X 监控

这次更新最实在的变化是Deep Research能接MCP了，等于给模型开了个后门，让它直接翻FactSet、S&P、PitchBook这些付费数据库，不再只靠公开网页扒拉信息。对金融、尽调这类场景，数据源的质量直接决定报告能不能用，这点比单纯堆算力更有价值。 Max版主打“烧时间换深度”，官方举的例子是分析师下班前丢任务、第二天收报告，听起来像把实习生熬夜干的活自动化了。但正文没披露具体定价，也没说Max版跑一次到底烧多少算力、延迟多久。如果成本比雇实习生还贵，那落地就得打个问号。 另外，报告里能直接出图表和信息图，研究过程支持流式输出，用户可以在智能体开跑前调整研究计划。这些设计明显在解决“模型跑偏”和“结果不可信”的老问题，但实际效果还得看上线后的反馈。

GitHub 这次调整说白了就是成本扛不住了。过去一年 AI 编程工具用量暴涨，Claude Opus 又是市面上最贵的推理模型之一，按月固定价无限量卖给海量用户，账根本算不平。三月底四月初已经对 Pro+ 动过限速和模型下架，这次直接把 Pro、Pro+、学生版的新用户注册全关掉，只剩免费版还能进人。官方说法是"优先保障现有付费用户的服务质量"，翻译过来就是：新用户别来了，先保住老用户别崩。 最狠的一刀是 Pro 套餐移除 Claude Opus 4.7，只留给 Pro+。Pro+ 的额度也被拉到 Pro 的五倍以上，Pro 用户老撞墙的话，官方建议就是加钱升档。这等于把 Pro 重新定位成轻度入门款，重度用户要么掏更多钱，要么转去 Claude Code、Cursor 这些竞品。GitHub 给了退路，4 月 20 日到 5 月 20 日可以取消订阅，4 月费用全额退。 这是主流 AI 编程工具第一次公开关上付费注册窗口。正文没披露现有付费用户的具体规模，也没说这次调整能省多少成本、什么时候重新开放注册。Pro 用户被砍掉 Opus 后实际体验降级多大，还得看社区反馈。

Claude 的 Cowork 模式现在可以生成“活的”小组件，比如仪表盘或进度追踪器。这些组件不是截图，每次打开都会自动拉取最新数据，数据源可以是你连上的应用和文件。这个能力让 Claude 从“一次性生成”往“持续连接工作流”迈了一步，对需要盯数据、跟进度的人有实际价值。 但官方推文信息量很薄。具体支持哪些应用、文件类型、权限怎么管、刷新频率是多少，正文全都没提。如果只支持自家生态或少数几个应用，实用性会大打折扣。另外，数据刷新是客户端拉取还是服务端推送，也影响实时性和可靠性。 我会先打个折。等看到实际集成列表和权限模型，才能判断这是真能省掉一个 BI 工具，还是只是个好看的 demo。

Ryan Mather 分享的这套工作流，核心是把“人做、人审”改成“Claude 做、人审”。他一个人覆盖 7 个产品线，靠的是前期投入一小时让 Claude 从代码库和设计稿里抽出一套 UI Kit，后续生成的设计稿自动套用风格，省掉重复劳动。协作上，他建议设计师和工程师一起看着画布边聊边改，取代过去“出稿→丢给开发→返工”的接力模式。 操作细节有几条值得留意：结构级大改用聊天界面，细节调整直接在元素上评论，反馈要具体到“间距改成 8px”而不是“看着不对劲”。挂代码时别塞整个 monorepo，只挂目标组件文件夹，排除 .git 和 node_modules，否则浏览器会卡爆。他还提到多开几个 Chat 平行探索不同方向，再挑精华合并，比在一个对话里反复折腾高效。 不过正文没披露几个关键信息：这套流程下实际产出质量如何，返工率有没有下降，以及“一人扛 7 条线”是否意味着设计深度被牺牲。另外，把产品吐槽会议纪要喂给 Claude 自动生成方案 Deck 听起来很诱人，但没说明生成结果的可信度和人工修正比例。这些缺口让效率提升的数字暂时只能打个折看。

这篇分享的价值不在模型本身，而在工作流。Boris Cherny 把 Opus 4.7 的自动模式、回顾、专注模式和可调努力程度串成了一套实操打法，核心是让模型自己判断安全命令并自动执行，省掉频繁点确认的打断。他常用的 /go 技能链式跑端到端测试、精简代码、提 PR，等于把验证环节塞进模型自己的流程里，回来直接看可用代码。这点挺实在，但正文没披露任何基准测试数据、定价或正式上线时间，所有判断都来自个人几周的使用经验，样本量和场景覆盖都未知。努力程度从低到 max 可调，低档省 token 但可能牺牲质量，高档更聪明但更慢更贵，具体 trade-off 没给量化对比。另外，专注模式隐藏中间步骤，信任门槛不低，出错了排查会麻烦。整体看，这些技巧对已经用 Claude 写代码的人有参考价值，但别把它当成官方最佳实践，更多是一个重度用户的个人配置分享。

