這是全社會的事，不該一家公司拍板。古騰堡是西方近代印刷術之父，borris舉這個例子就是說明，碼農終於不用手寫程式碼了，終於可以利用自己的頭腦，借助AI做很多自己喜歡做的事情，但是陣痛是不可避免的，長期來看是正向的，積極的。九、對程式設計師說的實在話用最強模型。Opus 4.6 + maximum effort。便宜模型來回修反而更費 token。八成任務先開 plan mode。原理土到掉渣：就是注入一句"先別寫程式碼"。計畫對味了再讓它跑，4.6 下幾乎一把過。給工程師拉滿 token。單人實驗的 token 費遠低過他的工資。真跑出好東西再最佳化成本。各種介面都試試。terminal、desktop app、手機端，那個順手用那個。這不是個純終端工具。多開幾個 agent 平行跑。別一次只跑一個。別怕，去玩。泡在工具最前沿，這是唯一不掉隊的方式。這段既是在宣傳自己的產品，雖然不用宣傳也知道你是最強的，也是在告訴大家一個道理，最貴的可能是最便宜的，而最便宜的可能才是最貴的。我喜歡這種自信。十、零碎但有意思的他生在烏克蘭奧德薩，主持 Lenny 也是。倆人訪談中途當場認老鄉。爺爺是蘇聯第一批程式設計師，用打孔卡寫程序。他媽小時候拿打孔卡當塗鴉紙。進 Anthropic 之前在日本的鄉下住了好幾年，鎮子上唯一寫程式碼的、唯一說英語的。會做味噌。白味噌三個月起，紅的要兩到四年。說是他練耐心用的，也是 AGI 之後的退休方案。書單：《Functional Programming in Scala》（他說是最好的技術書，雖然你可能不寫Scala 了）、《Accelerando》（Charles Stross，節奏和現在 AI 這波一模一樣）、《流浪地球》短篇集（說中國視角的科幻跟西方完全不同，看著新鮮）。格言：use common sense。別看到流程就跟著跑，別看到大家都在做就覺得對。聞著不對勁，它就是不對勁。就這些，這是一個頂級極客，也是一個有意思的很自信的人，碼字不易，歡迎大家點贊推薦打賞三連，原視訊細節更多，歡迎去看。 (米斯特太陽)

誰能想到，靠AI晶片躺賺的輝達，如今正被全世界的AI大廠集體 “拆台”？手握AI晶片市場的絕對統治權，輝達的賺錢能力堪稱印鈔機 —— 據其 2026財年第四季度財報顯示，GAAP毛利率直接衝到了75.2%，近5兆美元的市值，全靠各家大模型廠商排隊買它的晶片撐起來。但也正是這份壟斷，讓幾乎所有AI玩家都鐵了心要跳出輝達的包圍圈，不想再把自己的命脈，攥在黃仁勳手裡。國內這邊，剛發佈的 DeepSeek V4，一邊訓練還在用輝達晶片，一邊已經火速完成了和華為昇騰的推理適配。不止華為，天數智芯、寒武紀這些國產晶片廠商，也都已經完成了對 DeepSeek V4 的適配。輝達的老家美國，“去輝達化” 的風颳得更猛。Google的自研TPU晶片已經迭代到第八代，訓練 + 推理的全產品線都鋪完了；Meta 也在今年3月曬出了自研AI晶片路線圖，2027年底前要落地四款 MTIA 系列新品，一邊跟輝達、AMD維持採購，一邊搞 “自研+外采” 的雙保險，明擺著不想把雞蛋全放一個籃子裡。而這裡面最讓人意外的，莫過於最依賴輝達的OpenAI，反倒成了 “反水” 最積極的那個。當地時間4月17日，美國AI晶片公司Cerebras正式向 SEC 提交 IPO 申請，要融資 30 億美元，估值直接衝到350億美元。要知道去年 10 月它撤回 IPO 申請時，估值才81億美元，半年翻了 4 倍還多，核心底氣就是跟 OpenAI 簽的一份超 200 億美元的合作大單。