SD0

₿ Builder-Investor Builder at Web3 Infra | e/acc | Code × Capital → Freedom | writer • cook • travel • photo

[SD0 @Develop0x]

失落的三十年即將終結？日本正從低利率陷阱走出

市場最容易誤判日本的地方，是用一般國家的利率模型去套它。一般情況下，降息股市漲，升息股市跌，這沒有錯。因為利率下降，折現率下降，股票估值被撐高；利率上升，折現率上升，股票估值被壓低。但日本不一樣。日本過去三十年的低利率，不是紅利，是病歷。不是因為經濟太強，所以資金成本低；而是因為經濟太弱，通��太久，企業不敢投資，家庭不敢消費，薪資不會漲，價格不會動，最後只能用零利率把整個系統吊著。

所以這一次，日本真正重要的不是「升息」，而是它終於有資格升息。

這是我看好日股很重要的一個切入點。日本如果能穩步升息，並且讓長期利率有序上升，但仍維持在低於美債的區間，它反而會變成全球資金最舒服的一個目的地。因為這代表日本不是在緊縮經濟，而是在擺脫低利率陷阱；不是央行要打爆市場，而是市場開始相信，日本經濟終於不需要靠零利率續命。

過去的日本，低利率反而是股市的天花板。企業沒定價權，銀行沒利差，家庭把錢放在存款，企業把現金堆在資產負債表上，房地產沒有大行情，薪資停在原地。這種市場再便宜，也很���讓國際資金長期買進，因為它缺少一個最重要的東西：名目成長。沒有通膨，沒有薪資，沒有價格重估，再便宜都只是價值陷阱。

但現在的日本，正在出現完全不同的訊號。東京23區家庭型中古公寓的平均掲載價格已經衝到1億822萬日圓，年增46%，而家庭型租金也刷新高，東京23區掲載租金達252,464日圓，且已連續18個月上升。這不是單純房價炒作，而是日本名目價格體系重新啟動的其中一個表現。當房價會漲、租金會漲、薪資會漲，整個社會對現金的信仰就會開始鬆動。

這裡的關鍵不是通膨本身，而是通縮心態的死亡。日本最可怕的不是物價低，而是所有人都相信明天也不會漲。企業不敢漲價，員工不敢要求加薪，家庭不急著買資產，投資人也不願意給日本企業更高估值。但一旦這套心理結構反��，變化會非常劇烈。因為日本不是短期冷掉的市場，而是被壓抑了三十年的市場。

這就是為什麼日本升息不能只看成利空。日本央行最近已把政策利率升到1%，這是31年高點；BOJ 內部偏鷹派的委員甚至主張，如果通膨風險上升，應該每隔幾個月升息一次，讓政策利率逐步接近約2%的中性水準。這代表日本的政策討論已經從「如何避免通縮」變成「如何管理通膨」。這個轉變本身，就是 regime change。

一般國家升息，市場怕的是景氣被壓垮；但日本如果能穩步升息，市場看到的是另一件事：日本經濟終於恢復正常呼吸。更重要的是，這次升息不是完全沒有基本面。2026年春鬥初步加薪幅度達5.26%，是連續第三年超過5%；2026年第一季實質GDP年化成長1.8%，雖然不算暴衝，但已經足以說明日本不是在衰退邊緣硬升息。

我會把這種升息稱為「好升息」。壞升息是央行被匯率、能源、輸入型通膨逼著升息，經濟本身承受不了；好升息是薪資、物價、企業獲利、資本支出開始正常化，央行只是把利率從不正常的零附近拉回正常世界。日本這一次，如果能保持節奏，就是後者。

長期利率也是一樣。真正好的狀態，不是日本長債殖利率永遠被壓在地板，也不是突然暴衝到跟美債一樣高，而是有序上升、但仍低於美元利率。現在日本10年期公債殖利率約2.63%，美國10年期公債殖利率約4.41%，兩者仍有明顯利差。這個結構很關鍵：日本利率開始正常化，代表日圓與日本資產的可信度上升；但利率仍低於美國，代表股票估值和企業融資成本還沒有被高利率完全壓死。

