Every CEO：SaaS账单不降反升，Codex比Claude强在哪里？

一、放弃私人助理，全公司共用顶层大脑

如果问未来一年的工作会变成什么样，多数人的直觉是 AI 将接管一切。但 Dan 看到的是，工作会沿着两条截然不同的轨道同时演进。

• 第一条是异步 Agent（把任务派给它，它在后台独立跑完再反馈结果）的普及。

你会在 Slack 里看到 Agent 帮你处理工作、找答案或者跑流程。Shopify 和 Ramp 已经这么做了，大模型公司内部也在用。但这里的核心判断是，并不是给全公司每个人发一个私人 Agent，而是全公司共用一个超级 Agent。它会先覆盖所有人都需要的基础工作，比如数据查询，然后再随着内部使用经验的积累慢慢向下延展。

一年前，大家还觉得个人 Agent 很诱人，Every 内部也曾尝试让全员配置，结果所有人都放弃了。不过，原因不是技术不行。

Agent 就像一个需要人照顾的小孩。只要有人追踪它的行为并修正方向，它就有用；一旦失去连接，懒得去管它，它就只是一堆随时报错的代码。

让每个员工自己去维护一套极不稳定的系统，大家既没有那个时间也没有意愿。所以现阶段最合理的解法是，在公司层面架设一个顶层 Agent，并配备专人负责让它稳定运行。等未来模型变强、维护成本降下来，再去谈个人 Agent 的普及。

这不是说个人 Agent 不会有市场。他们 COO 提出了一个叫"电脑跑腿"的概念：订菜、处理生活杂事、跑各种私人事务，这类场景本来就是另一块完全独立的领域，和工作 Agent 天然分开。个人 Agent 的时代一定会来，只是它走的是另一条线。

• 第二条是基于本地 Agent 的全新工作台（Work Surface）的崛起。

像 Codex、Claude Code 这类工具，正在从单一的命令行工具或代码助手，演变成你处理所有知识工作的绝对中心。

未来的场景是这样的。每个项目建一个 Thread（包含完整上下文的独立任务会话），你在里面打开内嵌浏览器写文档、处理邮件、做数据分析，所有动作都在同一个界面里闭环，Agent 能实时看到你的每一步操作，与你并排工作。

邮件处理就是最直接的例子。Dan 本人十分不擅长处理邮箱信息，但他用 Codex 配合邮件 Agent Quora，把所有邮件聚合成一个渲染页面，每天对着每封邮件直接说话，Codex 就自动去处理。就这样，Dan 已经 Inbox 0（收件箱清零）坚持了整整十天。

二、工具跑进 Agent 内部，SaaS 不会死

过去两年，几乎所有 SaaS 公司都在焦虑地往产品里塞 AI，加对话界面。背后的逻辑是把 AI 塞进工具里，但实际情况恰恰相反，不是把 AI 塞进工具，而是工具跑进了 Agent 内部。

当你在 Codex 的内嵌浏览器里访问某个 SaaS 时，Agent 拥有了你整个浏览器的访问权限。最关键的是，它消耗的是你自己的 Token，而不是那家 SaaS 公司的。SaaS 公司根本不需要自己花重金做 AI，因为用户自己带着 AI 入场了。

SaaS 末日论纯属无稽之谈。Agent 并不是 SaaS 的终结者，反而成了用量的扩大器。

GitHub 最近遇到了极大的基础设施压力，请求量呈指数级增长。这海量的请求绝大多数来自用户的 Agent，而非用户本人，Every 自己的 SaaS 支出在过去一年里同样也是上涨的。

这种趋势将彻底改变产品设计要求。

现在的重点是你的产品能否让人和 Agent 都用得顺滑。人走 Web 界面，Agent 走 CLI 或 API，两条路径必须同步。更绝的是，Agent 带来的 Bug 反馈质量极高，里面附带了完整的复现步骤、精确错误日志甚至代码库分析。公司的 Agent 收到报告后能直接派另一个 Agent 去修，瞬间形成极速闭环。这种效率在人类身上很难很难出现。

如果用户都在用 Codex，产品的新手引导逻辑也要重新思考。你只需给他们一段 Prompt，Codex 就会带着关于该用户所有的上下文去跟你的 App 对话，连表单都不用填。

这块阵地上，OpenAI 和 Anthropic 正在直接竞争，争的就是谁能成为你处理所有知识工作的那个入口。Anthropic 是最早把 Agent 放到用户电脑上的，一步步从 Claude Code 摸索出了 Cowork；OpenAI 看清路线后，直接跳到了终局，把内嵌浏览器、多项目管理和 UI/CLI 并行一口气全做进去了。

Dan 现在的日常首选是 Codex，他甚至在 Anthropic 自己举办的活动上当着工程师的面说了这句话。他的判断是，这场赛马还没结束，领先的位置会换，但有一件事已经确定：

