矽谷輕鬆談 Just Kidding Tech

如果你喜歡我的內容，歡迎加入會員支持我，讓我把內容做得更深、做得更好，一起把這個頻道做成我們都想看到的樣子！
👉 https://www.youtube.com/channel/UCJIPFjZSCWR15_jxBaK2fQQ/join

Anthropic 共同創辦人 Jack Clark 最近在他自己的電子報 Import AI 寫了一篇文章，預測 2028 年底以前有 60% 的機率，AI 會開始自己研發下一代的 AI。

聽起來很扯，但他這篇真的寫得不錯。Jack 是 Anthropic 七個 founder 裡面唯一沒技術背景的，平常都在跟政府、白宮談 AI 政策，所以他不太會講那種 CEO 在台上喊的狂預測。他這次就是把幾個公開的 benchmark 跟 Anthropic 內部研究的數據攤出來，一步一步推到這個結論。

裡面有些數字其實蠻嚇人的。像是 Anthropic 內部讓 AI 去優化語言模型，人類研究員大概只能做到 4 倍，最強的 Mythos 直接做到 52 倍。長時間任務的能力也從幾十秒跳到 12 個小時，年底可能會看到連跑 100 小時的模型。

不過我自己覺得這集最有意思的，是一個比較哲學的問題：AI 做研究比較像發現相對論，還是在組樂高？這個區別會決定這個預測到底有沒有可能成立。中間也會聊到 AlphaGo 那個有名的第 37 手，那一手到底算不算創意？

另一個我看完印象很深的，是 AI 對齊的風險。有個概念叫「複利錯誤」，你每一代都做到 99.9% 的準確度，跑完 500 代之後只剩下 60%。再加上 AI 已經很清楚自己什麼時候在被測試，它有沒有可能一直都在假裝對齊？目前其實沒人有答案，我自己看完是不太敢樂觀。

🔗 《矽谷輕鬆談》傳送門 👉 https://linktr.ee/jktech

(00:00) 開頭
(02:15) Jack Clark 是誰？為什麼他的預測值得認真聽
(04:28) 第一個理由：AI 寫程式的能力正在爆炸式成長
(06:16) 從 36 秒到 12 小時：AI 長時間任務的曲線
(08:13) 外插一下：明年 40 天、後年 400 天的 AI agent
(09:15) 第二個理由：AI 開始能複製論文、優化模型
(11:38) AI 做研究比較像發現相對論，還是組樂高？
(12:47) AlphaGo 第 37 手：那一手到底算不算創意？
(14:33) AI 對齊的風險：教 AI 不作弊其實很微妙
(15:31) 複利錯誤：99.9% 準確度為什麼撐不過 500 代
(16:39) 當 AI 比你聰明，你還驗證得了它嗎？
(18:11) 預測對錯不重要，重要的是學會他怎麼推導

如果你喜歡我的內容，歡迎加入會員支持我，讓我更有動力繼續分享更多好內容！
👉 https://www.youtube.com/channel/UCJIPFjZSCWR15_jxBaK2fQQ/join

各位，GPT-5.5 這次真的做到了。

我原本也沒有預期自己會這麼快從 Claude Code 轉到 Codex。前幾天工作到一半 Claude Code 又當機，我就想說好吧，剛好 GPT-5.5 也出了，那就把 Codex 裝回來試試看。結果一用之後發現，這次的體驗真的跟我上次印象裡的 Codex 不太一樣。

模型本身變聰明是一回事，但更有感的是整個 Codex App 的工作流變得非常順。Browser QA、Computer Use、plugin、multi-session 這些東西加起來，會讓你開始覺得它不只是另一個 coding assistant，而是比較像一個真的可以接進你日常工作流程裡的 agent 環境。

另外這集其實連後製流程我也完全改了。這次影片裡面的資訊圖卡跟視覺輔助，基本上都是用 HyperFrame 做出來的。我自己覺得加上這些圖卡以後，整個影片的質感有明顯提升，也比較能把一些原本很抽象的模型能力、benchmark、System Card 內容講清楚。如果你有看到這些新的視覺呈現，也歡迎留言跟我說你的感覺，我很想知道大家看起來覺得如何。

不過這集也不是單純在說「Codex 贏了」或「Claude Code 輸了」。我覺得現在 AI 工具變化太快了，今天你覺得某個工具最好，下個月可能又有新的東西出來。真正重要的不是忠於哪一家公司，而是你有沒有能力很快地切換、測試、驗證，然後把這些工具變成自己能力的延伸。

