Build Hour：用 GPT-5.6 做 Valuemaxxing（價值最大化）（第 1/5 段）
🏦 台灣Pay 銀行轉帳 💙 PayPal
從「token 最大化」轉向「價值最大化」，並介紹 GPT 5.6 系列與示範工具
- 00:02 本集主題是用 GPT 5.6 把價值最大化，由 Startup Marketing 團隊的 Christine 和開發團隊的 Charlie 主講
- 05:37 有時答案確實是少花 token，例如降低模型等級或削減成本；但有些情況下多花 token 反而能創造更多價值
- 10:40 接著展示先前跑過的鵜鶘騎腳踏車結果，用來比較不同難度下的差異（本段到此結束）
💡 你可以怎麼用：下次挑模型或方案前，先寫下你要的具體成果，以及「怎樣算做得好」。再拿同一個任務，分別試便宜款和高階款，比較做完整件事的總花費和成品品質，不要只看單價。
看全部 32 條重點
🧑🏫 這段是 OpenAI 線上分享課的開場。核心觀念是：AI 用得多不代表做得好，該看的是花出去的錢換回多少成果。另外也介紹 GPT 5.6 的三個型號怎麼挑，還有一個能並排比較各模型的示範工具。對常付費用 AI、又不確定錢花得值不值的人，很有參考價值。
- 00:02 本集主題是用 GPT 5.6 把價值最大化，由 Startup Marketing 團隊的 Christine 和開發團隊的 Charlie 主講↳ 這集要談的是：用 GPT 5.6 時，怎麼讓花出去的錢換到最多成果。主講人是負責新創行銷的 Christine，和開發團隊的 Charlie。
- 00:02 Build hours 的目標是分享 AI 最佳實踐、工具與專業知識，幫助大家用 OpenAI 的 API 和模型擴展公司規模↳ Build hours 是 OpenAI 辦的線上分享課，目的是教大家把模型用好。API 是讓自家程式直接呼叫 OpenAI 模型的接口，公司產品多半靠它接上 AI。
- 00:32 每場活動當天會上傳到 YouTube，也可以隨選觀看錄影↳ 錯過直播也沒關係，影片當天就會放上 YouTube，之後隨時可以回看。
- 00:32 開場梗圖借用《The Office》，重點是「從每個 token 拿到更多價值」↳ 開場借《The Office》的梗圖開玩笑，帶出主旨。token 是模型讀寫文字的計量單位，也是計費單位。重點是每一單位都要換到更多東西。
- 01:05 這是 GPT 5.6 發布後的第一場 Build hours。官方詢問大家喜歡這個模型的原因，最常見的共同點是 token 使用效率高↳ 這是 5.6 推出後的第一場。官方問使用者為什麼喜歡它，最多人提到的是省 token：同樣的事，用比較少的量就做好。
- 01:36 新模型的特色是用更少的 token 做更多事↳ 換句話說，新模型不靠多寫多想來堆出結果，而是用更少的 token 把事情做完，等於同樣的工作花的錢變少。
- 01:36 議程：從 token 最大化轉向價值最大化、如何在 Codex（字幕拼作 Kodax）裡最大化價值、如何最大化 harness 的價值↳ 議程分三段：先談觀念轉變；再談在 Codex（OpenAI 幫你寫程式的 AI 工具）裡怎麼用得有效；最後談 harness，一般指包在模型外、讓它能呼叫工具跑流程的那套框架。
- 02:07 議程還包括一家新創（字幕作 Ploy）分享他們如何移植自家的 AI agent，最後是 Q&A，可以用畫面右側的 Q&A 按鈕提問↳ 接著有家新創（字幕寫作 Ploy）分享怎麼移植自家的 AI agent。agent 是能自己規劃步驟、動手把任務做完的 AI。最後開放提問，按畫面右側的 Q&A 按鈕就能發問。
- 02:37 Token 最大化是今年稍早出現的說法，意思是用 AI 使用量來衡量進步，例如 token 花費、送出的請求數、同時管理的 agent 數↳ Token 最大化是今年稍早流行的想法：用「用了多少 AI」當進步指標，例如花多少 token、送出幾次請求、同時開幾個 agent，用得越多就代表越前進。
- 03:07 有些公司甚至做了內部排行榜，追蹤員工每天或每週用掉多少 token↳ 有公司甚至把它變成比賽，做內部排行榜，看誰每天、每週用掉最多 token，好像用量本身就是業績。
- 03:07 今年稍晚風向改變：有公司在幾個月內就意外花光全年的 AI 預算，很多公司開始反思、考慮限制 AI 支出↳ 後來風向變了：有公司幾個月就把整年的 AI 預算花光，才發現用量不等於成果，開始檢討，考慮替 AI 花費設上限。