也就是說，日本最好的劇本不是「低利率永遠不變」，而是「利率慢慢變正常」。這聽起來反直覺，但這就是日本和其他市場最大的不同。過去日本的低利率，是通縮的象徵；現在日本的升息，反而可能是��離通縮的證明。

而資金流會看懂這件事。外資過去不愛日本，不是因為日本公司都爛，而是因為日本沒有明確重估的理由。股價便宜、PBR低、現金多、土地多，這些大家早就知道，但知道沒有用，因為沒有人逼公司改變，也沒有人相信日本名目經濟會醒來。現在不同了。東京證券交易所從2023年開始要求 Prime 和 Standard 市場企業推動「重視資本成本與股價的經營」，這是日本股市很少見的制度性壓力。它不是一句口號，而是逼企業面對 ROE、PBR、買回、股息、資產效率這些過去可以逃避的問題。

這就是日股重估的第二層。宏觀上，日本走出通縮；微觀上，日本企業被迫提高資本效率。這兩件事疊在一起，才是日股真正可怕的地方。單純通膨不一定利多，單純公司治理也可能太慢，但如果通膨讓名目營收變大，升息讓金融業復活，治理改革又讓企業把多餘資本還給股東，���就不是短線行情，而是估值體系重排。

更大的資金來源，是日本自己人。日本長期是一個「有錢但不投資」的國家，家庭金融資產大量停在現金與存款。可是通膨一來，現金就不再安全。NISA 到2025年底累計買付額已經達71兆日圓，兩年內大幅成長；Reuters 也報導，日本銀行正在面對存款被投資市場吸走的壓力，因為通膨、升息與新NISA正在推動日本家庭從存款走向市場。

這件事的威力不能低估。日本不需要所有家庭都變成積極投資人，只要一小部分現金從銀行存款移到股票、投信、ETF、退休投資帳戶，日股的長期買盤就會完全不一樣。過去日本家庭持有現金，是因為現金不會輸；現在通膨回來，現金就變成每天緩慢流血的資產。這種心理一旦改變，資金流的方向會是長期的。

外資也已經開始動。5月下旬，外資連續第八週買超日本股票，單週淨買超1.08兆日圓���今年以來累計流入接近11.7兆日圓。這背後不是只有「日本便宜」，而是市場開始把日本放進一個新的框架：再通膨、AI、治理改革、利率正常化。

但日本這波還不只是國內故事。它還剛好踩到全球 AI 資本支出的超級循環。

AI 不是只有模型，不是只有軟體，也不是只有 Nvidia。AI 的背後是一整套硬體戰爭：先進製程、HBM、測試、封裝、材料、晶圓設備、精密加工、資料中心、電力、自動化。這些東西，正好打中日本的強項。日本不一定做出最強的 AI 應用，但它可以賣鏟子。AI 世界越往前走，越需要日本的設備、材料、測試與高階製造能力。

SEMI 預估全球半導體製造設備銷售額將從2025年的1,330億美元，升到2026年的1,450億美元，2027年達1,560億美元，並指出成長主要來自 AI 相關投資，尤其是先進邏輯、記憶體與先進封裝。這就是日本的機會。不是去賭哪個 AI App 最後會贏，而是賣給所有淘金者鏟子。

所以我看日本，不是單純看它擺脫通縮，也不是單純看 AI 題材，而是兩條線同時發生。第一條線是國內名目經濟重啟，帶動銀行、保險、不動產、交易所、內需與低PBR企業重估。第二條線是全球 AI 資本支出，帶動半導體設備、測試、材料、精密加工、機器人與自動化。這兩條線同時打到日本，這才是日股這波行情的核心。