後半段我也深入看了 GPT-5.5 的 System Card。裡面有幾個很值得注意的點：像是它在長上下文的表現真的進步很多，長任務的穩定度也明顯變好；但另一方面，它變得比較不容易放棄之後，也可能在某些不可能完成的任務裡，更容易聲稱自己已經完成了。

我覺得這其實很有意思。當模型越來越像一個會持續嘗試、會使用工具、會自己修正的 agent，我們要看的就不只是 benchmark 分數，而是它到底知不知道自己在做什麼、它做錯的時候能不能回得來，以及我們人類要怎麼驗證它真的完成了任務。

System Card 裡還提到 chain of thought 監控、faithfulness、sandbagging 這些安全性測試。最有趣的問題是：模型表現得誠實，到底是因為它真的誠實，還是因為它知道自己正在被測試？

這集就來聊聊我為什麼最近改用 Codex，也順便從 GPT-5.5 的官方文件裡，看看這個模型到底進步在哪裡，以及它還有哪些值得我們小心的地方。

(00:00) GPT-5.5 做到了：OpenAI 真的回來了？
(02:01) 我的 AI 奇幻時刻
(03:16) AI 開始接管我的內容工作流
(05:41) 為什麼我從 Claude Code 轉到 Codex
(06:52) Codex 的殺手級功能：Computer Use
(07:35) Superpower Plugin：我願意轉換的關鍵
(09:35) AI 工具切換能力正在變成核心技能
(11:26) 工具不是重點，駕馭 Agent 才是
(12:49) GPT-5.5 到底強在哪？
(16:51) System Card 深讀：模型到底怎麼變了？
(18:57) 思想鏈會不會只是編給你看的？
(20:40) 模型會不會刻意裝弱？
(24:10) AI 工具風向變太快

👉 矽谷輕鬆談專屬優惠連結：https://nordvpn.com/jktech
訂閱即額外多送 4 個月｜30 天退款保證
#NordVPN

🔒 本集節目由 NordVPN 贊助

AI 工具讓詐騙集團幾十秒內就能生出一個幾可亂真的釣魚網站，以前靠排版、錯字來識破假網站的方法已經失效了。攻擊在自動化，我們的防護也要跟上。

NordVPN 內建「威脅防護」，在網路底層主動幫你攔截釣魚網站、惡意連結和網頁追蹤器，就連在咖啡廳用公用 Wi-Fi 也能全程加密保護，不用靠感覺，交給系統幫你顧。

每個月大概一杯咖啡的錢，就能讓你的網路安全從被動靠感覺，變成主動全自動防禦。有興趣的朋友透過下方矽谷輕鬆談的專屬連結試試看，訂閱額外多送 4 個月，30 天不滿意直接退，完全沒有損失。

如果你喜歡我的內容，歡迎加入會員支持我，讓我更有動力繼續分享更多好內容！
👉 https://www.youtube.com/channel/UCJIPFjZSCWR15_jxBaK2fQQ/join

過去幾年，我們看到 AI 模型的能力一路快速進步，從一開始大家在研究怎麼把 Prompt 寫好，到後來開始加入工具、記憶、工作流、狀態管理，也就是這幾個月很紅的 Harness Engineering 駕馭工程，讓模型不只是回答問題，而是可以更像一個真正能做事的 AI Agent。

所以很自然地，我們會開始想一個問題：如果模型繼續變強，再加上駕馭工程，把 LLM 原本不穩定、沒有狀態、容易幻覺的地方慢慢補起來，那這條路會不會就是通往 AGI 的答案？🤔

這一集我想從這個問題出發，聊聊我最近一直在思考的另一個角度：世界模型。

因為如果大語言模型本質上還是在理解文字、預測下一個 token，那它到底是真的理解這個世界，還是只是從大量資料裡學到「看起來應該怎麼回答」？

世界模型想補上的，正是這個部分。它不是單純讓 AI 生成下一段文字、下一張圖片或下一段影片，而是希望模型能夠理解現實世界背後的運作方式。比如一個杯子被推到桌邊會掉下去，一台車突然切進來你需要煞車，一顆球飛過來你會直覺知道它大概會落在哪裡。

