[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-ai-fufei-xian-ying-biancheng-gongju-zh":3,"article-related-ai-fufei-xian-ying-biancheng-gongju-zh":31,"series-industry-bdeeb1c9-81f0-4935-9962-3977b820d7af":78},{"id":4,"slug":5,"title":6,"content":7,"summary":8,"source":9,"source_url":10,"author":11,"image_url":12,"cover_image":12,"category":13,"language":14,"translated_content":11,"related_article_id":15,"keywords":16,"key_takeaways":23,"views":27,"created_at":28,"published_at":29,"topic_cluster_id":30},"bdeeb1c9-81f0-4935-9962-3977b820d7af","ai-fufei-xian-ying-biancheng-gongju-zh","AI 付费先赢編程工具","\u003Cp data-speakable=\"summary\">我拆解 \u003Ca href=\"\u002Ftag\u002Fanthropic\">Anthropic\u003C\u002Fa> 的付費路徑，整理出免費 AI 市場裡最容易收錢的工作流打法。\u003C\u002Fp>\u003Cp>我用一堆 AI \u003Ca href=\"\u002Fnews\u002Fpipedrive-open-mcp-server-155-tools-zh\">工具\u003C\u002Fa>一陣子了，越用越火大。模型都很會講，Demo 也都很順，免費試用更是大方到像在做慈善。可一旦真的丟進工作裡，就開始露餡：有些產品只會陪你聊天，有些只會幫你把問題講得更長，真正能讓我少加班的，少到可憐。最煩的是，很多團隊還把「大家都能免費用」當成答案，彷彿流量自己會變現。結果通常不是這樣，流量是來了，帳單也來了，收入卻還在路上。\u003C\u002Fp>\u003Cp>我後來一直盯著一個現象看：為什麼 AI 先在編程工具上跑出付費，而不是先在聊天產品上？這不是我亂猜，是因為我看到一個很明確的案例。晚點 LatePost 在知乎的這段回答，原始問題是 \u003Ca href=\"https:\u002F\u002Fwww.zhihu.com\u002Fquestion\u002F2050289332632790558\u002Fanswer\u002F2050290588000555177\">如何看待「豆包日活超 2 億，日收入卻不足百萬」？免費 AI 市場下，付費模式該如何落地？\u003C\u002Fa>。裡面提到 Anthropic 的 \u003Ca href=\"\u002Ftag\u002Fclaude-code\">Claude Code\u003C\u002Fa> 2025 年 5 月上線，半年做到 10 億\u003Ca href=\"\u002Fnews\u002Fgoldman-sachs-sees-1t-ai-spend-3-stocks-zh\">美元\u003C\u002Fa>年化收入，今年 2 月翻到 25 億。這個數字夠硬，也夠刺眼。\u003C\u002Fp>\u003Cp>我下面不是在轉述一篇熱文，我是把這件事拆開，看看免費 AI 市場裡，錢到底該從哪裡來。順便把我自己看產品、看商業模式時最在意的幾個坑，一次講白。\u003C\u002Fp>\u003Ch2>別再盯日活了，先看誰真的在為結果付錢\u003C\u002Fh2>\u003Cblockquote>Claude Code 2025 年 5 月上線，半年做到 10 億美元年化收入，今年 2 月翻到 25 億。\u003C\u002Fblockquote>\u003Cp>翻譯一下就是：真正肯掏錢的，不是「會聊天的 AI」，而是「能把事情做完的 AI」。\u003Ca href=\"\u002Ftag\u002Fclaude\">Claude\u003C\u002Fa> Code 不是在陪人閒聊，它是\u003Ca href=\"\u002Fnews\u002Febay-mcp-ai-assistants-ebay-sell-apis-zh\">直接\u003C\u002Fa>進到寫 code、改 code、跑流程、接上下文這些動作裡。你一旦把產品塞進工作流，使用者就不是在體驗，而是在省時間、少出錯、快交付。這時候，預算才會出現。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781810300662-24rp.png\" alt=\"AI 付费先赢編程工具\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>我以前也很愛看 DAU、留存、使用次數，覺得只要大家每天都來，總有一天會付費。