市場已經開始反映這件事。SMBC Nikko 的資料顯示，TOPIX 企業本財年淨利預估成長約6%，主要由電子與銀行部門推動，一邊受惠 AI 需求，一邊受惠利率上升。這非常關鍵，因為它剛好驗證了這個 thesis：AI 推動獲利，升息推動金融，兩個引擎同時啟動。

所以我真正想看的，不是「日本升息股市會不會跌」這麼簡單的問題。我要看的是，日本能不能從壞低利率，走向好升息。壞低利率的意思是，利率低，因為經濟沒��；好升息的意思是，利率上升，因為經濟終於有力。這中間的差別，就是失落三十年和重新定價的差別。

當然，這個論點不是沒有風險。如果日本升息是因為日圓崩跌、能源價格暴衝、輸入型通膨失控，那就是壞升息。如果日本長債殖利率不是有序上升，而是因為財政疑慮、JGB 市場失序而暴衝，那也會變成股市壓力。如果 AI 資本支出突然反轉，日本的賣鏟子股也會劇烈修正。如果薪資成長無法擴散到中小企業，內需復甦也會打折。

但投資看的是機率和方向。從現在的結構來看，日本已經不再是過去那個只會讓人想到老化、通縮、停滯的市場。它正在從「便宜但沒有催化劑」變成「不再便宜，但催化劑很多」。房價租金在動，薪資在動，利率在動，企業治理在動，家庭資金在動，外資在動，AI 資本支出也剛好在動。

這就是我看好日股的理由之一。

日本不是因為低利率而值得買，而是因為它終於開始走出低利率陷阱。真正的轉折，不是央行把利率降到零，而是一個國家在經歷三十年通縮之後，終於有能力��受正利率。

低利率是麻醉劑。升息，是病人開始自己呼吸。

如果日本可以穩步升息，讓長期利率維持在比美元低、但不再被通縮壓扁的位置，同時企業獲利、薪資、AI 資本支出、股東回報繼續往上，那長期資金流入日股不是意外，而是合理結果。

日本這次不是回到1989。它真正要告別的，是1990年後那個所有人都以為價格不會再上漲、企業不會再改變、資產不會再重估的時代。

失落的三十年，不一定會在某一天正式結束。

但市場往往會先投票。

[SD0 @Develop0x]

公司真正怕失去的，常常不是一個人，而是那個人帶走以後，整個組織突然少掉的判斷力。

幾年���我待過一家公司，有個資深工程師離職。交接做了三天，文件寫得很長，看起來也完整。可是他走了不到一個月，系統就開始出一些小狀況。

不是那種文件漏寫的大災難，而是很細、很煩、也很難事先說清楚的事。哪個服務半夜比較容易抖，哪個參數不能隨便調，哪個客戶需求背後有歷史包袱，照字面做反而會出事。這些東西不是他故意不寫，是很多判斷連他自己都不一定知道自己知道。

他一走，公司就變笨了一截。

我後來常想這件事。一家公司最值錢的東西，很多時候不在文件裡，也不在資料庫裡，而是在幾個人的腦子裡。問題是，那幾顆腦子隨時會離職、轉組、 burnout，或只是被拉去處理別的事。

Satya 這篇文章最值得看的地方，也是在這裡。

他不是又包裝了一個漂亮的新名詞，而是把企業面對 AI 時真正要保住的東西講清楚了：工具可以換，模型可以換，短期效率也會被追平；真正關鍵的是，公司有沒有把自己的學習能力留住。

過去幾波數位轉型，本質上多半是拿系統放大人的效率。ERP、CRM、雲端、SaaS，說穿了就是把流程數位化，把資訊流動變快，把一個人能管理的範圍撐大。

可是 AI 這一波麻煩一點。

它開始碰到「判斷」本身。它可以讀流程、看紀錄、學專家怎麼處理例外狀況，也可以把原本只存在老員工腦中的 tacit knowledge，慢慢變成可以查詢、複製、調用、修正的系統能力。

