Code with Claude London 2026：開幕主題演講（第 2/4 段） ☕ Buy me a coffee

🧑‍🏫 這段是 2026 年倫敦 Code with Claude 開場演講的第二部分。前半段是 Anthropic 研究型產品經理 Lisa 回顧 Claude 每一代的突破、講接下來的方向，並給開發者建議；後半段開始介紹 Claude 平台，重點是一個讓企業花較少錢拿到頂尖品質的做法。想知道 AI 為什麼進步得這麼快、接下來可以交給它做什麼，這段很值得看。

• 12:10 research PM 團隊的 Lisa 2023 年加入 Anthropic，參與了 Claude 3 以來的每一次模型發表，共把 17 個版本的 Claude 交到使用者和開發者手上
  ↳ Lisa 是研究型產品經理（research PM，負責把研究成果變成能用的產品），2023 年加入 Anthropic。從 Claude 3 起每次發表她都有參與，總共推出 17 個版本。
• 12:10 Opus 3 大約兩年多前發表，是第一個能熟練寫出長篇程式碼的模型
  ↳ Opus 是 Claude 最大、最強的等級。Opus 3 在兩年多前推出，是第一個能穩定寫出一長段完整程式的模型，不再只會寫零碎片段。
• 12:10 Sonnet 3.5 new（Sonnet 3.6）是第一個能安全操作電腦的模型
  ↳ Sonnet 是中階等級。Sonnet 3.5 新版（也有人叫它 3.6）第一次能像人一樣看螢幕、點滑鼠、打字來操作電腦，而且操作方式是安全的。
• 12:10 Sonnet 3.7 是第一個會先思考再回答的模型
  ↳ Sonnet 3.7 拿到問題後，會先在內部推敲、整理思路再回答，不會一拿到問題就直接回。
• 12:41 去年在這個活動上發表的 Opus 4，事後發現是第一個能寫出複雜 Excel 檔和 PowerPoint 文件的模型
  ↳ Opus 4 是去年在同一場活動發表的。推出後大家才發現，它能做出結構複雜的 Excel 檔和 PowerPoint 簡報，不只是純文字。
• 12:41 最新的 Opus 4.7 和 Mythos preview 能從頭到尾負責成果，也能在高度模糊的任務裡自己判斷、把任務完成
  ↳ Mythos preview 是影片提到的另一個最新模型（預覽版）。它和 Opus 4.7 都能把一件事從頭負責到尾；就算指示很模糊，也會自己判斷怎麼做，然後做完。
• 13:12 腳步沒有放慢，反而在加速：過去 12 個月推出了 8 個 frontier 模型，每一個都建立在前一個的基礎上
  ↳ frontier 模型指當下能力最頂尖的模型。一年內推出了 8 個，每個都建立在前一個的基礎上，所以進步不但沒變慢，反而越來越快。
• 13:12 Claude 的行為和能力是當天其他所有內容的基礎；Claude 越強，開發者的起跑線就越往前
  ↳ 整場活動介紹的工具和產品，都建立在 Claude 本身的能力上。模型越強，開發者（寫程式做產品的人）一開始就站得越前面。
• 13:43 「指數」觀點：模型智慧提升時，應用場景的價值會呈指數成長。例如 agentic coding 的影響遠大於程式碼自動完成
  ↳ agent 是能自己規劃、動手做事的 AI。「自動完成」只幫你補下一行程式；agentic coding 是 AI 自己寫、測、改一整段工作。模型變聰明一點，能做的事價值會多很多。
• 13:43 智慧的逐步提升會創造新市場、把整塊餅做大
  ↳ 模型每聰明一點，就多出一批以前做不到的用途，因此長出新生意，而不是在原本的市場裡搶同一群客人。
• 14:15 benchmark 進步固然好，但更令人興奮的是 Claude 做到以前做不到的事
  ↳ benchmark 是標準化測驗的分數。分數進步當然好，但更讓人興奮的是出現「以前根本做不到、現在做得到」的事。
• 14:15 Anthropic 率先開發的能力包括：tool use、computer use、依任務調整的思考、能在數百步中維持計畫的 agentic loop、長 context window
  ↳ Anthropic 說這些能力是它先做出來的：tool use（呼叫外部工具）、computer use（操作電腦）、依任務調整要想多少、agentic loop（連做數百步不忘計畫）、長 context window（一次能讀進很多內容）。
• 14:15 在 Claude 上開發，就是用最早推出這些能力、也花最長時間讓它們變可靠的模型家族
  ↳ 意思是這些能力 Claude 最早推出，也花最久時間把它們磨穩，所以用 Claude 來開發會比較可靠。這是 Anthropic 自己的說法。
• 14:45 模型智慧的基礎已足以支援各種領域：修改行銷簡報設計、用修訂模式批改法律文件、建立財務預測、分析基因定序資料
  ↳ 模型的基本能力已經夠用在很多專業領域，例如改行銷簡報的設計、用修訂模式批改合約、做財務預測、分析基因定序資料。