這些對人類來說很自然的物理直覺，其實不只是「看過很多資料」而已，而是我們腦中有一套對世界運作方式的內部模型。世界模型的方向，就是希望 AI 也能建立類似的理解。🌎

這集我會用比較白話的方式，聊聊為什麼光靠 LLM 可能還不夠，駕馭工程到底補了哪些東西，以及為什麼世界模型可能會是 AGI 發展中很重要的一塊拼圖。

我也會提到 Yann LeCun 近年一直推的 JEPA 架構，還有為什麼他認為 Sora 這類生成影片模型，雖然看起來很像理解世界，但其實跟真正的世界模型還是不太一樣。

所以這一集不只是聊「下一個模型會不會更強」，而是想換一個角度來看：如果 AI 真的要變成一個能在現實世界裡行動、判斷、規劃的系統，它到底還缺什麼？

如果你最近也有一種感覺，覺得 AI 明明越來越強，可是用久了又會發現它離真正可靠的智慧還差一段距離，那這集應該會蠻值得聽的。🚀

(00:00) 開頭
(02:46) AI 詐騙時代的自動化防禦
(04:37) 為什麼我們頻道這麼少廣告？
(06:25) Meta 開發者體驗有多坑？
(10:32) 為什麼光靠 LLM 不能達到 AGI？
(12:22) Scaling Law 與 LLM 的天生限制
(13:25) 為什麼需要 Harness Engineering 駕馭工程？
(14:43) 另一條路：世界模型
(15:36) 世界模型到底想解決什麼？
(17:01) Sora 這類影片模型算世界模型嗎？
(18:51) JEPA：預測抽象狀態，而不是像素
(20:04) LeWorldModel 的新突破
(22:01) LLM + 駕馭工程短期仍是主流
(22:50) 未來可能是 Hybrid AI 架構

如果你喜歡我的內容，歡迎加入會員支持我，讓我更有動力繼續分享更多好內容！
👉 https://www.youtube.com/channel/UCJIPFjZSCWR15_jxBaK2fQQ/join

上個禮拜小朋友學校放春假跟全家去了一趟大峽谷，這種壯闊的景色真的要定時補充一下，書本上、影片上看再多還是沒有現場的臨場感強烈，然後你就會突然覺得，平常在公司瞎忙、在那邊計較誰的 AI token 燒比較多，在這片峽谷底下一點意義都沒有 😎

我最近買了一台 Mac Studio，本來是想拿來跑 local LLM 的，結果機器拿到以後一直擱著沒動工。剛好社群上都在瘋 Hermes Agent，想說那就先來裝裝看，沒想到一裝就回不去了。

這集我會講為什麼我覺得它比 OpenClaw 小龍蝦好，而且也會聊到我之前利用 Anthropic Client SDK + Agent SDK 自幹的個人助理，我是怎麼做到主 agent 可以跟我一直聊天不中斷，然後把所有工作都交給背景的 sub-agent 去跑，整個體驗非常絲滑，但為什麼我還是決定使用 Hermes Agent 呢？這個我會在影片慢慢聊。

另外，這禮拜 Anthropic 正式把 Opus 4.7 放出來了，不是大家期待的 Mythos，可以算是 Mythos 的安全閹割版。它有一個地方真的進步超多，就是檔案跟圖片的辨識能力，從 4.6 的 55% 直接跳到 4.7 的 99%，這個跳躍幅度完全不合理，我猜他們一定是找到了什麼訓練方法。但也不是全部都是好消息，我在影片裡會聊到為什麼換到 4.7 之後，你可能會突然發現自己的 Token 消耗變多了，整體花費變貴了。另外從三月開始，很多人都發現 Opus 4.6 的品質變差了，這是真的嗎？Anthropic 偷偷做了什麼事讓模型的思考能力下降？

這集我也會順便帶一下 OpenAI 最新的 Agent SDK 設計理念、Qwen 3.6 為什麼在 12 天內就把 Gemma 4 的 coding 能力打得毫無還手之力、還有一些我一邊用 Hermes Agent 一邊在想的東西，像是當我們越來越依賴一家廠商、一個模型的時候，該怎麼去平衡這件事。

總之就是有技術、有吐槽、也有一點旅遊心得，如果你最近也在用 Claude Code、或是在想要不要自己做個 agent、或是只是對 Anthropic 這波操作感到奇怪的，這集應該會蠻有共鳴的。