這也是 human capital 和 token capital 這組概念有意思的地方。

很多人直覺會以為，AI 變強，人就變得不重要。其實剛好相反。真正有價值的人會更重要，因為 AI 可以生答案，但它不會自然知道這家公司到底在意什麼。

什麼目標值得追，什麼 trade-off 可以接受，哪個細節看起來小但其實藏著風險，哪個客戶不能只照合約字面處理，哪個決策雖然短期漂亮但長期會留下債。這些東西來自經驗、品味、關係、直覺，還有責任感。

差別在於，過去這些能力多半卡在個人身上。

某個資深業務懂客戶脾氣，某個法務知道合約哪裡有雷，某個工程師清楚系統哪邊容易爆，某個營運主管知道流程真正卡在哪。這些都是企業最珍貴的資產，也最難規模化。人一走，部門一重組，專案一結束，知識就蒸發。

AI 讓這件事有了新的可能。

企業可以把人的判斷、工作流、修正紀錄、成功案例、失敗案例，一點一點沉澱到一套會越用越好的系統裡。這就是文中講的 learning loop。不是把任務丟給 AI 做完就算了，而是每一次使用都留下回饋，每一次人工修正都變成新的訊號，每一次業務結果都回頭校準系統對「好」的定義。

這裡最重要的一句話是：You can offload a task, or even a job, but you can never offload your learning.

你可以把任務外包給 AI，甚至把某些工作外包出去，但你不能把學習外包掉。

這句話剛好戳中很多公司現在的盲點。大家很容易把討論停在「哪個模型最強」、「哪個工具最便宜」、「哪個 Copilot 最好用」。可是如果只是拿外部模型把事情做完，過程中的資料、判斷、錯誤、修正、結果，都沒有回到公司自己的系統裡，那拿到的只是短期效率。

長期資產反而流到別人那邊。

所以 Satya 才會強調，底層模型可以換，但 company veteran expertise 不能丟。今天用這個模型，明天換另一個模型，這都沒那麼重要。真正不能弄丟的，是公司自己的知識庫、私有評估標準、工作流、回饋資料，以及那些只有在產業裡踩過坑才會長出來的 domain judgment。

這才是 AI 這一波真正的主權問題。

所以我不太喜歡把企業 AI 戰略講���「導入 AI」。這個說法太輕了，像是買一套工具、開幾個帳號、辦幾場教育訓練就結束。

更該問的是，公司有沒有能力把核心流程變成一個會持續學習的系統。公司知不知道什麼叫做「AI 做得更好」。有沒有自己的 private evals，而不是只看外部 benchmark。資深員工的判斷，有沒有被留下來。人機協作每跑一次，系統有沒有更懂這家公司一點。

如果這些都沒有，AI 很可能只是比較高級的外包。

看起來效率上去了，文件更快產出，email 更快回完，程式更快寫出來，但公司自己的 know-how 沒有變厚。更麻煩的是，最珍貴的流程、知識、判斷，反而慢慢攤給外部系統。久了以後，差異化就被商品化掉。

Satya 後面談全球化，我覺得也是這篇比較有力的地方。

他其實不是只在講技術架構，而是在講政治經濟。如果 AI 的價值最後全都集中到少數 frontier models，這個結構不會穩。每個產業都會怕自己的專業被吸走，每家公司都會怕自己的 IP 被吃掉，每個國家也會怕自己的產業能力被少數平台掐住。

這跟第一波全球化有點像。表面上 GDP 還在長，效率也更高，可是很多地方的產業、工作、社群被掏空了。AI 如果走上同一條路，短期看起來會很有效率，長期卻會留下更大的分配問題：少數模型吃掉所有知識，其他公司退化成 API 使用者。

這不會是一個穩定的均衡。

所以他說，A frontier without an ecosystem is not stable。我的理解是，能撐久的 AI 未來，不會只是幾個大模型統治所有產業，而是每家公司、每個產業都能在模型之上長出自己的 learning loop。價值要在生態系裡被重新創造，而不是全被底層模型吸走。