按照協議，未來三年OpenAI要用 Cerebras 晶片驅動的伺服器叢集，後者要給它部署750 兆瓦算力，2028 年全部落地；除此之外，OpenAI 還要給 Cerebras 掏10億美元幫它建資料中心，還能拿到 10% 的認股權證。說白了，OpenAI 早就不只是客戶了，還是金主，甚至未來可能成大股東。OpenAI 這麼孤注一擲，本質上是被輝達的高成本逼到了牆角。據媒體披露，2025 年 OpenAI 營收 131 億美元，虧了80億美元，今年預計虧損還要飆到250億美元。一邊是巨額虧損，一邊是輝達的晶片定價權捏在別人手裡，奧爾特曼比誰都清楚，對輝達的過度依賴，就是自己最大的軟肋。所以這兩年它動作不斷，跟博通合作定製晶片，轉頭又用上了 AMD 的 MI450 晶片，每一步都在明說：不想再給輝達打工了。而Cerebras，就是它 “去輝達化” 路上押的最重的籌碼。可能很多人沒聽過 Cerebras，這家公司走的路，跟輝達完全是反著來的。行業裡做晶片，都是把晶圓切成小晶片，唯獨 Cerebras 劍走偏鋒，直接用整塊 300mm 晶圓做單晶片，推出了晶圓級引擎 WSE-3。好處特別直接：計算、儲存、互聯全在一塊晶片裡，資料傳輸延遲比 GPU 叢集低 90%，特別適配大模型低延遲推理，單token 成本最多能降 80%。更關鍵的是，它走的是非 HBM 依賴路線，剛好能繞開輝達卡脖子的核心環節。這套技術路線，精準踩中了 OpenAI 降本的核心需求，甚至還打進了 AWS 的雲資料中心，進了主流雲平台的供應鏈。而能把這家公司帶到今天這個位置，離不開它的創始人Andrew Feldman。跟傳統晶片公司的工程師創始人不一樣，Feldman 是史丹佛經濟學、政治學學士，還是 MBA 出身，從一開始就泡在產品和行銷領域，對商業模式的嗅覺格外靈敏，還是個出了名的 “賭性堅強” 的連續創業者。2015年創辦Cerebras後，他沉寂四年憋大招，賭的就是兩件事：一是台積電的晶圓級封裝技術會成熟，二是AI大模型會越做越大，GPU 的記憶體牆會成為致命瓶頸。現在來看，他確實賭對了。但造神故事的背後，藏著的風險一點都不小。不過黃仁勳已經開始反擊了。去年12月，輝達直接花200億美元，拿到了Cerebras的競爭對手 Groq 的 LPU 推理架構、晶片設計全端技術永久授權，下半年就要推出基於這套技術的系統。而OpenAI 找 Cerebras，本來也不是為了徹底替換輝達，只是想找個 “鯰魚”，增加跟輝達談判的籌碼，分散供應鏈風險。萬一那天奧爾特曼跟黃仁勳重新談攏，Cerebras 很可能就成了棄子。其實黃仁勳自己早就看清了這個結局。他在播客裡說，摩爾定律正在走向終結，晶片性能每年翻倍的時代過去了，先進晶片的性能優勢不是永恆的護城河。他還直言，限制對華出口算力晶片，短期能延緩中國AI發展，但長期只會逼著中國形成自己的生態鏈。他沒說透的是，一旦越來越多的開源大模型跑在國產算力晶片上，輝達就算還是市場第一，也再也不是唯一的選擇了。 (識焗)

提到隱身戰機，大家第一反應往往是“看不見”的機身、菱形機頭和傾斜垂尾。但很少有人知道，戰機的“心臟”——航空發動機，恰恰是最容易“暴露目標”的環節。畢竟，發動機要不停燃燒燃料產生推力，尾部會噴射近2000℃的高溫燃氣，在紅外探測器眼裡就是一個刺眼的“亮斑”。同時，發動機內部的風扇、渦輪葉片都是金屬部件，雷達波照射過去會產生強烈反射，相當於給敵方雷達遞了“定位訊號”。對隱身戰機來說，機身隱身做得再好，發動機不“藏好”，就相當於穿了一身隱身衣卻舉著一個手電筒，隱身效果會大打折扣。