• 15:15 客戶案例：coding agent AMP 的 smart mode 改用 Opus 4.7，因為它在內部 benchmark 表現較好；模型需要的輔助變少，工具也跟著簡化
  ↳ AMP 是一個 coding agent（會自己寫程式的 AI 工具）。它的 smart mode 改用 Opus 4.7，因為在自家測試裡表現較好；模型需要的輔助變少，工具也就能做得比較簡單。
• 15:15 客戶案例：Rakutin（字幕拼法）用內部 benchmark 測試，Opus 4.7 解決的 production 工程任務是前一代的三倍
  ↳ production 指真的上線、有使用者在用的系統。Rakutin（字幕的拼法）用自家測驗比較，Opus 4.7 解決的真實工程任務是上一代的三倍。
• 15:15 另一位客戶看到 Opus 4.7 在規劃階段就抓出自己的邏輯錯誤，執行速度也遠超過以前的 Claude 模型
  ↳ 另一位客戶發現，Opus 4.7 還在規劃、還沒動手的時候，就會指出客戶自己的邏輯有錯，而且做事速度比以前的 Claude 快很多。
• 15:47 Anthropic Labs 最近推出 Claude Design，由 Opus 4.7 驅動；客戶一次就能做出 production 等級的介面
  ↳ Anthropic Labs 是 Anthropic 裡推新產品的單位，最近推出由 Opus 4.7 驅動的 Claude Design。客戶一次就能做出可以直接上線的介面畫面。
• 15:47 有人說 Opus 4.7「對視覺設計有品味」，直接用這個模型開發的開發者也有同樣感受
  ↳ 有人形容 Opus 4.7 對視覺設計「有品味」，做出來的畫面好看。直接拿這個模型做產品的開發者也有一樣的感覺。
• 15:47 一般使用者常說 Claude「懂你要什麼」（understands the assignment）
  ↳ 一般使用者常說 Claude「懂你要什麼」：不用把每個細節講死，它也抓得到你真正想要的結果。
• 16:19 使用者把 Claude 當成可貴的思考夥伴，因為它願意挑戰使用者的想法，在使用者錯時提出反駁
  ↳ 很多人把 Claude 當成討論想法的對象，因為它不會一味附和。你想錯了，它會直接說，並提出不同意見。
• 16:19 模型仍不完美：還有口頭禪、會被網路上爆紅的常識題難倒，有時也會做超出要求的事
  ↳ 講者也承認缺點：講話有固定口頭禪、會被網路上爆紅的常識陷阱題考倒，有時還會做你沒要求的事。
• 16:51 未來方向一：更高的判斷力和程式碼品味，讓模型能被託付複雜的自主工程工作
  ↳ 第一個方向是讓模型判斷得更準、寫出的程式更有品質。這樣大家才敢把複雜的工程工作整包交給它自己做。
• 16:51 未來方向二：感覺近乎無限的 context window，模型長時間連續工作也不會忘記核心意圖
  ↳ 第二個方向是讓 context window 大到感覺用不完，模型就算連續做很久，也不會忘記你一開始要它達成什麼。
• 16:51 未來方向三：multi-agent 協作，讓一組 agent 合作完成單一 agent 或模型做不完的大目標
  ↳ 第三個方向是 multi-agent 協作，也就是多個 AI agent 像團隊一樣分工，一起完成一個 AI 單獨做不完的大目標。
• 17:21 Lisa 觀察的指標是 task horizon：去年模型能可靠工作幾分鐘，現在多數使用者的 agent 能跑好幾小時，預期未來世代能持續運作
  ↳ task horizon 指 AI 能可靠地連續工作多久才失去脈絡。去年大約幾分鐘，現在很多人的 agent 能跑好幾小時，之後預期能一直持續運作。
• 17:51 未來的 agent 會主動、隨時在線，不用交代就知道該做什麼，負責需要判斷和協作的高層目標
  ↳ 未來的 agent 會隨時待命，不用一件件交代，自己知道該做什麼，負責需要判斷、也要和人配合的大目標。
• 17:51 舉例：從「寫一份專案進度」變成「這週讓專案保持在軌道上」；從「產出財務預測」變成由 Claude 持續負責並更新預測，讓它一直準確
  ↳ 差別在於從「交辦一件事」變成「交付一份責任」：不是請它寫一次專案進度，而是請它整週顧著專案不脫軌；財務預測也由它持續更新，隨時保持準確。
• 18:22 給開發者的建議：未來的模型會比 Opus 4.7 和 Mythos preview 更強，要為新興能力設計，也就是為下一版 Claude 設計，而不是只看現在能用的
  ↳ 做產品時不要只配合現在模型的能耐。下一版 Claude 一定更強，要先把產品設計成能用上那些正在冒出來的新能力。
• 18:54 一再看到的現象是：勝出的開發者，架構都準備好承接下一次大躍進
  ↳ Anthropic 一再看到：最後勝出的開發者，產品架構早就留好空間，模型一大幅進步就能馬上接上。