當然，這裡面也有 Microsoft 自己的平台算盤。

它不會只想當模型代理商。它更想當企業建立 learning loop 的那層基礎設施。Azure、Copilot、GitHub、Fabric、Power Platform、M365、資料���理、安全、身分權限，剛好都能包進���套敘事裡。

所以這篇文章同時是一篇 AI 戰略文，也是一篇平台宣言。

但就算把商業立場扣掉，我還是覺得方向是對的。企業接下來最該問的，不是「我們有沒有用 AI」，而是「我們用了 AI 之後，公司有沒有變聰明」。

如果 AI 只是讓員工更快出文件、更快回信、更快寫程式，那是 productivity gain。很有用，但不一定會累積成護城河。

如果 AI 讓公司的判斷被留下來，讓流程能自我修正，讓新人更快吸收老手的經驗，讓系統越來越懂自家的客戶、產品、風險跟策略，那就是 compounding gain。

這兩件事差很多。

一個是工具，一個是資產。工具會被價格戰吃掉，資產才可能長成護城河。工具依賴外部模型的能力，資產則是把外部模型的能力，轉成公司自己的能力。

我覺得接下來企業會在這裡分岔。

有些公司會把 AI 當降本工具，拿來替代任務、壓人力、��短期效率。這條路很快會看到數字，也最容易被管理層理解。

另一些公司會把 AI 當組織學習系統，拿來放大人的判斷、累積內部知識、提升決策品質。這條路比較慢，也比較難衡量，但如果做起來，長出來的東西更難被複製。

真正難的從來不在模型，而在組織。

因為要建 learning loop，就代表公司得重新設計工作流、資料結構、評估方式、權限治理、回饋機制，甚至重新分配人和 AI 的工作。這不是買一套工具就能搞定的事。它比較像是把公司裡每一個重要流程，都重新想成一個可以被觀察、被評估、被修正、被複利的系統。

所以 AI 轉型到最後，考的可能不是誰最早導入，而是誰最快把自己的專業知識系統化，並且讓它在每天的工作裡繼續變好。

AI 時代的護城河，會從「公司擁有多少人才」，慢慢變成「公司能不能讓人才的判斷變成可累積的系統能力」。

人還是核心。只是人的價值不再只看單次產出，而是看他能不能訓練、校準、引導、放大一套屬於公司的系統。

真正要盯的，是 AI 用完之後，公司有沒有把自己的判斷留下來。

沒有的話，效率再高，也只是借來的聰明。

[Satya Nadella @satyanadella]

https://t.co/vLmiBKTtX3

[Anthropic @AnthropicAI]

The US government, citing national security authorities, has issued an export control directive to suspend all access to Fable 5 and Mythos 5 by any foreign national, whether inside or outside the United States, including foreign national Anthropic employees.

The net effect of this order is that we must abruptly disable Fable 5 and Mythos 5 for all our customers to ensure compliance.

Access to all other Claude models is not affected.

We apologize for this disruption to our customers. We believe this is a misunderstanding and are working to restore access as soon as possible.

Read our full statement: https://t.co/bwn0sximKZ

[SD0 @Develop0x]

相信魏哲家，明年搬新家
相信黃仁勳，數錢到抽筋
相信蘇姿丰，財富攀高峰
相信劉揚偉，錢長四條腿
相信林百里，錢進戶頭裡
相信蔡明介，賺錢遊世界
相信李詩欽，賺到一桶金
相信鄭崇華，老婆隨便花
相信陳立白，財神隨便拜
相信束崇萬，戶頭幾千萬

[OneKey @OneKeyHQ]

Gas Account fee sponsorship is now available.

Send eligible tokens on Arbitrum and pay 0 gas fees.