- 03:37 有 AI 公司的 CEO 表示，部分公司太執著於 token 排行榜，應該改以績效和創造的價值來評估員工↳ 連 AI 公司的 CEO 都出來說，盯著 token 排行榜是本末倒置。評估員工應該看他做出的績效和價值，而不是用了多少工具。
- 03:37 價值最大化：衡量的不是用了多少 AI，而是 AI 幫你達成什麼，例如完成多少工作、省下多少時間、程式與產品品質提升多少↳ 價值最大化是反過來問：AI 實際幫你完成了什麼？例如多做完幾件事、省下幾小時，或程式和產品的品質有沒有變好。
- 04:07 思考價值的關鍵問題：如果明天 token 成本變成兩倍，你怎麼知道它值不值得？「花越多 token 越好」是天真的假設↳ 試想 token 價格明天翻倍，你說得清楚這筆錢值不值嗎？說不出來，代表你只在算用量。「花越多越好」這個想法並不成立。
- 04:37 自我檢查的問題：想改善的具體成果是什麼？哪些工作流程能產出高品質結果？流程中哪裡能加入 AI 或 token？有什麼證據證明品質有提升？↳ 動手前先問自己：想改善哪個具體結果？哪些流程本來就做得出好成品？AI 放在哪一步最有用？有什麼證據能證明品質真的變好？
- 05:07 Evals 的核心是定義「什麼是好的結果」。從用聊天機器人做簡單任務，走到讓 agent 對整個成果負責，這個問題依然很重要↳ Evals（評估）就是先講清楚「怎樣算好結果」，再拿這個標準檢查 AI 的產出。不管是叫聊天機器人做小事，還是交給 agent 負責整件事，都得先有這把尺。
- 05:37 有時答案確實是少花 token，例如降低模型等級或削減成本；但有些情況下多花 token 反而能創造更多價值↳ 價值最大化不等於一律省錢。有時答案確實是換便宜的模型、砍成本；但也有時候多花 token，反而能換來更多價值。
- 05:37 多花 token 的情境一：想確保高品質輸出，可以提高模型的推理等級，或改用更大的模型↳ 第一種該多花的情況是品質最重要的時候。可以調高推理等級，讓模型回答前多想幾步，或直接改用更大、更強的模型。
- 06:08 情境二：為了求快。例如把程式移植到另一種語言，少花 token 可能要幾個月，多花一點可能幾週就完成↳ 第二種是趕時間。例如把整套程式改寫成另一種程式語言，省著用可能要拖好幾個月，多花一點也許幾週就完成。
- 06:08 情境三：工作流程運作良好時，多花一些費用把有效的成果擴大規模↳ 第三種是流程已經證明有效的時候。這時值得多投入費用放大規模，讓同樣的好成果產出更多份。
- 06:38 情境四：管理風險。對輸出必須高品質、零瑕疵的系統，可以用 LLM as a judge，並搭配多個或多樣化的模型來抓出各種 edge case↳ 第四種是控制風險。對不能出錯的系統，可以用 LLM as a judge，也就是讓另一個 AI 當評審檢查結果；再搭配多個不同模型，抓出 edge case，即少見、容易被忽略的特殊狀況。
- 06:38 價值最大化分兩個面向：個人開發者使用 Codex（字幕拼作 Codeex），以及組織用 OpenAI API 打造解決方案↳ 接下來從兩個角度談：一是個人開發者用 Codex 寫程式時怎麼用得值得，二是公司透過 API 打造自家產品時怎麼做。
- 07:09 GPT 5.6 系列有三個新模型：Soul、Terra、Luna。Soul 是旗艦模型，用於最複雜的程式與專業任務↳ GPT 5.6 有三個型號：Soul、Terra、Luna。Soul 是最強的旗艦款，用在最複雜的程式和專業工作上。
- 07:39 Terra 適合日常使用與較平衡的工作，智慧和成本、延遲都要兼顧↳ Terra 是日常主力款，在聰明程度、價格和 latency 三者之間取得平衡。latency 就是延遲，也就是等回應要等多久。
- 07:39 Luna 適合大量工作負載，對智慧要求沒那麼高，但很在意成本與延遲，目前獲得很多正面回饋↳ Luna 適合量大的工作：不需要最聰明，但要便宜、回得快。影片中提到它目前收到很多正面回饋。
- 08:09 在熱門程式 benchmark「Deep Suite」上比較表現與 token 花費，5.6 系列（不同模型搭配不同推理等級）的表現比例最好↳ benchmark 是業界共用的考卷，用來比較模型的實力。在程式考卷 Deep Suite 上，把分數和花掉的 token 放在一起看，5.6 系列搭配不同推理等級的 CP 值最好。
- 08:39 一個第一次做不好的模型，若願意多花 token，也可能得到相近的結果。因此評估時不能只看單一 token 成本，要看完成整個任務的總成本↳ 別只看單價。便宜模型第一次做不好，多花 token 重試，也可能做到差不多的結果。所以真正要比的，是把整件事做完總共花了多少。