後來我才發現，聊天型 AI 的高頻使用常常是假高價值。使用者來問兩句、試幾個 prompt、玩一下就走，根本沒有形成依賴。你以為他很愛你，其實他只是剛好無聊。\u003C\u002Fp>\u003Cp>編程工具不一樣。程式碼本來就是結構化工作，產出也容易量化。你能很清楚知道它幫你省了多少搜尋、多少樣板碼、多少 review 時間。對企業來說，這種東西最好賣，因為採購語言很直接：效率、產出、風險控制。\u003Ca href=\"https:\u002F\u002Fwww.anthropic.com\u002F\">Anthropic\u003C\u002Fa> 能把收入做起來，不是因為它比別人更會喊，而是因為它把模型塞進了一個本來就有預算的場景。\u003C\u002Fp>\u003Cp>我自己現在看 AI 功能，第一個問題不再是「好不好玩」，而是「誰會為結果買單」。我會先問三件事：\u003C\u002Fp>\u003Cul>\u003Cli>這個功能是不是直接進入一個可重複的工作流程？\u003C\u002Fli>\u003Cli>它能不能明確減少時間、錯誤或人力？\u003C\u002Fli>\u003Cli>如果它消失了，使用者會不會立刻覺得工作變慢？\u003C\u002Fli>\u003C\u002Ful>\u003Cp>這三題如果都答不出來，你的付費模式大概率會很虛。你可以很熱鬧，但很難很賺。\u003C\u002Fp>\u003Ch2>企業買的不是模型，是可控的工作結果\u003C\u002Fh2>\u003Cp>很多 AI 團隊一上來就愛講「我們模型很強」。老實說，這句話對銷售幫助很有限。企業採購不是來買參數的，他們買的是可控性。權限能不能管、日誌能不能查、資料會不會亂跑、結果能不能穩定重現，這些才是錢的來源。\u003C\u002Fp>\u003Cp>Anthropic 比較聰明的地方，不只是模型能力，而是它把「模型 + 工具 + 組織使用方式」一起賣。\u003Ca href=\"https:\u002F\u002Fwww.anthropic.com\u002Fclaude-code\">Claude Code\u003C\u002Fa> 這種產品，天生就適合團隊協作：有 codebase 上下文、有任務邊界、有權限控制、有明確使用者身份。企業一旦把它納入開發流程，它就不再只是 AI 功能，而是可以算進生產工具預算的一筆支出。\u003C\u002Fp>\u003Cp>我自己推 \u003Ca href=\"\u002Ftag\u002Fai-工具\">AI 工具\u003C\u002Fa>落地時，最常卡住的從來不是「好不好用」，而是「誰來負責」。個人使用者可以亂試，企業不行。企業會問：誰能看倉庫？誰能看對話？模型答錯誰背鍋？有沒有稽核？有沒有配額？有沒有 SSO？這些聽起來很無聊，但它們就是付費門檻。\u003C\u002Fp>\u003Cp>如果你做的是面向企業的 AI 產品，我會先把這幾件事補齊：\u003C\u002Fp>\u003Cul>\u003Cli>權限邊界：哪些資料可以進模型，哪些不能。\u003C\u002Fli>\u003Cli>稽核能力：誰呼叫了什麼，結果是什麼。\u003C\u002Fli>\u003Cli>計費單位：按席位、按呼叫、按專案，還是按工作流。\u003C\u002Fli>\u003Cli>可控輸出：讓使用者知道哪裡是建議，哪裡是執行。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>這也是為什麼很多通用聊天產品在 C 端很熱，到了 B 端卻卡住。因為 B 端不只買「能不能」，還買「出事怎麼辦」。你一旦能回答這題，價格就好談了。\u003C\u002Fp>\u003Ch2>免費不是問題，免費沒有邊界才是\u003C\u002Fh2>\u003Cp>很多人一看到「免費 AI」就下意識覺得，完了，沒法賺錢。其實不是。免費本身不是災難，真正麻煩的是免費沒有邊界。你把能力全開、所有人都能用、所有場景都能試，最後就會得到一個很標準的結果：使用量很漂亮，收入很難看。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781810302132-bzse.png\" alt=\"AI 付费先赢編程工具\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>這次討論裡我最記得的，不是「日活超 2 億，日收入卻不足百萬」這個反差，而是它逼你承認：消費級流量和付費能力不是一回事。使用者越多，不代表願意付費的人越多。AI 特別容易這樣，因為試用成本太低了。點一下就能用，使用者根本不用為試錯付出什麼代價，自然也不會輕易進入訂閱。\u003C\u002Fp>\u003Cp>我之前做過一個很像「免費 AI 助手」的東西，前期數據很好看，後來一算成本，臉都綠了。大量使用者只是來問一兩個問題，根本沒有形成持續依賴。那時我才懂，免費產品要想賺錢，必須先設計出邊界。邊界不是限制使用者，而是把價值切成可計費的塊。