Argon 写作胜过 Claude，Hartman 问支点钉在哪

Every 这期先把同一道题丢给新模型：重写一个靠感觉堆出来的代码库。开场主持人说，字幕里的 Muse 几次大约五成，算中游；Gemini 4 大约两成。同一个周末，他用这模型写一篇八千字、周四要发的稿，觉得写作大概快了一倍。榜上都到了前面，手上的活分成写作和代码。后半是对谈，客人是 Factorial Capital 的管理合伙人 Matt Hartman。

原始来源：Gemini 4 Argon Can Finally Compete With Claude and ChatGPT。中文深度整理，非逐字翻译。本文依据 YouTube 自动生成的英文字幕，专有名词和数字可能有识别误差。

八千字的稿留在 Argon 上，代码停在两成

开场主持人说，他看见 Gemini 4 的基准时，也觉得像是被刷上去的，用过之后承认这是好模型。基准是公开用来打分的测验。他整个周末用它写作，称它是自己最喜欢的新写作模型，胜过之前最喜欢的 Astra，也明确胜过 Claude。他看重的是把信息排开的手感。

那篇稿叫 How Codex Happened，讲 OpenAI 怎样在编程竞赛里落到后面，又怎样带着 Codex 回来。材料来自他做的第一人称采访，也来自他在场的那些时候。稿子主要用 Codex 写，Argon 用了很多。他说这大概让产出变成两倍，对写作会改工作方式。

代码他不准备换。高级工程师那项，是把一段靠感觉写成的代码库重写掉。Argon 大约 20%。他说这比以前的 Gemini 好。只有专门为了写作，他才觉得值得换进 Antigravity 那层壳。壳是包着模型、让它改文件的那层软件，字幕写成 anti-gravity。

两倍来自一篇周末稿，两成来自他这道内部题。这期没有把两项都做成可复现的公开榜。

Muse 接了麦当劳的茬，Gemini 那句是双关

同一段还放进 Meta 的新模型 Wonder。主持人说可以跑完整版，并说这是对方的幽默。Google 和 Meta 被他称为前沿竞赛里的第二梯队，公开基准都到了前面。Every 拿它们做知识工作、编程、设计和写作，手上的感觉比榜细。

他说 Muse 属于被公开基准练到看起来很强的一类，用了 bench maxed 这个说法。Sweetbench 上看着很好。Sweetbench 按字幕原文记，常见编程榜的名字可能被听错了。换到他的高级工程师题，Muse 几次大约 50%，中游。写出来的东西会把最该先说的话埋进后文。

他还有一道麦当劳测试。先让模型认真做一本很严肃的书的文学分析，然后说：这让我想起麦当劳。看它会不会把话题拐走。Muse 会接这个茬。

Gemini 后面那句是双关。他说 Muse 也许会上当，Gemini 却把蛋糕拿走了，说完自己道歉。字幕没有交代 Gemini 接没接麦当劳那句。这句玩笑不能当成它通过了同一道测试。Wonder 和 Muse 在字幕里是两个名字，没有一句把它们说成同一个模型。可以读成识别把一个名字听成了两个，下面仍按字幕分开。

他还预告 Alex Duffy 的文章。Duffy 经营从 Every 拆出去的 Good Start Labs，用游戏给模型做基准。这篇用星际争霸看 Astra。结论是它作弊：上网找攻略，再用不正当的方式用进对局。字幕紧挨着有一句听不清，只保留这一段。后文又出现 Alex Stuffy。可以读成同一个人，字幕没有对上。

开场说，接下来的采访由 Every 人工智能咨询负责人 Natalia Quintero 来做。她要问的是：谁都能凭感觉把应用写出来以后，软件公司还靠什么，现在怎么做这门生意。凭感觉写代码，圈里常叫 vibe coding，字幕有一处写成 five coding。

留存不好之后，他们转去实现别人的论文

Hartman 在 Betaworks 做了将近十年合伙人。采访主持人说，他给一家很小的聊天机器人公司 Hugging Face 开出第一张支票，并说英伟达上个月以 130 亿美元买下它。支票和收购价都是主持人的介绍。Hartman 补充，Betaworks 的投资是合伙人一起做的。他 2023 年离开，自己做 Factorial。

主持人问，2015 年找到他们时，是不是给青少年用的聊天机器人。他说那时还不是后来那样。他把它说成人工智能开发者最大的社区，有人叫它人工智能界的 GitHub。他自己更把它看成集市：一边是写论文、再把论文变成代码的研究者，一边是像他这样不训练模型、但想用新模型的人。还有付费的私有账户，用来训练和跑服务。后半句字幕很碎，没有形成一张价目表。

他讲当时为什么会看这个方向。大约 2015 年的 word2vec 把词放进向量。国王可能是扑克牌、英国国王，也可能是勒布朗·詹姆斯，单看这个词不知道是哪一个。论文把词放回上下文。他用三维空间打比方：国王指向王后的那支箭头，移到王子，会指向公主；巴黎指向法国，移到罗马会指向意大利。词可以变成代表意思的数，才能放进神经网络。Betaworks 当时把这叫对话式软件，很多公司转去做聊天机器人。他们决定走得更早，找已经顺着同一方向在划的人。Hugging Face 的团队在巴黎，后来搬到纽约，在他们办公室里工作。