[Seiya @hosomacho1]

1日30秒で、8時間の座りっぱなしを帳消しにする動作がある。

大げさではない。座りっぱなしで何が起きているかを先に説明する。

長時間座ると腸腰筋（股関節の奥にある深層筋）が縮んだまま固まる。すると骨盤が前に引っ張られ、連動して臀筋（お尻の筋肉）が正常に使えなくなる。臀筋が死ぬと腰椎（腰の骨）が代わりに負荷を引き受ける。腰が痛くなる。胸椎（背中の骨）が固まり、肩と首が代償を始める。

これは意志や姿勢の問題ではない。座るという行為が引き起こす、構造的な機能不全だ。

「ワールド・グレイテスト・ストレッチ」はこの連鎖を全部まとめて解除する。

股関節屈筋（脚を持ち上げる筋肉）・ハムストリングス（太もも裏）・胸椎・足首・肩。座りっぱなしで壊れる5カ所を、1つの動作で同時にリセットする。世界最高と呼ばれる理由はここにある。

正直、30秒のストレッチで何かが変わるとは思っていなかった。私自身、ストレッチ全般を「時間の割に効果が薄い」と軽視していた時期が長かった。

続けて2週間くらいで感覚が変わった。朝の腰の詰まりがない。肩が軽い。これだけで午前中の集中力が別物になる。

やり方はリプ欄へ。

[Commentary Real President Donald J. Trump @RealPresidentT]

Good morning, Beijing! It’s a beautiful airport! Much better than shithole Newark Airport which is a Biden era airport.

[SD0 @Develop0x]

#ChatGPTImage2

生成一張「用手機隨手拍到另一支手機螢幕」的真實照片，主體是 iPhone 16 的手機螢幕，上面顯示 LINE 聊天介面（深色模式）。

整體必須是「失敗的生活感拍攝」，不是乾淨截圖，也不是完美商品照，而是真實拍到手機螢幕的效果。請強調以下特徵：

- 螢幕表面有明顯指紋、油漬、污漬、擦痕
- 有強烈反光與環境倒影
- 右上角有燈光直射，形成高光過曝
- 畫面略微模糊，帶一點運動模糊與失焦
- 光線不均勻
- 構圖隨意、不置中、像是不經意拍壞的照片
- 手機邊框與動態島可見
- 整體像日常生活中隨手拍出的真實照片，不是設計稿、不是 UI mockup

LINE 聊天內容要有強烈戲劇感、情緒張力與出軌暗示，但保持合規合法，不要露骨色情、不要直接描寫性行為。聊天對象是一對夫妻，老婆傳訊息給老公，內容如下：

「對不起老公……」
「我現在跟一個男生出來約會……」
「他對我很好」
「我們一起吃飯、看電影」
「他還說……很喜歡我」
「我不知道該怎麼辦……」

老公的回覆要簡短、耐人尋味，有壓抑感、冷感、戲劇性，可以搭配一個微妙又意味深長的貼圖。

畫面請以「真實手機拍攝感」為最高優先，不要讓文字��版過度完美，不要像乾淨截圖。整體氛圍壓迫、曖昧、戲劇化、帶一點荒謬現實感。

[Elon Musk @elonmusk]

@glennbeck @rebeccaperrotto No

Yes

Yes

Your Name

Yes, a several times. Kyoto. teamLab.

Yes

Yes

Ok 😀

[宝玉 @dotey]

Anthropic 自家设计师 Ryan Mather，一人负责公司 7 个产品线。他发的几条自己用 Claude Design 的心得，结合官方教程：

1. 别急着干活，先花一小时搭你的设计系统。

把代码库、设计稿、品牌素材全塞给 Claude，让它抽出一套 UI Kit 并直接发布。这一小时的投入，以后你每次生成设计稿，风格都会自动套用，性价比爆表。公司要全面推开，可以投入一到两周做系统沉淀，道理不变：先沉下去规范，后面才有复利。