\u003C\u002Fp>\u003Cp>我自己看過最有效的切法，大概是這幾種：\u003C\u002Fp>\u003Cul>\u003Cli>把基礎能力免費，把高價值工作流收費。\u003C\u002Fli>\u003Cli>把個人使用免費，把團隊協作和管理收費。\u003C\u002Fli>\u003Cli>把低頻試用免費，把高頻呼叫或高上下文收費。\u003C\u002Fli>\u003Cli>把結果展示免費，把執行、匯出、自動化收費。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>這套邏輯在 \u003Ca href=\"https:\u002F\u002Fwww.cursor.com\u002F\">Cursor\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fcodeium.com\u002F\">Codeium\u003C\u002Fa> 這類編程工具上很常見。它們不是單純賣聊天，而是賣進入開發過程的效率。你如果做的是 AI 搜尋、AI 文件、AI 設計、AI 維運，其實也一樣。別急著證明自己很大方，先想清楚哪一段價值鏈能收錢。\u003C\u002Fp>\u003Ch2>AI 編程先賺錢，不是運氣，是結構\u003C\u002Fh2>\u003Cp>我一直覺得，AI 編程先跑出來，不是因為程式設計師更有錢，也不是因為他們更愛嘗鮮，而是因為這個場景天然適合計費。程式碼是生產資料，改動可追蹤，產出可驗證，價值也容易歸因。你幫我少寫 200 行 code，和你幫我「更聰明地聊天」，這兩件事根本不是同一個層級。\u003C\u002Fp>\u003Cp>Claude Code 能在半年內做到 10 億美元年化收入，代表一件事很清楚：只要產品真的嵌進開發流程，預算就會自己長出來。開發團隊本來就會為 IDE、CI、code scanning、雲服務付費，AI 編程工具只是把一個新預算項塞了進去。它不是在教育使用者「AI 很酷」，而是在替使用者省下明確成本。\u003C\u002Fp>\u003Cp>我在團隊裡推 AI 編程工具時，最容易成交的場景不是「大家先試試」，而是「讓某個具體流程先跑起來」。例如：\u003C\u002Fp>\u003Cul>\u003Cli>自動補全樣板 code。\u003C\u002Fli>\u003Cli>從 issue 直接生成初版實作。\u003C\u002Fli>\u003Cli>把單元測試和修復建議串起來。\u003C\u002Fli>\u003Cli>讓 code review 先過一遍機器。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>這些場景有個共同點：它們都能插進現有流程，而且能被度量。你看得到它省了多少人時、減少了多少返工、縮短了多少交付週期。企業一旦看見這些數字，付費就不再抽象。\u003C\u002Fp>\u003Cp>所以如果你在做 AI 產品，我會很直接地建議：先找「帶過程的生產場景」，別先衝「泛娛樂聊天」。後者很容易有流量，前者才容易有收入。這個順序反過來，通常會很痛苦。\u003C\u002Fp>\u003Ch2>付費不是按鈕，是把價值塞進流程\u003C\u002Fh2>\u003Cp>很多團隊把付費想得太簡單，以為頁面右上角放個「升級 Pro」就結束了。其實不是。真正的付費不是按鈕，而是你把價值塞進使用者的日常流程之後，使用者自然願意付錢。\u003C\u002Fp>\u003Cp>Anthropic 這個案例讓我最有感的一點，就是它不是靠「更會講故事」賺錢，而是靠「更貼近工作」賺錢。\u003Ca href=\"https:\u002F\u002Fwww.anthropic.com\u002Fclaude-code\">Claude Code\u003C\u002Fa> 這種產品，使用者不是為了打發時間來用，它是拿來完成任務的。任務一旦和收入、交付、專案進度掛鉤，付費就變得很自然。\u003C\u002Fp>\u003Cp>我現在看 AI 產品，會先看它有沒有下面這幾層：\u003C\u002Fp>\u003Cul>\u003Cli>輸入層：使用者在哪裡開始用。\u003C\u002Fli>\u003Cli>處理層：模型怎麼接上下文、怎麼產生結果。\u003C\u002Fli>\u003Cli>執行層：結果能不能直接變成動作。\u003C\u002Fli>\u003Cli>計費層：哪一步最適合收費。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>如果一個產品只有輸入層和展示層，沒有執行層，那它就很難收費。使用者看完就走，價值停留在「看見」，而不是「完成」。\u003C\u002Fp>\u003Cp>這也是我不太信那種「先做海量免費流量，再慢慢想變現」老套路的原因。AI 產品的成本結構和傳統內容產品不一樣，呼叫模型是要花錢的。你如果沒有把付費點設計進流程，最後常常是流量越大，虧得越快。\u003C\u002Fp>\u003Cp>要落地很簡單，我給你一個判斷法：如果你的 AI 功能能讓使用者少開一個工具、少切一次頁面、少交一次手工活，那它就有機會收費。