纯 CLI 的时代基本结束了，GUI 能给你完全一样的底层能力，还更好用。

三、满分模型比不上 80 分人类

Dan 有一个自制的基准测试，从一次线上事故开始。

Every 之前完全靠 Prompt 写了一个叫 Proof 的产品，上线那天服务器每隔十分钟崩溃一次。Codex 修好一个 Bug，马上引发四个新 Bug，无限循环。最后只能请两位人类高级工程师来独立修复，他们各自交出了一份重写方案。后来，Dan 把这两份方案定为基准答案，每当新模型出来，就把同一段烂代码和同一句指令丢给它，让它从头重写，再拿结果和人类方案比对打分，这就是高级工程师基准测试。

结果很直白：此前所有模型 30 分，人类高级工程师 80 到 90 分。直到 GPT 5.5 配合 Opus 4.7 的规划能力拿到 62 分，是目前最大的一次跃升。

但这 62 分与人类的 80 分之间，差距不仅是做对了几道题。人类工程师接到任务后，会先通读代码库，然后告诉你这东西根源有问题，我们需要推倒重来。但模型不会，你让它修 Bug，它就只打难看的补丁。目前只有 GPT 5.5 敢扔掉旧代码重写，其他模型即使你明确要求它也不敢逾越。

基准测试只能测量你已经知道怎么提问的东西。真正的工程能力在于，你能敏锐地意识到当前解决问题的框架本身就是错的。

如果模型拿满分，只能说明它在已知框架里做对了所有事。但人类随时可以把基准清零，重新设计一套全新的框架。这是人类工程师真正被需要的地方。在 AI 发展最快的这一年里，Every 的团队从 15 人扩张到近 30 人，他们对优秀工程师的需求不降反增。

四、写代码的人越多，系统审核越值钱

在 Every 内部，无论编辑还是运营，只要用 Claude Code 就有可能直接提交代码 PR。技术门槛降低，越来越多的人能干工程师的活。

但产能扩张有它自己的代价，能提交代码的人多了，审核压力就全压到了少数人头上。Every 内部 Agent 的维护者每天要处理几千个 PR，他只能再跑上万个 Codex 实例来做初步过滤。数据科学团队也碰到了同样的问题：每个人都用 AI 跑分析，错误结果铺天盖地，数据科学家一半时间在鉴定坏数据，而不是做真正的分析。

这种情况的解法不是把权限收回去，而是在上游拦截：搭一个专人维护的 Bot 处理所有基础查询，让科学家只面对真正复杂的问题。产能扩张之后，搭系统、做判断的人反而更值钱了。

这催生了一个新职位：前沿部署工程师（Forward Deployed Engineer），他们的核心职责是让 Agent 系统对全公司起作用。Every 的 AI 工程师每天泡在 Slack 里，工作就是看着内部的 Agent Claudia 跑通咨询业务，随时纠正它。

很多人以为用 AI 就像当老板可以躺在海滩上喝酒，但现实里的管理者非常忙碌，要随时同步进度、解决突发问题。管理 AI 也是同样的逻辑。

这印证了一个概念叫资源分配经济（Allocation Economy）。只要业务里用上了自动化，就需要有人去盯紧它有没有做错事。未来 AI 生成文档会极其普遍。Every 的季度规划就是靠 Agent 挨个访谈成员自动输出的，人唯一需要做的就是判断哪几个团队需要对齐。Dan 的大部分邮件也由 GPT 5.5 代写，核心根本不在于谁写的，而在于发送这封邮件的人，到底懂不懂里面的每一行字。

五、PM 与设计师成赢家，CEO 必须下场

在这场变革中，受影响最小的是 CEO 和销售。

CEO 目前还可以选择不碰 AI，但这舒适的窗口期不长。一家公司能把 AI 用到什么程度，天花板完全取决于 CEO 愿意自己把手伸进去多深。

销售受影响也小，AI 能快速搜遍全网，精准找到你的潜在客户，然后直接发私信约晚饭。但那种面对面建立高层信任的事，AI 目前还远远够不到。

真正变化最大、赢面最大的是产品经理（PM）。

Every 的 PM 之前在 Axios 带团队把产品做到几千万美元年营收。他不懂硬核技术，但他能看懂代码，现在直接用 Claude Code 独立运营产品 Spiral。PM 手里的核心判断能力，终于不再因为等不到工程排期而被无限期搁置了。他能精准感知用户反馈，交付产品的速度比全团队都快。

全栈设计师是第二大赢家。以前有想法实现不了，只能苦等排期，现在他们直接提交代码立刻看效果。既然 AI 批量生产的界面全都长一个样，那么拥有真正审美眼光的设计师，在千篇一律的背景下反而变得更加抢手。

模型做的事情，是把昨天的人类能力变廉价。它吸收了所有过去积累的东西，把它们冻住，让任何人都能随时调用。然后人类会拿这些冻住的能力去做新的事情，在自己极其具体的场景里，做出模型里还没有的东西。

如果 AI 当年是 IBM 发明的，它大概率会变成极其昂贵的企业级基础设施。但它长在硅谷的文化里，底层逻辑就是让智能变得便宜到不计成本。 现在每个人手里都拿到了同一个工具，接下来到底怎么用，全看你自己。