2. 别再玩接力，跟工程师一起边聊边改。

过去那种“设计师出稿→甩给工程师实现→回来再修改”的模式，已经过时了。开个会，你们一起看着画布，边讨论边敲定方案，一场会定下来直接开发，效率拉满。
3. 结构级大改用聊天，细节调整点评论。

你想换个深色模式、布局大洗牌、新增设置面板，或者一次出多个方向，这种级别的任务用聊天界面效率最高；按钮 padding 调一下、颜色换一换、输入框改下拉菜单，这种小修小补直接在元素上评论就行，精准又快速。

4. 反馈要具体，别给模糊情绪。

官方举过一个特别好的例子：「看着不对劲」就是最差反馈，而「表单字段间距改成 8px」才是智能体最爱听的明确指令。Claude 最擅长处理具象具体的要求，不善于揣摩你抽象的审美情绪。

5. 接上 Connector，让 Claude 读懂上下文。

Ryan Mather 提到他最爱的用法：把产品吐槽会议的纪要喂给 Claude，然后出去溜达一圈，回来一份完整的解决方案 Deck 已经自动生成了。

让 Claude 干复杂又综合的脑力活儿，你腾出手做更重要、更有创造力的事。

6. 关键时刻，别怕手工慢下来。

新图标、核心插画、产品名字、品牌形象，这类活儿别指望模型给你完美答案。这不是 Claude 不够牛，而是这事儿本质上考验的是你的个人品味和判断。Ryan 把这叫作“Agentic Designing 的艺术部分”。

7. 挂代码要精准，别塞整个 monorepo。

把整个 repo 拖进去会直接卡爆浏览器，模型的上下文也被无用信息污染了。你只要挂目标组件的文件夹或 package 就够了，记得排除 .git 和 node_modules，干净利索。

再补两条官方没说的小窍门：

1) 多开几个 Chat 平行探索。

同一个想法开 3 个对话，各自往不同方向跑一段，然后再挑精华合并，比在一个对话里反复折腾要高效太多。

2) 团队 Leader 得改改你的审查流程。

以前是“人做、人审”，现在是“Claude 做、人审”，这个差别巨大。如果你不调整节奏和人力配置，工具的价值会浪费一半，审查这一步一定要重构。

[SD0 @Develop0x]

@Brecht 一個 $200 MAX 已經無法滿足我了

[SD0 @Develop0x]

太狠了

[Claude @claudeai]

Introducing Claude Design by Anthropic Labs: make prototypes, slides, and one-pagers by talking to Claude.

Powered by Claude Opus 4.7, our most capable vision model. Available in research preview on the Pro, Max, Team, and Enterprise plans, rolling out throughout the day.

[SD0 @Develop0x]

哇咧，剛想下班，Opus 4.7 就��了

[Claude @claudeai]

Introducing Claude Opus 4.7, our most capable Opus model yet.

It handles long-running tasks with more rigor, follows instructions more precisely, and verifies its own outputs before reporting back.

You can hand off your hardest work with less supervision.

[SD0 @Develop0x]

It’s once again the most despairing moment of the week.

[SD0 @Develop0x]

@elonmusk @TaiwanSemi_TSC @Samsung TSC vs TSMC？

[Claude @claudeai]

Introducing Claude Managed Agents: everything you need to build and deploy agents at scale.

It pairs an agent harness tuned for performance with production infrastructure, so you can go from prototype to launch in days.

Now in public beta on the Claude Platform.

[SD0 @Develop0x]

@oldj 那我這個取得納什均衡可救意義非凡了

https://t.co/f60VcFtXvM

[SD0 @Develop0x]

這就是⋯⋯里程焦慮嗎？

[SD0 @Develop0x]

對 AI 的暴怒或者憤怒，恰恰體現了這個人在 AI workflow 水準上的功夫不足。

[SD0 @Develop0x]

大家都在討論 Claude Code 原始碼洩漏，我只在意我抽到鴨子嗚嗚