不能的話，先別急著談商業化，先把場景磨出來。\u003C\u002Fp>\u003Ch2>我會怎麼做一個能收錢的 AI 產品\u003C\u002Fh2>\u003Cp>如果是我來做，我不會先問「能不能做成超級應用」，我會先問「哪一個場景最容易讓使用者掏錢」。然後我會把免費和付費拆開，免費負責讓使用者進來，付費負責讓使用者完成工作。\u003C\u002Fp>\u003Cp>具體一點，我會這樣設計：\u003C\u002Fp>\u003Cul>\u003Cli>免費層：基礎對話、簡單補全、有限次數試用。\u003C\u002Fli>\u003Cli>付費層：專案級上下文、團隊協作、權限管理、稽核日誌。\u003C\u002Fli>\u003Cli>高價值層：自動化執行、批次處理、與內部系統整合。\u003C\u002Fli>\u003Cli>企業層：SSO、資料隔離、合規能力、專屬部署。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>這套結構的好處是，使用者不會一上來就被收費嚇跑，但一旦真的進入工作流，就會自然觸發付費。說白了，免費負責獲客，付費負責變現，中間那條線要非常清楚。\u003C\u002Fp>\u003Cp>我不太喜歡那種什麼都免費、什麼都開放的做法。短期看像是善意，長期看常常是對商業模型的不負責。AI 時代最值錢的不是「讓更多人隨便玩」，而是「讓少數高價值使用者持續付費」。這話不討喜，但帳就是這麼算。\u003C\u002Fp>\u003Cp>所以回到最初那題：免費 AI 市場下，付費模式該怎麼落地？我的答案很簡單，也很不浪漫。別從使用者規模開始，先從工作流開始；別從功能強不強開始，先從結果能不能計費開始；別先想做大盤，先找能付錢的人。\u003C\u002Fp>\u003Ch2>可抄的模板\u003C\u002Fh2>\u003Cpre>\u003Ccode>## AI 工具付費模型模板（適合工作流型產品）\n\n### 1) 免費層：讓使用者快速開始\n- 提供基礎對話 \u002F 基礎生成能力\n- 限制每日次數或上下文長度\n- 允許單人試用，不開放團隊管理\n- 目標：讓使用者在 3 分鐘內看到第一次結果\n\n### 2) 專業層：把價值放進工作流\n- 解鎖專案級上下文\n- 支援歷史紀錄、版本管理、匯出\n- 支援高頻呼叫、批次處理、自動補全\n- 適合按席位訂閱或按月訂閱\n\n### 3) 團隊層：開始賣管理能力\n- SSO 登入\n- 權限控制\n- 稽核日誌\n- 團隊共享空間\n- 使用統計與配額管理\n\n### 4) 企業層：賣確定性\n- 資料隔離\n- 私有部署或專屬實例\n- 合規與安全控制\n- SLA 支援\n- 客製整合與專屬支援\n\n### 5) 計費原則\n- 不按「聊天次數」單獨講故事，按「完成工作」講故事\n- 能進入流程的能力收費\n- 能減少人時、減少返工、減少風險的能力收費\n- 免費只負責試用，不負責長期承擔高成本呼叫\n\n### 6) 上線前要檢查的 5 個問題\n- 使用者是否會重複使用同一條工作流？\n- 這個功能是否能替代一個現有工具？\n- 團隊是否需要權限、稽核、協作？\n- 結果是否能直接匯出、執行或交付？\n- 付費後使用者是否能明顯更快完成任務？\n\n### 7) 一句話定位模板\n「我們把 AI 放進【具體工作流】，幫【具體使用者】更快完成【具體任務】。」\u003C\u002Fcode>\u003C\u002Fpre>\u003Cp>這段模板不是給你抄文案的，是給你抄商業結構的。你如果現在就在做 AI 工具，先把這 7 段填完，再去想增長。順序別搞反了。\u003C\u002Fp>\u003Cp>原始討論來自知乎上的晚點 LatePost 回答：\u003Ca href=\"https:\u002F\u002Fwww.zhihu.com\u002Fquestion\u002F2050289332632790558\u002Fanswer\u002F2050290588000555177\">https:\u002F\u002Fwww.zhihu.com\u002Fquestion\u002F2050289332632790558\u002Fanswer\u002F2050290588000555177\u003C\u002Fa>。