那麼，工程師們到底靠什麼技術，讓這個“高溫、強反射”的“心臟”實現隱身呢？核心就兩件事：藏好雷達波、摀住紅外熱，再加上一些細節上的“精修”。先解決雷達隱身：別讓雷達“看到”發動機內部雷達探測的本質，是發射電磁波並接收目標反射的回波。發動機之所以容易被雷達發現，核心是進氣道和尾噴口兩個“漏洞”——傳統戰機的直筒型進氣道，雷達波能直接穿透，照射到內部高速旋轉的風扇葉片，產生強烈的“鏡面反射”，回波訊號極強。而圓形尾噴口內部的渦輪、加力燃燒室等部件，也會形成類似“金屬圓筒”的腔體效應，讓雷達波在內部反覆反射，放大回波訊號。針對這兩個漏洞，工程師們給出了兩套核心解決方案，每一套都經過了無數次風洞試驗和實測驗證。第一個方案，給進氣道“拐個彎”——採用S型進氣道。這是隱身戰機發動機雷達隱身的基礎操作，殲-20、F-22、F-35等主流隱身戰機都採用了這種設計。S型進氣道通過多次彎折，讓雷達波無法直接照射到風扇葉片，只能在進氣道內壁反覆反射，而進氣道內壁會鋪設吸波材料，每次反射都會吸收一部分雷達波能量，等到雷達波最終反射出去時，能量已經衰減到幾乎無法被識別的程度。更關鍵的是，S型進氣道還能配合機身設計，實現“氣動+隱身”雙兼顧。比如F-22的S型進氣道，彎折角度經過精準計算，不僅能遮蔽雷達波，還能最佳化進氣效率，保證發動機在超音速飛行時的推力輸出，不會因為隱身設計犧牲動力性能。第二個方案，給尾噴口“做造型”——用鋸齒狀噴口替代傳統圓形噴口。圓形噴口的邊緣是連續的圓弧，會向全方向散射雷達波，而鋸齒狀噴口的邊緣被分成了多個傾斜的平面，能將照射過來的雷達波集中反射到少數幾個固定方向，而非全方向擴散，敵方雷達只有處於這些特定方向時才能接收到微弱回波，大幅降低被探測的機率。除此之外，發動機艙的設計也暗藏玄機。機身與發動機艙之間會採用平滑過渡的翼身融合設計，避免形成直角結構產生鏡面反射。發動機艙表面會覆蓋一層結構型吸波材料，這種材料既能承受發動機工作時的高溫，又能吸收雷達波，從源頭減少反射訊號。比如F-35的發動機艙蒙皮，就大量使用了碳纖維複合材料製成的結構吸波材料，兼顧了隱身、減重和結構強度三重需求。再搞定紅外隱身：別讓紅外探測器“盯上”高溫尾焰如果說雷達隱身是“防探測”，那紅外隱身就是“防鎖定”——現代空戰中，紅外製導導彈的命中率佔到了空空導彈擊落敵機總量的90%，而這種導彈的核心就是追蹤高溫紅外輻射，發動機的尾噴口和高溫尾焰，正是紅外輻射最強的部位。資料顯示，傳統三代機的發動機尾焰溫度可達1700℃以上，在紅外探測器眼裡，就像黑夜裡的探照燈一樣顯眼。而隱身戰機的目標，是將發動機的紅外輻射特徵降低到三代機的幾十分之一，甚至百分之一，讓紅外製導導彈“看不清、追不上”。核心思路只有一個：降溫+遮熱。最常用、最有效的降溫技術，就是最佳化尾噴口設計，加速高溫燃氣與冷空氣的混合。目前主要有兩種主流設計：一種是二元向量噴口，另一種是鋸齒狀噴口。二元向量噴口是隱身戰機的高端配置，F-22和俄羅斯蘇-57的改進型都採用了這種設計。它的噴口是扁平的矩形，由4塊獨立的燃氣導流板組成，既能控制戰機飛行姿態，又能快速冷卻高溫尾焰。扁平的噴口設計能增大尾焰與冷空氣的接觸面積，同時噴口邊緣會開設微型冷卻孔，引入外界冷空氣與高溫燃氣混合，可將尾焰溫度降低數百度，大幅削弱紅外輻射強度。為瞭解決二元噴口拐角處的熱應力集中問題，工程師們還專門研製了特殊玻璃纖維和鎳基合金複合材料，確保噴口在近1700℃的高溫條件下，依然能保持結構堅固可靠，不會因為高溫變形影響隱身和動力性能。