问 YC 的创业者写代码最爱用哪家的模型，Anthropic 领先的幅度，远远超过只看公开测试分数时会预料到的。公开测试分数很容易刷，别的大实验室大多有专门把分数做好看的团队。Anthropic 没有这样的团队，不对着考题教，盯的是内部不公开的测试，还让自家工程师天天拿模型干活。这样一来，分数和实际好不好用之间就会对不上，这很可能是差距最主要的来源。
Tom Brown
Claude Code 起初只是 Boris 给自己和公司内部工程师拼出来的工具。在这之前，Anthropic 几乎把全部力气押在把模型开放给开发者调用上，想法是外面那么多创业公司点子更好，产品该由它们来做。结果这个内部工具成了市场上同类里最好的产品。说不清它有什么大优势，可能只是更懂 Claude，把 Claude 本身也当成用户：给它合适的工具，帮它拿到合适的信息。这件事创业公司也做得到，给模型当用户做工具，可能是一片富矿。
眼下花在 AI 算力上的钱，大约每年翻三倍。2026 年的规模已经基本锁定，2027 年还有些变数。照这个势头，人类正走向有史以来最大的一次基础设施建设，明年就会比阿波罗登月计划和曼哈顿计划都大。建设铺得这么大，最大的瓶颈很可能是电，尤其是美国的电。Anthropic 想在美国建，它最大的政策目标之一，就是让美国批建数据中心更容易、建得更多。
当年 OpenAI 做 GPT-3 时从 TPU 换到显卡，部分原因是显卡上的 PyTorch 比 TPU 上的 TensorFlow 好用。底层软件可靠，就能快速做实验，很快搭出一整套能跑的系统。如今 Anthropic 用的芯片平台多了，难处恰恰在于要把每个平台上的软件都写好。所以最要紧的，是练出把底层软件写好的本事，让在上面干活的人都用得顺手。
Anthropic 刚起步时，OpenAI 手里有 10 亿美元和一众明星人物；这边只是疫情期间的七个联合创始人，连做不做产品、做什么产品都不知道。最早加入的人本可以去别处拿更大的名气和更多的钱，却是为了使命而来。如今公司约 2000 人，似乎还没有内部政治渗进来，很大程度上是因为最早那一百人都是为使命来的：一旦有人看起来不是在为使命做事，就会有人举手指出来。
ChatGPT 发布前大约九个月，Anthropic 内部已经有一个放在 Slack 里的 Claude 1 聊天机器人。当时不确定该不该把它做成产品，不知道推出来对世界是不是好事，也没想清楚要靠什么产生影响。正因为拿不定主意，就迟迟没去搭对外大规模提供服务的系统；回头看，就算当时想推，也推不出来。犹豫太久本身就耽误了准备，这是一个教训。