今天與 {{active_subscriber_count}}+ 位讀者一起看：
🗞｜OpenAI 內部備忘錄曝光
🚀｜Harvey 推出一條龍法律 AI Agent
📊｜Stanford AI Index：初階工程師就業跌近兩成
🔬｜Arc Institute 讓 AI 自己學會切 DNA
🔍｜YC 校友用 11 個 Agent 在家教 4 個小孩
🗞️ NEWS
OpenAI 內部備忘錄曝光
OpenAI 營收長 Denise Dresser 發了一份四頁備忘錄，告訴全體員工：別再把每個產品當獨立事業看，要像平台公司一樣打仗，用多產品綁定拉高企業客戶的轉換成本。
平台飛輪： ChatGPT、Codex、API、Agent 平台 Frontier 加上 AWS 運行環境，五個入口導向同一套企業方案，客戶用越多越難抽身。
點名 Anthropic： 備忘錄直接說 Anthropic 只靠寫程式這一個產品切入，在平台戰裡會變成弱點，還指控它號稱的 300 億美元年營收灌水了大約 80 億。
算力優勢： 備忘錄說 Anthropic 太晚搶算力，已經反映在產品限流和穩定性上，OpenAI 可以靠更早佈局的算力壓低延遲和單位成本。
營收差距多大？ 兩家都把雲端分潤算進營收，但 Anthropic 用總額認列、OpenAI 用淨額認列，帳面數字差了 80 億美元，誰真的領先完全取決於會計怎麼算。
🧰 TOOLS
ClickUp：你唯一需要的生產力工具
ClickUp 是一款一站式專案管理工具，整合各種功能（任務、文件、行事曆…），幾乎可以一次取代多款生產力工具（Notion、Google Calendar、Trello…）。
內建 AI 系統：自家開發 AI 系統 ClickUp Brain 可以根據公司內部資料回答問題、自動更新任務、會議進度。
連接 1,000+ 種工具：能夠連接 Google Drive、GitHub、Salesforce、Figma、Dropbox…等工具，在 ClickUp 一次搜尋所有資料。
內建 100+ 種功能：除了基礎功能，甚至還有 Dashboard、互動報告、心智圖、甘特圖、自動化… 等功能。
目前 ClickUp 已經超過 1,200 萬用戶，Netflix、Spotify、IBM 等公司也都在使用。推薦使用免費版本試試看
🤝 ADVERTISING
讓 {{active_subscriber_count}}+ 位讀者認識你的產品
《Brief AI 電子報》讀者近 50% 擁有碩士以上學歷、管理階層超過 40%。超過 30 家國內外知名品牌合作，例如：Intel、數位時代、知識衛星…
🚀 LAUNCH
Harvey 推出一條龍法律 AI Agent
法律 AI 公司 Harvey 推出能自己跑完一整套法律工作的 Agent，從研究、寫備忘錄、做簡報到產出盡職調查報告，律師只要最後審核判斷就好。
13 個實務領域： 從併購、資本市場到反壟斷和稅務，幾乎涵蓋大型事務所的主要業務線。
日跑 40 萬次： 平台上已經有超過 2.5 萬個客製化 Agent，產出超過 44.5 萬份深度分析報告。
頂級客戶背書： 20 多家企業客戶包括 KKR、Bridgewater、Deutsche Telekom 及多家 AmLaw（美國法律百強）事務所。
一般人也能用嗎？ Harvey 只賣企業方案，業界估計月費約 1,000-1,200 美元／席位，通常有最低用戶數限制。
Stanford HAI 發布 2026 AI Index 年度報告，AI 對就業的衝擊已經從預測變成數據：22-25 歲軟體工程師就業率自 2024 年暴跌近 20%，資深工程師反而逆勢成長。
初階衝擊： 客服等容易被 AI 取代的職位也出現同樣模式，主管們預期砍人的速度只會更快。
能力加速： 編程基準 SWE-bench 一年內從 60% 飆到接近 100%，AI Agent 實際任務成功率從 12% 跳到 66%，企業採用率達 88%。
治理落後： AI 安全事件從 233 件增到 362 件，頂尖模型的透明度指數從 58 分跌到 40 分，安全跟準確度之間還有蹺蹺板效應。
完整報告怎麼讀？ 全文共 9 章，總共有 423 頁，內容非常豐富，如果沒有太多時間也可以看官方整理好的「12 個報告 Takeaways」
🔬 RESEARCH
Arc Institute 讓 AI 自己學會切 DNA
現在的基因組 AI 模型都是用固定規則把 DNA 切成小段來處理，但這些切法常常會把密碼子等有生物意義的結構切碎。Arc Institute 團隊開發的 dnaHNet 讓模型自己學會該從哪裡切。
自學分段： dnaHNet 不用任何預設規則，直接從原始 DNA 序列學分割邊界，結果自動發現了密碼子的三聯體結構和啟動子等功能區域。
效率優勢： 同樣的運算預算下，dnaHNet 比主流架構 StripedHyena 2 少用 3.75 倍算力就能達到相同準確度，處理長序列時吞吐量高出 3 到 6 倍。
零標註預測： 不需要任何生物標註資料，模型就能預測哪些基因是細菌活下去的關鍵，在 62 種細菌基因組的測試中都贏過現有方法。
能用在人類基因組嗎？ dnaHNet 目前只在細菌等原核生物上訓練，還沒辦法處理人類等真核生物的複雜結構。同團隊的 Evo 2 已經能處理真核基因組，未來如果結合 dnaHNet 的階層壓縮架構，有機會大幅降低分析人類全基因組的運算成本。
🔍 INSIGHT
YC 校友用 11 個 Agent 在家教 4 個小孩
Lumi 創辦人 Jesse Genet 半年前完全不會寫程式，現在用 11 個 AI Agent 管理 4 個 5 歲以下小孩的在家自學、家務採購和課程紀錄。
自然語言就夠： 她用 Claude Code 和 OpenClaw 建立整套系統，不需要懂程式語法，每個 Agent 各自負責課程規劃、採購、財務等不同任務。
30 秒建檔： 教完課拍張照片加一段不到 30 秒的語音傳給 AI，就能自動生成完整的學習日誌，省掉坐在電腦前打字的時間。
Agent 自己生 Agent： 當主要 Agent 負荷太重，它會自動在 Mac Mini 上建立新的 Agent 來分擔工作，整個過程不用碰電腦。
不會寫程式也能用？ 影片中提到的 OpenClaw 是開源的 AI Agent，設定對一般人其實還是有點複雜，但 Jesse 認為應該很快技術門檻就能大幅降低。
