ByteDance group weekly: personal agent race and reading Anthropic's filing

Jingle Bell 初号机 @ScarlettWeb3Originally posted 2026.10.10

Open original on X

字节群10月国庆假期群精华总结（上） 这一篇含 AI 产品 + 投资分析 + 创作与财富方法论 一、个人 Agent ：Muse vs Grok Bot vs dot 9/30 OpenAI 开了发布会宣布用 Dots + Space 杀进个人 Agent 赛道 大家的体验是： “没有 Meta 的 Muse 那么丝滑简单，也没有 Grok Bot 那么 geek 有趣。” “dot 在工作场景打不过 Grok Bot，在生活场景打不过 Muse。” dot 试图切入工作场景，但目前体验仍有不少问题。dot 回答速度慢、操作 button 要等很久，以及所有聊天都在一个对话框里，回查信息比较费事。其中“代理会用 nebula-dns.crt 重新签发证书，所以理论上你的加密信息会被看到。”甚至有人发现，dot 背后的电脑基本处于不可用状态。 目前如果你需要个人 Agent，这是我们给你的建议： - Muse 辅助日常生活助理，包括日程安排、Trip 和购物； - Grok 处理工作、学习研究，可以创建多个 agents 互动，可云端可本地，还可以调用 Claude 和 Gemini，甚至能在 Tesla 上使用；但生活邮箱和工作邮箱分开 发邮件时，要求 Agent 先写成草稿放进草稿箱，不要直接发送，自己看过之后再发。读取信息、做前面的准备工作可以交给 Agent，但最后拍板、写入，还是自己来 10/7，Meta 又联合 Sierra 宣布 Personal Agent Protocol（PAP） 三个协议：MCP：Agent 调用工具 / 数据，属于垂直连接。A2A：Agent 把任务托付给另一个 Agent，属于水平协作。PAP：个人 Agent 合规地代表用户找商家办事，解决身份和授权问题。 现在的 Agent 还在学人点网页、填表、打客服电话，又慢又容易翻车；企业一边怕被乱爬，一边不知道对面到底是人还是 bot：没有标准之前，这就是混乱。 但也随之出现新机会：做业务 Agent 对接个人 Agent。 不过 Personal Agent 大战已经开启，这是巨头的战场，创业者慎入。 国内大厂也在推进个人 Agent。腾讯的 WorkBuddy 小程序曾被评价为有点开倒车：因为还只是用 TUI 取代传统 GUI，每个应用依然是分开的入口，各聊各的，各自守着自己的数据。。。但后来 ChatGPT 也推出了类似的小程序形态，于是大家调侃：“骂错了，ChatGPT 抄了腾讯这个小程序，马化腾是个内行。” ^ ^ 毕竟腾讯的 QClaw 宣布 12 月 24 日停运，AI 时代还是太快了。。。 二、Anthropic 递交招股书： ARR 超过 OpenAI？先看清楚口径 9/29，Anthropic 递交招股书，披露的数据很夸张：FY25 收入同比增长 1088% 至 45.9 亿美元；算力和基础设施支出增长 190% 至 73.3 亿美元；经营亏损 80.6 亿美元；年末持有现金及短期投资 202.8 亿美元。两个最大的直接客户合计占总收入的 24% 10/8 晚上，“Anthropic ARR 正式 flip OpenAI 了”的消息把市场带崩了。。。 但仔细拆开口径：没有超过，时间和口径都不一样。 Anthropic 的 run-rate revenue，是把过去 28 天的按量付费销售额乘 13，再加上每月订阅收入乘 12。 OpenAI 的 annualized revenue，则只算上个月的订阅收入乘 12，没包含按量付费，也没包含微软等合作方的销售。 而且 Anthropic 的按量付费销售额包含 AWS、微软、Google 的转售，也没有减去云服务商的分成。拿两个口径不同的数字直接比较，再得出 Anthropic 已经超过 OpenAI 的结论，并不成立。 关于订阅经济学，如果按 API 等价值算，Anthropic 订阅的含金量约是 OpenAI 的 5 倍。虽然订阅收入约占 Anthropic 全部收入的 10%，却可能消耗 40% 以上的推理算力。这也解释了为什么 Anthropic 对把 Max 订阅用量吃满的用户格外敏感。 A/ 封号问题这周同样严重。有同一张卡一直给第二个账号付款、反复尝试，导致第一个账号也被封；另一个账号则因为反代被封。。。达里奥我真是祝你身体健康 🌹 另外，Anthropic 发布 Haiku 5.5，100K token 以内价格降至每百万 token 输入 $0.10、输出 $0.50，相比 Haiku 4.5 的 $1 / $5，降价约 90%。 对于 Opus 5.5，应该是上一代基座模型更好的工程化蒸馏版。Dario 说要放慢，但发版比谁都快。 三、存储退潮，电力接棒： AI 和大宗商品资源是接下来两大主线 国庆期间，群里最明显的感受是：“整个假期只有存储在挨打。” 多头表示“存储就是近期利润太高了，利润率下降的预期覆盖了整体市场增长的预期。”长期逻辑则是：“数据存储的需求接近无限，资本这阶段认不认成长性另说。”还有猜想：“存储的下一波是物理 AI 和世界模型，看这两个 PPT 概念能不能向前推动。” 但如果下次指数上攻存储不共振，就要警惕了。 对美光的判断则是老话重提：“增长如果主要来自涨价，就不可持续；不可持续的业绩对股价毫无帮助，因为股价对应的是后续的自由现金流，不是之前的。” 