Simon Willison：Anthropic 和 OpenAI 真正找到了 PMF——靠的是编程 Agent，不是 ChatGPT
文章摘要
Simon Willison 在这篇文章里提出一个判断：Anthropic 和 OpenAI 终于找到了真正的产品市场契合（PMF），但靠的不是面向消费者的 ChatGPT，而是面向企业的编程 Agent——分别是 Claude Code 和 Codex。在经历多年「用户疯涨但不赚钱」之后，这是一个营收上的拐点。
他用一组数字佐证。首先是定价模式的转变：2026 年 4 月，两家公司都把企业客户从「大幅打折的按席位计费」迁移到「按 API 用量计费」，让企业成本对齐公开 API 价格——这意味着随着新模型发布，客户会被锁定在更高的支出上。Willison 还晒出自己的账单：他每月实际消耗了价值 2180 美元的 token，却只付了 200 美元。营收侧则有传闻称 Anthropic 季度营收逼近 109 亿美元且有望盈利；SpaceX 的 S-1 文件披露，Anthropic 在 2029 年 5 月前每月从 SpaceX 获得 12.5 亿美元的算力采购。
招聘数据同样印证了「企业化」转向：OpenAI 有 703 个在招岗位（32.6% 面向企业），Anthropic 有 390 个（26.9% 面向企业）。至于 Uber 预算超支、微软退订席位这类「坏消息」，Willison 反而认为它们恰恰验证了论点——企业即便「倒吸一口凉气」也还是批了预算，因为 Agent 带来了可衡量的生产力提升。对比之下，ChatGPT 那 9 亿周活用户贡献的营收却微乎其微：真正可持续、可盈利的商业模式，来自每月愿意付 200 美元以上的企业用户。
HN 评论精华
作者 Simon Willison 本人也在帖中多次回复，讨论集中在「编程之外能否复制」和「中国模型的价格冲击」两条线上：
- spprashant：总结道，这意味着会有更多人能借助 AI 写软件；现有工程师会像一直以来那样以更快的速度把自己的任务自动化掉，但 AI 在其他领域的影响似乎要弱得多。
- simonw（作者本人）：回应称它适用于更广的知识工作，只是更难落地——软件开发的巨大优势在于「软件能跑或不能跑」，错误和幻觉极易被发现；而要在研究报告或法律文书里揪出错误难得多。不过非软件从业者也有大量时间花在可安全自动化的任务上，如重排文档、从 PDF 抽数字等。
- slopinthebag：追问「我们是不是不再在乎代码质量、可维护性、性能、可扩展性和可理解性了？」——过去「能跑」只是「好软件」的一小部分。simonw 答说当然该在乎，他正为此写一整本关于 agentic 工程模式的书。
- CachedaCodes：透露自己公司刚开全员大会，开始限制谁能用哪些模型，并要求大家「对公司的 token 更负责任」，而这并不是一家小公司。
- x187463：思考按 token 计费的盈利模式会如何影响「提升 token 效率、压低算力成本」的动力——相比统一订阅价，按量付费下厂商优化成本的意愿其实更弱。
- skeledrew / sourcecodeplz：指出来自中国的价格压力——DeepSeek 和小米刚宣布大幅永久降价（幅度高达 99%），加上不断发布的高能力开源权重模型，可能动摇 OpenAI / Anthropic 的万亿估值；不过企业客户和数据安全/合规壁垒仍是西方厂商的护城河。
- tredre3：提醒开源权重模型仍存在供应链攻击风险——人们让 LLM 直接接触整个基础设施却从不检查产出的代码，理论上可在训练时植入「特定触发才输出恶意代码」的后门。