同時，為了彌補扁平噴口可能帶來的推力損失，還會給發動機加裝全數字電子控制系統，精準調節燃油、空氣流量和廢氣溫度，比如蘇-57搭載的“產品30”發動機，就通過這種控制系統，將推重比提高了19%，抵消了二元噴口的推力損耗。除了尾噴口設計，燃油加入劑技術也能輔助降低紅外輻射。在發動機的燃油中加入特殊加入劑，可以改變尾焰的燃燒特性，減少高溫碳顆粒的產生，從而降低尾焰的紅外輻射強度。這種技術成本低、效果明顯，是目前各國隱身戰機普遍採用的輔助紅外隱身手段。另外，發動機艙內部還會鋪設一層厚厚的隔熱層，阻止發動機的熱量向機身外部擴散，減少機身蒙皮的溫度升高，避免機身因為氣動加熱和發動機傳熱，成為新的紅外輻射源。比如F-22的發動機艙隔熱層，採用了耐高溫的陶瓷纖維材料，能將發動機的熱量牢牢“鎖住”，確保機身表面溫度不會過高。最後補細節：隱身沒有“死角”，每一處都要精修發動機隱身從來不是單一技術的堆砌，而是“全方位、無死角”的系統工程。除了進氣道、尾噴口的核心設計，還有很多容易被忽略的細節，同樣影響著隱身效果。比如發動機的密封設計，發動機工作時會有少量高溫燃氣從縫隙中洩漏，這些洩漏的燃氣不僅會增加紅外輻射，還可能破壞機身表面的吸波塗層，因此隱身戰機的發動機都會採用高溫密封材料，確保燃氣不會洩漏。再比如發動機的風扇葉片，會採用寬弦葉片設計，減少葉片數量，同時葉片表面會噴塗吸波塗層，進一步降低雷達反射訊號。還有一個容易被忽略的點：發動機的電磁訊號控制。發動機的全數字電子控制系統、感測器等裝置，工作時會向外輻射電磁波，可能被敵方電子偵察裝置捕捉，因此這些裝置都會採用低截獲機率設計，減少電磁訊號洩露，避免因為電磁訊號暴露戰機位置。看到這裡，大家應該能明白：隱身戰機的發動機隱身，遠比我們想像的複雜。它不是簡單地“藏起來”，而是需要在動力性能、氣動性能和隱身性能之間找到完美平衡——既要讓發動機輸出足夠的推力，保證戰機的機動性和航程，又要通過各種技術手段，削弱雷達和紅外訊號，讓這個“心臟”既能“有力跳動”，又能“低調隱身”。從S型進氣道的精準彎折，到二元噴口的材料突破，從吸波塗層的反覆迭代，到紅外抑制的細節最佳化。每一項技術的背後，都是無數工程師的心血，也是一個國家航空工業實力的體現。畢竟，能造出先進的航空發動機已經很難，能讓這個“高溫心臟”實現隱身，更是難上加難。隨著反隱身技術的發展，發動機隱身技術也在不斷升級，未來的六代機發動機，還會朝著“全向隱身”“智能隱身”的方向發展，比如採用雙S型隱身噴管、自適應吸波材料等，進一步降低可探測特徵。而這一切的突破，都將繼續推動空戰模式的變革，讓隱身戰機在未來戰場上，擁有更強的生存能力和作戰效能。 (航空科學探索)

GPT-5.5發佈沒幾天，後台日誌裡就冒出了GPT-5.6；Anthropic的一個從未見過的代號——Jupiter也炸出了！兩天之內，兩家巨頭的下一代模型同時浮出水面。新一輪模型軍備競賽，比我們想的都要快！GPT-5.5的熱度還沒散，OpenAI的後台就漏了底。昨天，有開發者在Codex內部日誌中發現了一條異常記錄。絕大多數API呼叫走的是GPT-5.5，但有一條路由對應赫然寫著「gpt-5.6」。不是正式發佈，更像是後端的金絲雀測試。也就是說，OpenAI在用真實流量悄悄喂養下一代模型。GPT-5.6已經在跑了。幾乎同一時間，Anthropic那邊也炸了。Claude Code相關原始碼洩露中，一串從未公開過的型號名被扒了出來：Sonnet 4.8、Opus 4.7、Mythos、Capybara，以及一個最扎眼的新代號——Jupiter。兩天之內，兩家公司的下一代模型同時曝光。這個節奏，整個AI圈都沒緩過神來。