新媒易动态
NEWS CENTER
NEWS CENTER
2025-06-07
Lauren：接下来你们的要点方向是什么？咱们看到你们在代码、企业场景方面做了许多，也听说有新模型发布。能够泄漏一点未来规划吗？
Me：关于模型和产品，咱们的目标能够用一个词归纳：Agent。我知道现在许多人都在谈这个概念。咱们想做的是，为这种新形态供给底层支撑。
代码仅仅一个起点，它展现了一个更广泛主题的雏形：模型能否连续作业几个小时乃至更久？那几乎能够说便是咱们的长期目标。
要完成它，模型不只需更强大，还需求一整套配套体系：1、记忆才能（让模型记住自己做过什么）2、高级工具调用（不只仅搜索，还能运用复杂工具）、主动适应安排结构（进入企业后知道该做什么）4、可验证性与日志记录（比方一家公司有 100 个 Agents 运行，怎样监管？）咱们不打当作这个生态里的每一个环节，但期望咱们的模型能成为这些构建的柱石。
Lauren：那新模型快来了？
Mike：永久都有新模型在来的路上。这个领域的更新速度实在太快了——但咱们很快会有一些很帅的新东西发布，敬请期待。
观众发问：作为产品负责人，你现在最头疼的问题是什么？
Mike：对咱们来说，最大的问题是——AI 产品对新手来说仍然太难用。咱们确实规划了一些很有价值的作业流，但它们仍然需求用户“用对方法”。
只需运用途径稍微违背主线，作用就会大打折扣。不像你第一次翻开 Instagram，知道该拍照、该发帖。AI 产品还远没做到那种“开箱即用”的程度。当然，这与咱们当时偏重于“作业场景”而非“日常娱乐”有关。但我常常在想，现在模型的才能现已很强了，可实践能用好的用户仍是太少，潜力还远未释放。
观众发问：你怎样看最近有篇热议的文章 AI 2027（关于 AI 的未来路线预测）它提出模型将被“推延发布”，以便充沛利用它们带来的利润与资源，这点你怎样看？
M：这篇文章有两个点我特别认同。第一是算力的重要性。这个论题并不新鲜，但它确实是每家 AI 公司的核心问题。咱们每天都在讨论：咱们现在的算力储备怎样？下一代要用什么芯片？和谁协作？这些讨论，几乎与文章中提到的一致。
第二点是是否该“成心推延模型发布”，来最大化报答。这个争议很有意思。比方，最近扎克伯格在一次访谈中提到，为 LLaMA 敞开 API 的权衡：你是要把算力花在用户身上，仍是持续强化 RL 练习？这是每家试验室都在面对的选择。咱们也要考虑——咱们是否应该把算力分给一个利润可观的大模型产品，仍是保存给那些“还在萌芽期的疯狂新主意”？后者或许孕育出下一代架构打破。这不是一个简单的平衡题。
我个人更倾向于——尽早让模型进入实在商场。Claude 3.5 系列之所以能做得这么好，便是由于咱们从实践用户反应中快速迭代。假如只在试验室里封闭开发，咱们或许不会走到今天这一步。
观众发问：在一个既做研讨又做产品的大型安排中，怎样平衡两者？是产品来界说研讨方向？仍是研讨决定产品才能，然后产品再接洽？
Me：我经常会要求产品团队去考虑：假如咱们做出的产品，仅仅把一个 API 模型包装了一下，且功用跟别家也差不多——那咱们到底在做什么？咱们有一群世界尖端的研讨人员，假如产品没有充沛用上他们的成果，那便是浪费。
有一个正面案例是 Artifacts：它是专门为 Claude 进行微调打造的产品，作用非常好。但咱们也经历过一段时间，产品和研讨脱节，没有真实把模型才能“装进”产品。咱们正在回归，从头强调“产品=模型才能+交给方法”。
现在咱们在这方面的协作还不够，大约只要 10% 的研讨人员参与到产品中。但咱们也知道——比方让模型更好地履行指令，其实对所有产品都有正面协助，这种基础性研讨咱们仍然在投入。咱们也在调查 OpenAI 的一些做法，比方他们或许会对 ChatGPT 做专门的微调版本，尽管咱们首要是经过 Chat 界面来用它，但背后或许跑的是不同模型。咱们现在没有这么做，这在节约算力的同时，或许也限制了一些差异化体会的完成。
观众发问：你怎样看关于 Agent 之间的沟通协议的未来的标准化？Anthropic 会制定类似标准吗？
Mike：我觉得现在还没有谁真实处理了其中一个关键问题——Agent 要不要泄漏信息、泄漏多少？比方：假如你的 Agent 要与供货商打交道，能够泄漏信用卡信息。但假如它仅仅与一个生疏 Agent 互动，那就该保存隐私。这种“提醒什么、隐藏什么”的判别，既是产品规划问题，也是一项没有处理的研讨课题。
模型天性想“讨好”你，简单泄漏太多；但假如它什么都不说，又或许变得过度保守。这种细腻的判别力，现在还没有被很好地练习出来。
另一个挑战是：怎样在大规模部署时进行可检查。比方，假如一家公司部署了 100个 Agents，要怎样记录他们的行为？怎样设定权限？乃至——这些 Agents 是否应该有“姓名”？咱们还在考虑这些问题，有些更像研讨问题，有些则是行将到来的产品挑战。
观众发问：你觉得现在在做 AI 运用层产品的人，最简单犯的过错是什么？
Me：我不想说是“过错”，但我调查到一个常见现象：许多 AI 产品是从“轻量 AI”开始，后来才逐渐变“重 AI”。但在这个过程中，他们常常仅仅把 AI 功用放在产品的边栏，成了一个非必须进口，体会也比较分裂。
而随着产品功用越来越依靠 AI，这种结构就会拖后腿。所以问题不是 AI 才能不强，而是你是否愿意从底层从头构建产品，让 AI 成为“第一用户”。
另一个很常见的问题是——运用没有暴露足够多的“操作阐明”给模型运用。举个比如，当你让模型帮你做点事，它说“我做不到”，但实践上是你没有规划好接口，让它能够调用这些功用。这本质上是规划问题：你是先造了个 GUI，然后再把 AI 贴上去；但其实，你应该是先考虑 AI 怎样用它，让 AI 成为你的产品的“首要运用者”。