全部 · 2026-05-11

Tomasz Tunguz 用五周时间拿自己的日常工作做了个实验，跑了约1400个请求，结论很直接：像 Qwen 3.6 35B 这种本地模型，能处理掉一半的任务，包括邮件草拟、日程安排、摘要和行政杂活。他拿 MacBook Pro M5 本地跑 4-bit 量化版，跟云端 Claude Opus 4.5 比速度，平均响应 2.8 秒对 5.8 秒，快了 2.1 倍。这个速度优势是他认为本地模型最核心的价值，比隐私、成本折旧都实在。 不过得看清楚限制。Opus 4.5 在推理基准上大约强 20%，输出结构更清晰、代码更干净，本地模型赢在简短，输出长度经常只有一半。市场调研和工程类任务里，简单查数据、修脚本本地能跑，但多源分析和架构决策还是得靠云端。作者也承认本地模型比前沿模型落后三四个月，复杂任务上这个差距不能忽略。 这篇文章没给具体任务的成功率定义，也没说“搞定”是按什么标准判的，全靠作者自己主观判断。另外测试只在一台 MacBook Pro 上跑，不同硬件结果会差很多。如果你日常工作以结构化输出为主，这个结论可以参考；如果重度依赖复杂推理，本地模型暂时还只能当辅助。

OpenAI和Anthropic在同一天宣布了跟PE成立合资公司，表面结构一样，但底层的自我认知截然相反。OpenAI给了PE投资人17.5%的保底回报，是行业标准的两倍多，相当于花高价租用PE的渠道和控股权，把部署当成一笔巨大的成本，核心资产还是模型。Anthropic没给保底，估值也只有OpenAI的七分之一，更像是在跟PE合伙做一门服务生意。 这两件事连起来看，其实是在回答同一个问题：模型公司怎么把AI塞进真实企业，而不是停在demo里。过去半年行业试过VC控股、强制变革的路线，发现一家公司同时搞技术、并购和运营太难了。现在拆成三段：AI公司出模型，PE出控股权和客户，合资公司负责落地实施。OpenAI直接买了Tomoro，拿到150名能进驻客户现场的工程师，起步就带队伍。 文章没披露Anthropic那边的具体实施团队规模和收购标的，也没说OpenAI这17.5%的保底回报能撑多久、会不会拖累母公司利润。这两点直接决定谁的模式能跑通。另外，PE手里两千多家被投企业到底有多少愿意真金白银买单，现在也只有纸面数字，得看实际转化。

这条分析把一件事说清楚了：独立浏览器代理（像 Mariner、Operator）一启动就是个没有 cookie 和历史记录的全新会话，在网站眼里就是个 bot。反爬系统十几年就干这个，你让 AI 去跟它打军备竞赛，工程资源全耗在绕检测上，而不是提升模型能力。OpenAI 的 Operator 连自家 ChatGPT 网站都访问不了，这已经很说明问题了。 真正的需求在 computer use 这边——医院里 90 年代写的理赔软件、Bloomberg 终端这些没有 API 的桌面程序，需要的是能直接控制桌面的 agent，不是只能看网页的浏览器代理。Google 把 Mariner 的技术做进了 Chrome auto-browse，共享用户真实的登录态和浏览行为，反爬系统分不出是人还是 agent 在操作。Anthropic 的 Claude for Chrome 和 OpenAI 的 Codex Computer Use 走的是同一条路：跑在用户真实环境里，避开 headless 专用环境的 bot detection 陷阱。 文章没提的是，共享真实会话这条路对隐私和安全的要求会高得多——让 agent 直接操作用户已登录的银行页面，出一次事故就是灾难。另外，三家目前都没有公布真实用户环境下的任务成功率数据，benchmark 成绩和产品表现之间的差距有多大，正文也没给出具体数字。