上面這篇是我基於這段材料做的拆解和改寫，不是原文複刻；其中關於付費模型的模板和應用建議，是我根據這個案例整理出來的實操版本。","我拆解 Anthropic 的付費路徑，整理出免費 AI 市場裡最容易收錢的工作流打法。","www.zhihu.com","https:\u002F\u002Fwww.zhihu.com\u002Fquestion\u002F2050289332632790558\u002Fanswer\u002F2050290588000555177",null,"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781810300662-24rp.png","industry","zh","3087e3ef-dbed-4bfe-ab2c-77e1f78b2522",[17,18,19,20,21,22],"AI付費模式","Anthropic","Claude Code","AI編程工具","工作流","企業採購",[24,25,26],"先賺到錢的通常不是聊天型 AI，而是直接嵌進工作流的編程工具。","企業願意付費的核心不是模型參數，而是權限、稽核、可控性與交付結果。","免費 AI 要變現，關鍵是切出邊界，把價值拆成可計費的工作流。",0,"2026-06-18T19:17:53.488185+00:00","2026-06-18T19:17:53.478+00:00","29fa8a72-a8a8-473e-975c-3991ae762f60",{"tags":32,"relatedLang":37,"relatedPosts":41},[33,35],{"name":19,"slug":34},"claude-code",{"name":18,"slug":36},"anthropic",{"id":15,"slug":38,"title":39,"language":40},"ai-fufei-moshi-biancheng-gongju-en","AI 付费模式为什么先赢编程工具","en",[42,48,54,60,66,72],{"id":43,"slug":44,"title":45,"cover_image":46,"image_url":46,"created_at":47,"category":13},"2c14071a-9780-4d9d-9ed0-c12fa1b40501","red-hat-ai-mavenir-telco-ai-stack-zh","Red Hat AI 把電信 AI 變成堆疊","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781885880665-z3qj.png","2026-06-19T16:17:38.29401+00:00",{"id":49,"slug":50,"title":51,"cover_image":52,"image_url":52,"created_at":53,"category":13},"eda7a48a-4eda-4111-9103-38a24eaaec6a","manus-ai-github-clone-kits-zh","Manus AI 相關 GitHub 倉庫多是克隆套件","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781882272627-ya10.png","2026-06-19T15:17:26.427636+00:00",{"id":55,"slug":56,"title":57,"cover_image":58,"image_url":58,"created_at":59,"category":13},"99ca39f4-b9fb-463b-bfed-cc104be14b06","gemini-atlas-physical-ai-update-zh","Gemini進 Atlas 後，物理 AI 更接近可用","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781878664419-u153.png","2026-06-19T14:17:20.95474+00:00",{"id":61,"slug":62,"title":63,"cover_image":64,"image_url":64,"created_at":65,"category":13},"b302f90f-7a19-47c9-b086-721ca8897a0b","spacex-shou-gou-cursor-bu-hua-suan-ai-bian-cheng-zh","SpaceX收购Cursor不划算，AI編程能力應自己做","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781877776048-ipy6.png","2026-06-19T14:02:19.491301+00:00",{"id":67,"slug":68,"title":69,"cover_image":70,"image_url":70,"created_at":71,"category":13},"3a363db2-44d4-4fef-bab1-029541c6f200","claude-200-dollar-plan-not-worth-trusting-zh","200美元月费的Claude套餐不值得默认信任","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781874168495-b2nl.png","2026-06-19T13:02:20.546766+00:00",{"id":73,"slug":74,"title":75,"cover_image":76,"image_url":76,"created_at":77,"category":13},"1f5b7922-9af6-4c7d-9bb7-8130fb25dd7b","six-nations-jomtien-beach-windsurfing-event-zh","6 