今日主线
Sonnet 5 发布、硬件-软件协同设计革命与全栈平台的 Agentic 转向
Claude Sonnet 5 正式发布，这是 Anthropic 在模型性能与成本效率之间的一次重要权衡。Sonnet 5 在推理、工具使用、编码和知识工作方面相比 Sonnet 4.6 实现了大幅提升，性能接近 Opus 4.8，但价格更低——即日起成为 Free 和 Pro 用户的默认模型，Max、Team 和 Enterprise 用户也可使用，并享受 8 月前的首发定价。早期合作伙伴发现 Sonnet 5 能够在复杂任务中坚持到底——之前的 Sonnet 版本常常中途停止——还能不待追问就主动检查自己的输出。Aaron Levie 透露，Box 在自家的 AI Complex Work Eval（面向企业文档端到端处理的 Agent 基准测试）中测试了 Sonnet 5，结果显示其保持了「前沿水平」。与此同时，Claude Desktop 正式登陆 Linux，Boris Cherny 回应了 Linux 开发者社区长期以来的呼声。Claude 的产品线正在经历从模型到平台的全方位扩张。
Dylan Patel 在 Training Data 播客中与 Sequoia 合伙人 Sean 进行了长达一小时的深度对话。SemiAnalysis 从一个人的爱好成长为约 90 人、年收入据传突破 1 亿美元的研究机构，背后是 Patel 十多年来对半导体供应链的持续追踪——从 12 岁修 Xbox「三红」开始，到如今成为业界最具影响力的硬件分析平台。Patel 的核心论点是：AI 真正 100 倍的杠杆不在模型层，而在硬件-软件协同设计。他详述了 GPU 供应链现状、NeoCloud 生态的兴起（Thinking Machines、Tinker 等已实现数亿美元 ARR）、ASIC 创业公司（如 Etched 专为 Transformer 推理设计的芯片）以及 AI 基础设施正在形成的多极化格局。Patel 还分享了一个有趣洞察：NeoCloud 的繁荣源于「把鱼饵撒进水里，最好的鱼会自己活下来」——CoreWeave、Crusoe 等从加密货币转型而来的公司最终胜出，靠的是团队执行而非赛道选择。
Vercel CEO Guillermo Rauch 宣布推出 Vercel Services，允许开发者在同一个项目中配置 Python 后端 API、ExpressJS 服务器和 React SPA，通过 `vc dev` 本地运行并统一部署和回滚。Rauch 还透露正在与 Shopify 合作推进「Agentic Web」。另一边，关于 Fable 回归的期待在 AIEWF 会场和开发者社区中持续升温——从会场到墨西哥度假村，开发者们都在等午夜发布。AI 基础设施与模型层的创新正在以惊人速度同步演进，而 Amjad Masad 指出了一个关键瓶颈：AI 推理成本居高不下的部分原因在于，大多数工作负载仍运行在「大模型时代之前设计的通用硬件」上——真正的突破可能来自专为现代推理设计的芯片架构。
Training Data：Dylan Patel 谈为什么硬件-软件协同设计是 AI 真正的 100 倍杠杆
YouTube · Training Data with Sequoia Capital
Training Data 本期请到了 SemiAnalysis 创始人 Dylan Patel，与 Sequoia 合伙人 Sean 展开了一场横跨半导体历史、供应链格局和 AI 基础设施未来的深度对话。Patel 的起点颇具传奇色彩：12 岁时 Xbox 360 的「三红」硬件故障，迫使他拆机短接温度传感器——这成为了他与硬件一生纠缠的起点。从在 Reddit 上管理 Android、Apple、Google 和硬件板块，到创办 SemiAnalysis，Patel 花了十多年将半导体分析从一个小众爱好做成了 90 人团队、据传年收入超 1 亿美元的研究机构。
Patel 的核心主张是：AI 时代真正的 100 倍杠杆在于硬件-软件协同设计，而非单纯追逐更大的模型。他详述了 GPU 供应链的紧张现状——从台积电的产能分配到 NVIDIA 的定价策略——以及 NeoCloud 生态的崛起。Thinking Machines 和 Tinker 等 NeoLab 公司各自实现了数亿美元的年经常性收入，而 CoreWeave、Crusoe 等从加密货币挖矿转型而来的公司，凭借执行力在「撒鱼饵」式的市场筛选中活了下来。Patel 对 ASIC 创业公司如 Etched（专为 Transformer 推理设计的芯片）持乐观态度，认为专用的推理芯片正在从概念走向量产。
对话还触及了一个更宏观的判断：AI 基础设施正在走向多极化。Patel 认为单一供应商主导的局面不可持续，从芯片设计（AMD、Intel 的追赶）到云服务（NeoCloud 的崛起）再到地缘政治（中国开源模型的全球影响力），多重力量正在重塑格局。他也分享了 SemiAnalysis 内部的独特文化：90 人团队中一半是供应链工程师、一半是前对冲基金分析师，两派在办公室里的争论——「这个技术最酷」vs「但成本呢？」——正是 SemiAnalysis 研究报告质量的根本保障。Sean 在结尾感叹：「听你聊这些就知道你有多拼——十多年的投入，换来了这几年的天时地利，但这只是开始。」
收听原片 ↗
Claude 官方
@claudeai
Sonnet 5 is a substantial improvement over Sonnet 4.6 on reasoning, tool use, coding, and knowledge work. Its performance is close to Opus 4.8, at lower prices. Early access partners found Sonnet 5 finishes complex tasks where previous Sonnets stopped short, checks its own output without being asked, and does all its agentic work at an attractive price point. Sonnet 5 is now the default on Free and Pro, and available to Max, Team, and Enterprise users, with introductory pricing through August. 原推 →
Aaron Levie
@levie
We've been running Anthropic's Claude Sonnet 5 through the Box AI Complex Work Eval, our agentic benchmark that puts models through real enterprise document work end-to-end. Sonnet 5 holds frontier-class performance. More data is showing the opposite of what many people expected with AI adoption and jobs. Ramp found that the more AI adoption a company has, the more their headcount grows. At Box, we recently did a similar analysis and found the same pattern internally. 原推 →
Boris Cherny
@bcherny
You asked, we listened. Claude Desktop on Linux is here! 原推 →
Guillermo Rauch
@rauchg
Vercel Services: You can now collocate e.g. a Python backend API, an ExpressJS server, and a React SPA in one Vercel project. You can run all locally with `vc dev`. Deploy and rollback all together. So great to get to work with Tobi and the wonderful Shopify team. Excited to push the agentic web forward. 原推 →
Amjad Masad
@amasad
AI is expensive to run partly because most workloads today run on generic hardware designed pre-LLMs. Etched is the first system designed from the ground up for modern inference. 原推 →
Aditya Agarwal
@adityaag
It is a very strange state of the world where the models powering innovation in the USA are Chinese open source models. 原推 →
Madhu Guru
@realmadhuguru
The biggest challenge for trad PMs trying to adapt to AI native building is a lack of magical thinking. A decade of frameworks, 'agile' and metric obsession has led to constraint-first, incremental thinking. AI native building requires imagining what's possible before constraints exist. 原推 →