Anthropic 给 Opus 4.7 配 Claude Code 的用法指南，核心就一句话：把它当资深工程师用，别当初级程序员。任务一开始就把目标、约束、验收标准一次性给足，减少中途交互，因为每次对话都会增加模型的思考负担。默认努力等级从 high 提到了 xhigh，官方说这个档位适合大部分写代码、设计 API、迁移和审查的活儿。其他等级里，medium 和 low 给预算敏感或简单任务，max 留给真正难的题，但边际收益会递减。 这次最大的行为变化是自适应思考机制，模型自己决定什么时候深度推理、什么时候快速响应，不用人手动调。但副作用也明显：它默认不太爱频繁调工具和生成子智能体，如果你需要它读文件、搜索或并发干活，得在提示里明确说出来。回答长度也会自动适配任务复杂度，简单任务变短，复杂任务变详细。 正文没给具体测试数据或对比基准，这些建议更像是官方的最佳实践总结，不是第三方验证过的结论。实际效果还得看你自己的任务类型和提示写法，别指望无脑替换旧版就能起飞。

browser-use团队这次开源的东西挺实在。video-use解决的是个人创作者最烦的那件事：录完一堆素材，得手动剪掉口癖和空白段。它把ElevenLabs的逐词时间戳转写当核心输入，整个素材压成约12KB文本，模型基本不碰视频帧。项目作者算过，直接喂帧要烧4500万token，这套方案只要文本加几张关键时间轴截图，成本直接打下来。 流程上有个细节值得看：渲染完会自动做三轮自检，检查画面跳变、爆音、字幕遮挡，修不过就继续改。这比很多一键剪辑工具多了一层质量兜底。不过正文没披露ElevenLabs转写的实际费用和延迟，也没说对中文口播的转写准确率怎么样。这点先别太激动，自己跑一遍才知道靠不靠谱。 项目完全开源，装好ffmpeg和Python依赖就能用，但转写API key得自己搞。对常录教程或vlog的人来说，省掉打开剪辑软件这一步就值回票价了。

这条新闻最值得从业者看的是那个 11% 的 MFU 数字。xAI 总裁在内部备忘录里承认，公司 20 万块 GPU 的模型算力利用率只有 11%，而行业正常水平是 35% 到 45%。这意味着大部分算力在空转，不是跑不满，是根本没用起来。出租给 Cursor 训练 Composer 2.5，本质上是把闲置资产变现，跟做云服务是两码事——正文也没说 xAI 要建云平台、卖存储或网络，只是把用不掉的 GPU 租出去。 两家关系确实微妙。xAI 3 月刚从 Cursor 挖走两位产品工程负责人，现在又卖算力给对方，一边挖人一边做生意。Cursor 这边压力也不小，估值 500 亿美元的融资谈判还在进行，Anthropic 和 OpenAI 都在猛推编程助手，Composer 2 用的是月之暗面的开源模型微调，2.5 换到 xAI 的算力上训练，算是在算力来源上多了一条路，但正文没披露训练规模、租期和价格，也没说这对 Cursor 的模型性能有多大提升。 还缺几个关键信息：xAI 出租的是哪类 GPU，H100 还是更老的卡；租约是长期还是短期；11% 的利用率是训练 Grok 时的数据还是整体平均值。这些都不清楚，所以别急着说 xAI 转型云厂商，更像是算力囤多了先找个租客分摊成本。

若石这篇文章的核心判断我认同：多步智能体翻车，往往不是模型笨，是外围工程没跟上。他把这层工作叫 Harness Engineering，说白了就是给模型上安全带——用代码约束代替提示词苦劝、把运行状态外置到文件、验收交给独立裁判、失败只重试局部不连坐全局。这四个原则对正在落地 agent 的团队有直接参考价值。 文章举的例子很具体：上下文占用超 70% 后模型开始跳步骤、自评把烂代码夸成"结构清晰"、日志从 32K token 压缩到 7K 不掉关键信息。这些坑我都见过，所以可信度不低。但要注意，全文是经验总结而非对照实验，没给出加 harness 前后的成功率对比数字，也没说明 evaluator 模型本身会不会误判。 最小落地版本提得务实：一个 state.json、工具调用的指数退避重试、Schema 校验、统一截断工具返回。如果团队刚开始做 agent，这四个先上，比继续调 prompt 收益大。还缺的是：不同模型对 harness 约束的敏感度差异、多 agent 协作时的状态共享方案、以及长期运行下 state.json 本身会不会膨胀到需要二次治理。