• 18:54 scaffolding 指 agent 裡不是 Claude 的部分（loop、指令、工具）；模型變聰明後，以前有幫助的 scaffolding 可能反而拖住 Claude
  ↳ scaffolding 是 agent 裡模型以外的部分，例如流程迴圈、指示、工具。模型變聰明後，以前幫得上忙的這些設計，可能反而限制它發揮。
• 18:54 更聰明的模型常常靠通用的 primitive（例如檔案系統、sandbox 運算環境）就能走得更遠
  ↳ primitive 是最基本、通用的積木。例如給模型一個檔案系統，加上 sandbox（隔離、可以放心跑程式的環境），聰明的模型常常就能自己做很多事。
• 19:25 要持續做更難的 eval 和產品原型，這是察覺「指數在腳下移動」的方法；以前失敗的任務開始通過，就是推出新東西的訊號
  ↳ eval 是自己設計的測試題組，用來檢查模型做不做得到某件事。要一直出更難的題、做產品原型；以前過不了的題開始過了，就是推出新東西的時候。
• 19:55 最能善用 Claude 的團隊把模型升級當成商機：把 eval 和測試流程自動化，讓升級變容易
  ↳ 最會用 Claude 的團隊，把新模型推出當成賺錢的機會。他們先把測試流程自動化，換模型時很快就知道有沒有變好。
• 19:55 也要親自上手測試新模型，實際感受提升的智慧和能力能怎麼幫到終端使用者
  ↳ 除了跑測試，也要自己實際用新模型，親身感受它強在哪裡、能怎麼幫到最終使用者。
• 20:26 開發者是最先感受到變化的人，也最先實驗、最先做出新產品、最先發現別人還沒看到的市場；接下來由 Caitlyn 和 Angela 介紹 Claude 平台
  ↳ 開發者離模型最近，最早察覺變化、最早實驗、最早做出新產品，也最早看到別人還沒發現的市場。接下來換 Caitlyn 和 Angela 介紹 Claude 平台。
• 20:59 模型能力走在指數曲線上，但多數企業仍在線性曲線上，擋住它們的主要是兩個問題
  ↳ 模型能力一路加速變強，多數企業卻只是一步一步慢慢跟進，差距越拉越大。卡住企業的主要是接下來這兩個問題。
• 20:59 問題一：要做出剛好符合需求的 agent 很難，得做 prompt 優化、建工具、harness engineering 等大量工作
  ↳ prompt 是給模型的指示文字。要做出剛好合用的 agent，得反覆調整 prompt、自己做工具，還要做 harness engineering，也就是打造包在模型外面、讓它能運作的系統。
• 21:29 問題二：要出貨得快，又要能擴展；做原型很容易，要在 production 規模化很難
  ↳ 企業既要快點把產品推出去，又要撐得住大量使用者。做出能動的原型不難，難的是正式上線後還能穩定擴大規模。
• 21:29 Claude 平台提供三樣東西：針對 Claude 模型調校的 API primitive、建立和擴展 agentic 系統的基礎設施、營運這些系統的控制機制
  ↳ API 是讓程式呼叫 Claude 的介面。平台提供三樣東西：針對 Claude 調校過的 API 基本功能、建立和擴展 agent 系統的基礎設施，以及管理營運這些系統的控制機制。
• 21:59 企業常見需求是「frontier 等級的智慧，但成本要更低」，解法之一是 advisor strategy
  ↳ 企業很常提的需求是「要頂尖模型的聰明，但成本低一點」。advisor strategy（顧問策略）就是其中一種解法。
• 21:59 advisor strategy 很容易導入：只要在 Messages API 更新 tools 陣列
  ↳ Messages API 是跟 Claude 對話用的 API，tools 陣列是列出模型可以用哪些工具的清單。導入顧問策略只要改這份清單，不用大改系統。
• 22:29 原理是把「執行」和「顧問」拆開：用較小的模型執行比較便宜，小模型需要幫忙時再向大模型請教，例如 Haiku 或 Sonnet 級模型執行、Opus 當顧問
  ↳ Claude 分三級：Opus 最強也最貴，Sonnet 居中，Haiku 最小最便宜。做法是讓便宜的小模型負責做事，遇到難處才請大模型出主意。
• 22:29 他們用 Sonnet 執行、Opus 當顧問測試：表現遠勝 Sonnet 單獨執行，成本甚至比 Sonnet 單獨執行還低，因為 Opus 的建議讓它把工作做得更好
  ↳ 實測讓 Sonnet 做事、Opus 當顧問：成果明顯比 Sonnet 自己做好，總成本還比 Sonnet 自己做更低，因為有 Opus 指點，Sonnet 把工作做得更好。
• 22:59 Eve Legal 採用 advisor strategy 後回報：以低五倍的成本拿到 frontier 模型等級的品質
  ↳ 客戶 Eve Legal 用了顧問策略後回報：只花五分之一的成本，就拿到頂尖模型等級的品質。

根據演講，Eve Legal 採用 advisor strategy 後回報了什麼結果？