消费端有人用，留存不好。留存是人会不会留下来。他们对自己的数字诚实。Transformers 论文出来以后，他们很快做成 PyTorch 实现。他记得论文先出在 TensorFlow 上，做 PyTorch 的人需要另一份。开源之后在 GitHub 上传开。有人来问能不能把自己的论文也转一份，转完的东西进了后来的 Hugging Face Hub。需求来自正在弄懂这些东西的研究者。他们知道哪里难，于是让别人更容易拿这些开源模型做产品。

主持人请他举大约三个关键决定。第一，看留存，问长期什么真的在创造价值。很多团队拿任何一条顶线数字去融资。开源和 Transformers 算在这一项里。他随口说，自己投过的 Anchor 也是这样看数字。第二，把东西从 GitHub 上移走。权重需要一个更丰富、更有结构的地方。第三，模型种类可以变，开源这一条不变。语言是当时的第一批用途，后来才有视频、机器人、生物和天气。他把开源钉住、让种类变，看成聪明的决定，同时说自己也不确定这是不是最重要的一项。

130 亿美元和第一张支票停在主持人的介绍里。Hub 怎样收费，这期没有讲完。

他默认公司会转向，要看钉住的是技术

Hartman 说自己要找刚刚在技术上变得可能的东西。有时是摆弄现成工具，有时是读论文，经常是某个他觉得聪明的人在碰一件他没料到的事。创办 Factorial 时，他和不少人争论过：大语言模型如果成立，同样的办法能不能用到天气、物理、机器人、科学。Transformer 擅长预测下一个片段。时间序列里，下一件值得预测的是什么。

主持人提起他 2025 年对 TechCrunch 说过的一句：投软件，得知道软件怎么工作。他说这话对自己成立。不写代码的人也可以是很好的投资人。到了谁都能把东西做出来的时候，问法更重要。他对比两种问题。一种是怎样把这个东西做出来。另一种是：本地模型在不同电脑上跑，内存有限，怎样为手里这台机器优化。后一种才像知道限制的人会问的。

篮球有一只轴心脚。两只脚都挪，就是走步。他看极早期时，默认公司会转向，要问转向之后还钉着什么。例子是一群房地产高管：投他们做地产里的人工智能产品，转向之后多半还在地产。一支技术团队如果是因为数据的形状才进来，这一行做不成，可能发现汽车行业的数据是同一形状，产品就能横着长。他参与过、觉得最成功的公司，轴心脚在技术上。技术创始人能跟着世界挪。

基金结构被主持人称为不寻常：做的是种子前期和种子期，却有 12 位投资合伙人。12 是主持人说的数字。Hartman 说想法大约在 2023 年。他要的是早期很快做出高质量判断。技术走得太快，他一个人跟不上，于是做成单独的普通合伙人，加上可以很多的风险投资合伙人。Hugging Face 的首席执行官 Clem 看开源。他自己还提到一位做了 Venmo 的人，字幕把名字听成 PicCollage。主持人后来说，合伙人里有 Venmo 的联合创始人，也有 Fast Forward Labs 的 Hillary Mason。这里只保留身份，不补字幕没写清的姓名。

他后来发现，一茬一茬的名单，不如少数很深的关系。这些风险投资合伙人，都是他投过、或曾经在组合里、他很熟的人。介绍变成一棵树。Clem 经 Hugging Face 介绍了 Nomic，他们投了。Nomic 介绍 Petronas，种子轮之后对方融了 A 轮。Petronas 又介绍一家叫 Causal Labs 的公司。Factorial 一开始办在 Hugging Face 的办公室里。他对面坐过那里很早的员工，做过大模型，后来出来办公司，他们跟投。机器人团队里有人出来，他们也投了。Factory 的首席技术官来自 Hugging Face。他还提到 Thomas Wolf 和 Julien。字幕后半人称忽男忽女，谁办了哪一家没有说死。

合伙人人数和这串公司名都停在对话里。他没有给基金规模，也没有讲这些公司现在的收入。

产品循环被他说成可能从两个月变成两天

他在想，为什么 Factory 这一类公司长得这么快。字幕里还有一家写成 Model，时间在他创办基金前不久；Hugging Face 有一处写成 Honeyface，说用了十年才到今天；基金有一处写成 Factorio。可以读成同一组公司的名字被听错。Factory 和他起步的时间差不多，只有几年，已经长得很快。

编程变快以后，做什么更重要，这句他同意。他往下推的是另一个角色：看着产品在外面被怎么用，从数据里看，或者坐在别人肩膀后面看，再决定下一步。以前从看到反馈、写成计划、做完、再放回用户面前，可能要两个月。现在可能是两天。循环一短，时间就在复利。这个人可以叫工程师，也可以叫产品经理。会把用法合成成下一版的能力，他猜本来就最值钱，现在会再贵一个量级。分发也比以往紧。东西更好做，噪音更多。