- 09:09 示範：Charlie 用 GPT 5.6 和 Codex（字幕作 Codec）做了一個 value maximization lab，會在今天活動後開源↳ 接著是實作示範：Charlie 用 GPT 5.6 搭配 Codex，做了一個「價值最大化實驗室」小工具。活動後會開源，也就是公開程式碼讓大家使用。
- 09:40 Lab 第一頁是讓 5.6 建立的 3D 圖表，比較 AI index 中多個領先模型在智慧、成本、速度上的差異，以及產生結果所需的時間↳ 工具第一頁是 5.6 做出的 3D 圖表，把 AI index 上幾個領先模型的聰明程度、價格、速度和完成時間擺在一起，讓人一眼看出差異。
- 10:10 Visual matrix 功能：輸入 API key 後，可以用不同模型與不同推理模式產生一系列 SVG 圖片，比較結果長什麼樣子↳ Visual matrix 是並排比較功能。先填入 API key，也就是使用 API 的個人金鑰。接著用不同模型和推理模式各畫一張 SVG 圖（可無限放大的向量圖），直接比較成品。
- 10:10 示範把題目從「騎腳踏車的鵜鶘」改成「騎水上摩托車的熊貓」，勾選所有選項後在背景執行 matrix↳ 示範時把題目從「騎腳踏車的鵜鶘」換成「騎水上摩托車的熊貓」，勾選全部選項後，讓它在背景執行。
- 10:40 接著展示先前跑過的鵜鶘騎腳踏車結果，用來比較不同難度下的差異（本段到此結束）↳ 等待時，先展示之前跑好的鵜鶘騎腳踏車結果，用來看題目難度不同時，各模型的表現差在哪裡。本段到這裡結束。
📘 術語
token maximization（token 最大化）：用 AI 使用量衡量進步，例如 token 花費、請求數、同時管理的 agent 數
value maximization（價值最大化）：不看用了多少 AI，而看 AI 幫你達成什麼，例如省下的時間、提升的品質
evals（評估）：簡單來說，就是如何定義什麼是好的結果
harness（harness）：字幕只提到要最大化 harness 的價值，本段沒有進一步解釋
agent（AI 代理）：字幕提到從讓聊天機器人做簡單任務，轉為讓 AI agent 對整個成果負責
LLM as a judge（用 LLM 當評審）：在輸出必須高品質、零瑕疵的系統中，用來管理風險的做法
edge case（邊界情況）：用多個或多樣化的模型，確保系統能偵測到各種不同的 edge case
latency（延遲）：與成本並列，是選擇 Terra、Luna 時會考量的因素
benchmark（基準測試）：字幕提到 Deep Suite 是一個熱門的程式 benchmark
visual matrix（視覺矩陣）：用不同模型與推理模式產生 SVG 圖片，並排比較結果
value maximization（價值最大化）：不看用了多少 AI，而看 AI 幫你達成什麼，例如省下的時間、提升的品質
evals（評估）：簡單來說，就是如何定義什麼是好的結果
harness（harness）：字幕只提到要最大化 harness 的價值，本段沒有進一步解釋
agent（AI 代理）：字幕提到從讓聊天機器人做簡單任務，轉為讓 AI agent 對整個成果負責
LLM as a judge（用 LLM 當評審）：在輸出必須高品質、零瑕疵的系統中，用來管理風險的做法
edge case（邊界情況）：用多個或多樣化的模型，確保系統能偵測到各種不同的 edge case
latency（延遲）：與成本並列，是選擇 Terra、Luna 時會考量的因素
benchmark（基準測試）：字幕提到 Deep Suite 是一個熱門的程式 benchmark
visual matrix（視覺矩陣）：用不同模型與推理模式產生 SVG 圖片，並排比較結果
✏️ 小考一題
根據影片，「價值最大化（value maximization）」用什麼來衡量進步？
A. 每位員工每天用掉的 token 數量B. AI 幫你達成了什麼成果，例如省下的時間與品質提升C. 每個 token 的單價是否降低D. 同時管理的 agent 數量看答案
答案：B。[03:37] Charlie 說 value maximization 衡量的不是用了多少 AI，而是 AI 幫你達成了什麼，例如完成多少工作、省下多少時間、品質提升多少；A、C 屬於 [02:37] 所說的 token 最大化
💛 覺得有幫助？支持一下
課本免費、沒有廣告，支持與否都能照常讀 🐰