而这段时间的新主线，是电力和大宗商品。 电力方向此前关注的包括 BE、CEG、VST、VRT；大宗商品则可以关注巴西市场 EWZ，以及铜相关的紫金矿业。毕竟紫金矿业有一半也是 AI（铜） 现实侧也有佐证：目前算力中心电工紧缺，工资持续上涨；美国的土木和电力行业同样不愁没活，到处都在建数据中心。AI 基建的扩张，已经不只是芯片和服务器的问题，而是进一步拉动电力、工程施工和资源品。 四、有人用 AI 对比了美股群 6 月与 9 月底到 10 月初的聊天，得出了一些很有意思的结果 最核心的转变是存储信仰退潮。 六月“存储”的出现频率约是现在的 1.9 倍，“海力士”约 3.2 倍，HBM 更明显，现在只有六月的约 10%。六月的典型对话是：“有人在存储车上吗？”“你应该问有人没在存储车上吗？”“这个群含存率应该有 50%。” 其次是从“下一个能涨什么”变成“我到底应该怎么长期配置”。QQQ 的讨论密度约是六月的 3.2 倍。“梭哈”下降约 48%，“贷款”下降约 55%，但“止损”增加约 63%。 接着，幸存者偏差意识变强了。 现在有人说“小跌小买、大跌大买”，马上会被质疑：“现在回头看 7 月梭哈当然容易，但你 7 月当时真的梭了吗？” 总结：六月：“存储永远缺 → 两倍海力士 → 今晚梭哪个 → 财富自由。” 现在：“存储我吃过亏了 → 还是配点 QQQ → 杠杆别太高 → 这个 Agent 产品怎么实现 → 晚上美股开盘再看。” 果然亏了才会形成自己的投资体系，人们都一样。 六、亲手写代码已经不再是一项有经济价值的事业 这段时间，关于 AI 如何改变程序员工作的讨论非常密集。 到今年底，几乎所有领域、几乎所有程序员、几乎所有公司，都可能面临这种变化。 这不是说创造本身失去了价值，而是亲手敲代码的那段旅程结束了，一份全新的职业正在出现：成为专业的创造者，驾驭智能来创造新产品。 Anthropic 自己的使用报告也表示：在产生代码的任务中，法律、金融、管理、科研等非技术职业用户的成功率已经接近软件工程师。 真正影响结果的，是用户是否理解自己要解决的问题。大公司的病是人多活少，大家为了假的工作量互相争斗。AI 真正该做的，是把注意力和时间还给人。 公司本质上是一连串 loop：从 prompt 驱动 agent，再由 agent 构成 loop；编码 loop 迭代代码库，业务 loop 重塑业务本身。 其最强形态甚至是：“loop 主动给 CEO 发消息：该改商业模式了。”但 loop 只能爬向局部最优：“决定下一座山在哪里的永远是人。” 所以管理者的三条策略是： 1. 让公司 / 工作自动化——Agent Loop。 2. 把自己网络化，加强人感、建立 IP。 3. 拿赚来的钱投资下一代科技公司。 人感更重要了。因为大量的东西都是 AI 做的，只有少量的人加 AI 做的东西才是好的。 AI 创作：花 21 元做一部 AI 短视频，播放 100 万+，收益只有 4 元。单看平台收益，财务上绝对亏本；但播放带来的讲课和商单，远远超过 21 元成本。 所以：“一定要多创作、坚持创作、坚持输出。” 而创作方式本身也会改变。一个很有意思的概念是 Intentware（意件）：LUI（Language User Interface）仍然只是中间产物，未来的 User Interface 将围绕用户意图构造，而不再拘泥于图形、命令行、语言甚至脑电波。 需要什么，就用什么：“内容生产越容易，难以复制的东西就越值钱。” AI 可以拷贝宫崎骏的风格，但造不出一个新的宫崎骏： 品味做到极致，就是回到纯粹的自我 七、零散。 MongoDB 因 CEO 离职加盟 Meta 的消息暴跌后，有人复盘了此前清仓的逻辑：“AI 时代之前是 co-founder 特供数据库，有了 AI 就没必要了。” 所谓“用户黏性很强”和“每个工程师都讨厌它”，其实是一体两面：MongoDB 最初使用时摩擦低、开发者体验好，但项目做大之后，应用实现已经和它的机制深度绑定，迁移到其他数据库的摩擦会非常高。 过去很多产品最初由 co-founder 亲自开发，为了追求速度、灵活性和面向应用，会倾向选择 MongoDB。但现在做新产品，不再需要 co-founder 自己手写代码。 “虽然 MongoDB 的存量还在、可以继续榨取价值，但增量很危险。” 所以买入原因不成立了，才会卖。 本地算力硬件大涨，本地模型怎么选？ 两台 Spark 跑 GLM-5.3-Flash 和 DeepSeek-V4-Flash 跑 DeepSeek-V4.1-Flash 要用 4 台 Spark 小模型 Qwen3.8-27B 用 4090 就够了，27B 适合用游戏显卡跑，带宽大。如果是 Mac Studio 的话，还是 Qwen3.8-Flash-Next 最合适——专门为这种低带宽大内存设计的 MoE 架构 这周大家发现 Opus 5.5 的“一键成片”功能极度在线 什么都没开，就是纯粹的文本聊天，所有工具都是它自己找自己搞，最终呈现视频效果 / 剧本完整性 / 人声匹配度 / 音乐音效配合度，能过各大视频站收益基准线，程度可以说是能在各种正式的电子音乐官方排名里直接打榜 Seedance 对导演来说是非常好的模型。但 Opus，感觉它自己就是最强的导演。 LLM 不需要自己直接生成每一帧视频，而是可以通过代码、软件和各种工具，自己把完整的制作流程串起来 成本做一个 MV 可能也就 10 美元的 token

This post quotes another post: “ByteDance group notes define Jev as a judgment-only model for agent decision points”