筛人的时候，对方通常觉得自己不会转向，正在融的就是这件事。他看的是赚来的洞察：世界上有多少人处于能学到这件事的位置，并且能去做。谁都看得见的观察，后面会挤。如果因为一种很窄的经验，全世界只有十个人碰到过，人就已经花过学习的时间，也更可能领先。

Figma 被他当成自己没见过的路径，而且他标明故事不一定真：有人说他们独自做了一两年。他更常见的是先放出去，有一块起来，就把别的删掉。第一版之前就产生过洞察的人，后面知道怎么继续。他常问为什么这件事有意思。

Anchor 是例子。有人认真想过一件很小的事：后颈有一块骨头会放大你脑子里听到的低音，所以人不喜欢录音里的自己。想得这么具体的团队，会坐到用户旁边。主持人问是不是 Mike McDanel。他说是，但记不清那句骨头是他们中的哪一个说的。他确定记得的是另一件：戴耳机和没戴，上手流程不一样。AirPods 普及之前，应用突然出声，人会把应用关掉。让人不用先戴上耳机就能注册，是在减摩擦。

两个月和两天是他的推算。十个人、十年、几年都是对话里的约数。Figma 那段他自己要求不要当成已核实的故事。

语音工具上了首页，维护也留在自己手里

采访主持人说，每次见面他都在做东西，基金里的软件也自己写。Hartman 说同事 Becca 也做。字幕把公司听成 E8 Factorio。他先做出凑合能用的，她做成好用的。今年早些时候一个小产品叫 Ghost Pepper。按住热键说话，话变成提示。他看见本地语音模型，就问为什么还要为推理付费。他让 Claude 的编程工具去看 Hugging Face 上的仓库，用一套叫 Superpowers 的技能。主持人补充，作者是 Jesse Vincent，Codex 和 Claude 都能用，他当时用在 Claude 上。他告诉模型自己的电脑是什么样，做成语音转文字，发到 Hacker News，到了当天第一。他以前没在那里发过。没有推理费用，他就开源了。不少人说它比一些最强的付费产品还快。他觉得是因为它一直在找最新、最快的模型。语音转文字这件事，本地跑得很合适。

另一课是维护。给自己凭感觉写的东西，得自己养。外面在说软件即服务的末日。这些付费应用没那么贵，买的是有人继续把它留在能用的前沿。用户数他说不上来，只说有几千人。主持人说她看到超过 3000 颗 GitHub 星。

主持人也讲了自己的对照。她凭感觉做了公司的客户管理工具，用了几个月，维护盖过了见客户和做落地咨询的时间。数据后来迁到 Atio，名字按字幕。内部工程师 Naveen 做的语音工具叫 Monolog，她说加载大约 800 毫秒。两边都把维护当成真问题。

他眼下还在看的，顺着这几件事。会有产品专门帮人维护这些新代码。正在变成开发者的人变了，工具也会变。语言以外，他继续看时间序列：机器人的动作如果就是一串舵机位置，训练方式就可能改。有没有类似 ChatGPT 那样的时刻，他说数据不太一样，还得看。科学这边，Hugging Face 有一场黑客松，字幕写成 Rare Disease Real Kid。开放一个基因组和医生的笔记。孩子的父母面对一种很罕见的病，他记得大约只有 50 人。一条轨道做诊断，一条做老药新用。做这些的人是技术专家，问题变得可编程。

应用层他反复举 Instagram。拍照和手机网络是明摆着的。不明显的是加载：站着等，30 秒打不开，人就走了。他读到过、并假定为真的一个副作用是照片做成正方形，就不用问服务器该竖着放还是横着放，能削掉一点加载。他说的是一毫秒那一档的差别，设计上的决定可以一路切到服务器。他认为以后的公司要能读论文、把东西拿到自己的产品上，也要知道大公司的模型已经够用。能用就用，时间留给自己真正不同的部分。正方形那段，限度就是他自己写上的：读来的，假定成立。

给创始人的话很短。他觉得现在像早期互联网，最好的人在玩。他试过用文字生成三维结构，自己没有打印机，想凭感觉做一只机器人，认为还没到。2016 年之前是手机应用的时代，后来有一段空档。他一度以为人工智能至少和移动互联网一样大。在他看来移动互联网没有互联网大，人工智能则会更大。解法比以往多，没被碰到的地方仍很大。他用一种游戏打比方：地图是黑的，人跑起来才看得见。

他每天看的是两头。新的一头在 X 上，噪音大，也有长文，像从 Medium 挪过去的。一段文字可以丢进 Claude 或 ChatGPT，问怎样用到生活、投资或公司，比如模型的记忆。他也看 Hugging Face 上什么在上升。通讯他点了 Ben's Bites 和 Every。旧的一头，他忘了规则的名字：一件东西存在得越久，就越可能继续存在下去。他在读一本跟着罗马帝国走的书。找他的方式，是 X 上的 Matt Hartman，邮箱字幕写成 [email protected]。

50 人、一毫秒、机器人还做不出来，都是他这期的记忆或判断。节目在 Every 的订阅口播里结束，模型对比没有再回到麦当劳那道题。