看完如果有想法，歡迎在底下留言跟我聊聊。最近我越來越期待看到大家的討論區，因為總是可以看到一些我自己沒想到的角度。

🔗 《矽谷輕鬆談》傳送門 👉 https://linktr.ee/jktech

(00:00) 開頭
(02:19) 大峽谷景色太美：比誰 AI Token 燒得多一點都沒意義
(05:34) 出去玩早睡早起身心舒暢 
(07:06) Hermes Agent 上手心得：不要裝小龍蝦了
(10:56) 自建 AI 助理：我怎麼做到主 agent 一直聊天不中斷
(12:41) 既然自建 agent 也不錯，那我為什麼最後還是換掉它？
(13:36) Hermes 名字背後的典故，與 skill 自動產生的設計
(15:55) OpenAI Agent SDK 新方向：harness 與 compute 分開
(19:07) Qwen 3.6 用 12 天把 Gemma 4 打趴
(21:03) Opus 4.7 發表：不是 Mythos，為什麼變貴了？
(22:38) Opus 4.6 真的變笨了嗎？完整時間線還原
(24:31) 4.7 發表同時，Anthropic 做了一件更微妙的事
(26:46) Anthropic 的 premium 還能收多久？

如果你喜歡我的內容，歡迎加入會員支持我，讓我更有動力繼續分享更多好內容！
👉 https://www.youtube.com/channel/UCJIPFjZSCWR15_jxBaK2fQQ/join

今年，我在美國即將待滿 10 年了！🤯 回想當初，身為一個臺大電機畢業生，出國其實完全不在我的計畫內。一切的起心動念，竟然只是因為不想跟柯柯談「沒有期限的遠距離戀愛」！😂 就這樣，我一路從半年衝刺托福、申請 CMU 矽谷分校，到落地美國第一天不去放行李，而是直接在「機場交車」準備全力找工作，開啟了我在美國這十年的破關打怪之旅。

這十年間，我經歷了 Square 這樣頂尖科技公司的高標準文化洗禮，也坐過公司股價從 20 塊狂飆到 300 塊、最後又跌下來的真實雲霄飛車，這段震撼教育讓我深刻體悟到「你永遠賺不到認知以外的錢」。雖然網路上常常看到大家抱怨灣區的缺點，但我必須大聲說一句真心話：在美國當軟體工程師，真的是太爽了！不用一直加班，同事間互相尊重，這十年真的讓我紮實地累積了專業與資產。

不過，既然這麼爽，為什麼我會決定：「這應該是我最後一份幫別人打工的工作了」？😫 隨著這一年 Claude Code、Cursor 等 AI 工具的突飛猛進，我發現自己有太多新的想法想要實現。當大腦不斷在公司專案與個人頻道間瘋狂切換，每天還要花大把時間在正職工作上，真的讓我覺得很煩躁，面對這個典範轉移的時代，我認為「不行動的風險，反而比留在原地更大」

本集精彩亮點：
✈️ 衝動赴美與機場交車的超狂開局： 為了不談遠距離戀愛而開啟的留學路！帶你回顧我落地美國第一天，不去安頓住宿直接約交車的破關打怪期。
🎢 股價 15 倍雲霄飛車的震撼教育： 在 Square 經歷股價暴漲又暴跌的血淚教訓，這段經歷讓我深刻體悟：為什麼你永遠賺不到「認知以外的錢」。
💻 打破勸退文迷思，矽谷工程師真心話： 網路上大家都在抱怨灣區？我必須大聲說：在美國當軟體工程師真的「太爽了」！
🤯 AI 時代的反思與「最後一份打工」宣告： 腦袋有滿滿的點子想實現，每天被正職綁住真的好煩躁！不行動的風險反而更大！

🔗 《矽谷輕鬆談》傳送門 👉 https://linktr.ee/jktech

(00:00) 美國 10 年回顧
(01:49) 別人的意見永遠只是參考
(02:50) 為什麼我會來美國？
(04:10) 半年衝刺申請留學與錄取 CMU 矽谷分校
(06:48) 高速成長的一年：第一天機場交車 + Airbnb 住十個月
(08:55) 加入 Square：體驗頂尖企業文化與多元性
(11:27) 你賺不到認知以外的錢
(13:16) 疫情爆發時把大螢幕扛回家的趣事
(14:20) 核心體悟：在美國當軟體工程師真的太爽了
(16:49) 這是我最後一份打工！