Build for the Next Model

資料來源#

• Anthropic's Boris Cherny: Why Coding Is Solved, and What Comes Next
• Designing with Claude: From prompt to production
• How Anthropic's product team moves faster than anyone else | Cat Wu (Head of Product, Claude Code)

摘要#

這是 Harness Shrinkage as Models Improve 在產品策略上的推論，如今已由三位 Anthropic 的成員獨立闡明：不要建造已經可以運作的東西——去為「幾近運作」的東西設計原型，並押注下一個模型版本能彌補其中的差距。 Dan Carey 給出了最明晰的案例：Claude Design 發布時帶有一系列團隊「沒有透過聰明的工程設計解決⋯⋯而是透過 Opus 4.7 的推出解決」的問題。Boris Cherny 打造 Claude Code 時就知道「它在 6 個月內不會有 PMF，因為我們是為下一個模型而打造。」Cat Wu 將這項紀律框定為「先打造不一定能正常運作的產品，好讓你知道缺少了什麼⋯⋯然後在最新模型推出時直接替換進去。」因為模型進步迅速，花費工程心力去強求今天的模型做下季度模型能免費做到的事，是徒勞無功的——「模型的發布是能載起所有船隻的潮水。」

Carey 的陳述（以及為何它最明確）#

「你不會想去研發已經可以運作的東西。你通常會想去為幾近運作的東西設計原型⋯⋯下一個模型可能就會直接解決你無法透過工程解決的問題。我們在 Claude Design 就遇到了這種情況⋯⋯我們透過 Opus 4.7 的推出解決了這些問題。」

這是對此賭注罕見的回顧性、具體驗證：一個具名的產品（Claude Design）、一個具名的模型（Claude Opus 4.7），以及一個特定的結果（未解決的原型差距由新版本模型抹平，而非由工程解決）。Boris 與 Cat 前瞻性地闡述了這項策略；Carey 則展現了它的回報。

關鍵的校準：下一個模型，而非稻草人 AGI#

這個賭注很容易被誤讀為「為某種想像中的超級 AI 而建構」。Cat Wu 正是防範了這一點——她在她的實體頁面上所記錄的立場是「為當前模型建構」：「為超級 AGI 的強大模型建構產品非常容易。困難的是找出如何針對當前模型，激發出其最大能力？」這兩者可以協調為一條規則：

• 不要僅針對當前模型進行建構 → 你的目標會過低，且在下一個版本落地的瞬間，你出貨的產品就已經過時。
• 不要針對遙遠未來的 AGI 稻草人進行建構 → 你的目標會過高，且會出貨依賴於無人擁有的能力的空頭支票產品（vaporware）。
• 為下一個具體的版本（約 6 個月後推出的模型）建構 → 你為「幾近運作的事物」設計原型，將其作為研究預覽發布，並讓你可以合理預測的下一個版本來彌補差距。

Carey 指出了該原型所追求的目標：不是完整性，而是「那一絲魔力⋯⋯某些在未來可能變得［完整］的東西。」

為什麼這遵循 The Bitter Lesson#

這是 The Bitter Lesson 與 Harness Shrinkage as Models Improve 在產品端的體現：能力會隨著版本更新而遷移到模型內部，因此為了彌補當前限制而建構的 scaffolding 是一項貶值資產。如果某個差距是那種可以透過擴展規模來消除的（如推理、指令遵循、多模態保真度），那麼用工程手段去修補它，無異於建構一個你很快就會刪除的拐杖。這裡的紀律在於識別哪些差距屬於「等待模型解決」的差距，哪些則是持久的 harness 工作（Harness Shrinkage as Models Improve 的警告：機械式驗證、安全防護、品牌／性格並不會向內遷移至模型中）。

需維持的張力#

「為幾近運作的事物設計原型」與 Problem-Solution Fit Discipline 的原型即證據陷阱存在直接衝突：快速原型只能證明建構是可行的，並不代表問題是真實存在的。其協調方式為：build-for-the-next-model 關注的是能力風險（技術能達到那裡嗎？——是的，等它就對了），而不是市場風險（有人需要這個嗎？——原型無法回答這個問題）。你仍然需要透過使用者來驗證需求；你只是不浪費工程心力去強求一個下一個模型會交給你的能力。Carey 自己的防護措施是，將賭注建立在 Compounding Loop Optimization 與每日使用者接觸之上——即使將特定的能力差距留給模型去彌補，「產品的雛形」仍會持續得到驗證。

相關連結#

• Harness Shrinkage as Models Improve —— 母論題；這是其在產品策略上的推論，且該頁面的「Build for the next model」段落也指向此處
• The Bitter Lesson —— 根本原則：能力向內遷移，因此用於補償的 scaffolding 會貶值
• Claude Opus 4.7 —— 抹平了 Claude Design 未解決差距的具體模型版本
• Claude Design —— 案例研究產品
• Dan Carey —— 回顧性陳述；Boris Cherny 與 Cat Wu 則是前瞻性地闡述
• Prototype Over PRD —— 你如何快速撰寫「幾近運作」的賭注
• Compounding Loop Optimization —— 在等待模型彌補能力差距的同時，驗證產品雛形的 loop
• Problem-Solution Fit Discipline —— 反向學科／對抗性紀律：不要讓「幾近運作」演變成「原型驗證了該創意」
• The Verifiability Thesis —— 下一個模型能可靠改進的是可驗證回報（verifiable-reward）的能力；而不可驗證品味方面的差距，則是「等待模型解決」中風險較高的部分

開放性問題#

• 在下一個版本發布之前，你如何區分「等待模型解決」的差距與持久性的 harness 差距？如果弄錯了，你不是出貨空頭支票產品（vaporware），就是建構了一個之後會刪除的拐杖。
• 這個賭注取決於可靠的發布節奏以及可預測的能力曲線（Task Time-Horizon Scaling）。如果模型改進停滯不前（即 stalled-but-diffused 的未來），那麼「build for the next model」會發生什麼變化？
• 這項策略能否推廣到前沿實驗室（frontier labs）之外？這些實驗室擁有對下一個模型特權式的能見度。而外部團隊則是在押注一個他們看不到的版本。

資料來源#

• Designing with Claude: From prompt to production —— Carey：「我們透過 Opus 4.7 的推出解決了這些問題」
• Anthropic's Boris Cherny: Why Coding Is Solved, and What Comes Next —— Boris：「為下一個模型而打造」
• How Anthropic's product team moves faster than anyone else | Cat Wu (Head of Product, Claude Code) —— Cat：「打造不一定能正常運作的產品」