國齊聚芭達雅風帆賽","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781870577618-iope.png","2026-06-19T12:02:28.414096+00:00",[79,84,89,94,99,104,109,114,119,124],{"id":80,"slug":81,"title":82,"created_at":83},"ee073da7-28b3-4752-a319-5a501459fb87","ai-in-2026-what-actually-matters-now-zh","2026 AI 真正重要的事","2026-03-26T07:09:12.008134+00:00",{"id":85,"slug":86,"title":87,"created_at":88},"83bd1795-8548-44c9-9a7e-de50a0923f71","trump-ai-framework-power-speech-state-preemption-zh","川普 AI 框架瞄準電力、言論與州權","2026-03-26T07:12:18.695466+00:00",{"id":90,"slug":91,"title":92,"created_at":93},"ea6be18b-c903-4e54-97b7-5f7447a612e0","nvidia-gtc-2026-big-ai-announcements-zh","NVIDIA GTC 2026 重點拆解","2026-03-26T07:14:26.62638+00:00",{"id":95,"slug":96,"title":97,"created_at":98},"4bcec76f-4c36-4daa-909f-54cd702f7c93","claude-users-spreading-out-and-getting-better-zh","Claude 用戶更分散，也更會用","2026-03-26T07:22:52.325888+00:00",{"id":100,"slug":101,"title":102,"created_at":103},"bd903b15-2473-4178-9789-b7557816e535","openclaw-raises-hard-question-for-ai-models-zh","OpenClaw 逼問 AI 模型價值","2026-03-26T07:24:54.707486+00:00",{"id":105,"slug":106,"title":107,"created_at":108},"eeac6b9e-ad9d-4831-8eec-8bba3f9bca6a","gap-google-gemini-checkout-fashion-search-zh","Gap 把結帳搬進 Gemini","2026-03-26T07:28:23.937768+00:00",{"id":110,"slug":111,"title":112,"created_at":113},"0740e53f-605d-4d57-8601-c10beb126f3c","google-pushes-gemini-transition-to-march-2026-zh","Google 把 Gemini 轉換延到 2026 年 3…","2026-03-26T07:30:12.825269+00:00",{"id":115,"slug":116,"title":117,"created_at":118},"e660d801-2421-4529-8fa9-86b82b066990","metas-llama-4-benchmark-scandal-gets-worse-zh","Meta Llama 4 分數風波又擴大","2026-03-26T07:34:21.156421+00:00",{"id":120,"slug":121,"title":122,"created_at":123},"183f9e7c-e143-40bb-a6d5-67ba84a3a8bc","accenture-mistral-ai-sovereign-enterprise-deal-zh","Accenture 攜手 Mistral AI 賣主權 AI","2026-03-26T07:38:14.818906+00:00",{"id":125,"slug":126,"title":127,"created_at":128},"191d9b1b-768a-478c-978c-dd7431a38149","mistral-ai-faces-its-hardest-year-yet-zh","Mistral AI 迎來最硬的一年","2026-03-26T07:40:23.716374+00:00"]