後台日誌裡的GPT-5.6先看OpenAI這邊。發現過程很簡單。開發者在呼叫Codex API時，常規日誌裡幾乎全是GPT-5.5的路由記錄。但有一條例外，模型欄位寫的是「gpt-5.6」。金絲雀測試，是業內的老套路了。用極小比例的真實流量打到新版本上，觀察表現和穩定性，不對外公開。Google做過，Anthropic做過，OpenAI自己也做過很多次。但這次的訊號，明顯跟以前不一樣。現在，GPT-5.5才剛發佈沒多久。按照過去OpenAI的節奏，大版本之間至少要隔幾個月。現在5.6就已經在後台跑真實流量了，說明內部迭代速度比外界感知的快得多。奧特曼這兩天的動作也在印證這一點。Codex剛剛完成從編碼工具到通用桌面Agent的大升級，奧特曼親自發推「試試非編碼電腦工作」，總裁Greg直接喊出「Codex適用於所有人，所有電腦任務」。5.6藏在這個時間節點的後台裡，非常耐人尋味！奧特曼的野心已經很明確。他不再滿足於發佈一個對話方塊，他要的是一個能接管所有數位化生存空間的超級Agent。GPT-5.6，大機率就是這個野心的下一塊拼圖。Claude Code原始碼裡，炸出一整張模型矩陣再看Anthropic。此前，Sonnet 4.8與Opus 4.7和Mythos/Capybara就一起出現 Claude Code原始碼洩露中。因此，Jupiter很可能是另一個內部代號，而不是Discord上的隨機謠言。Jupiter這個名字的特殊性在於，它很可能是Sonnet等級的後續型號或全新分支。在Sonnet 4.8已經現身的情況下，Jupiter更像是產品線演進中的下一個節點，而不是社區的隨機猜測。Jupiter V1僅為內部使用的代號，預計不會出現在任何公開API字串或使用者介面中把這些型號擺在一起看，Anthropic的模型矩陣比外界此前認知的更深。Opus主打高端推理，Sonnet平衡性能與成本，Haiku偏向輕量部署。三條線同時在跑，每條線都有多個版本在內部迭代。在洩露這方面，Anthropic最近一直碩果纍纍。這次原始碼等級的洩露，一下子把整個產品矩陣的輪廓暴露了出來。據傳，Jupiter將在5月6日在舊金山舉辦「Code with Claude」開發者大會上亮相。兩天撞車，不是巧合GPT-5.6和Jupiter幾乎同時被發現，時間窗口不到48小時。巧合的可能性不大。更合理的解釋是，兩家公司的內部迭代節奏本來就在加速，只是恰好在這兩天各自漏出了一角。回頭看這半年的時間線就很清楚了——GPT-5發佈到GPT-5.5，間隔在縮短。GPT-5.5到後台出現5.6的影子，間隔更短。Anthropic這邊，Opus 4.6剛站穩，4.7和Sonnet 4.8就已經在原始碼裡了。矽谷大廠的模型迭代，正在從「大版本發佈」變成「持續部署」。對開發者來說，這個節奏意味著很多。今天基於GPT-5.5或Claude Opus 4.6做的架構決策，可能兩個月後就要面對下一代模型的能力躍遷。API介面可能不變，但模型能力的天花板在持續抬高。對兩家公司來說，競爭已經不在「誰先發佈下一個大版本」這個層面了。真正的競賽才剛換擋目前沒有任何官方公告確認GPT-5.6或Jupiter的定位和發佈時間，但訊號已經足夠清晰。大版本發佈會的間隔在壓縮，後台的金絲雀測試和內部代號在加速流轉，下一代模型不再是遙遠的期待，而是後台日誌裡已經在跑的一行路由。GPT-5.5發佈的熱度還沒過一周，5.6就在後台候場了；Sonnet 4.6剛成為主力，4.8和Jupiter已經在原始碼裡排隊。這個速度，才是值得所有人注意的訊號。 (新智元)