拆解Anthropic：押注 coding 的公司很多，为什么它先吃到复利？

文 | 深流研究所，作者 | 吴绛枫 据彭博社最新报道，截至今年7月底， Anthropic年化营收运行率已经突破650亿美元 。与2025年底约90亿美元的水平相比，这一数字在7个月内增长超7倍。 刚刚结束的二季度，Anthropic初步收入也已超过115亿美元，同比增幅达到14倍，并首次实现营业利润转正。 在前沿模型公司普遍依赖巨额融资、持续消耗算力的阶段，这是一条罕见的增长曲线。 推动增长的当然有Claude模型本身，但 模型能力并不会自动转化为收入 。 过去几年，Anthropic一面推进前沿模型能力，一面推出Claude Code、MCP、Cowork等带有新品类意味的产品。 这家公司常常能在模型跨过能力阈值后，迅速找到释放能力的产品形态，并实现商业化。这很难归因于几次偶然的产品判断。 毕竟，押注 Coding 的公司并不少，Anthropic 却率先把前沿模型变成了可用、可验证的产品，并跑出了复利。 它是怎么做到的？ 1、在研究和产品之间，Anthropic设置了一种特殊岗位 要理解这些问题，可以先从Anthropic内部一种特殊的岗位说起。 Dianne Penn是 Anthropic第一位技术产品经理 。她在2023年加入Anthropic，公开使用过的职务名称包括Head of Product for AI Research and Labs、Head of Product for Research and Labs，以及 Head of Research Product Management。 这些说法虽有差异，却都指向一个特殊的交叉点 ：一端进入AI Research，跟进模型研究团队的工作；另一端连接产品实验室Labs，用原型探索新能力可能长出什么产品。 在传统软件公司，技术地基相对稳定，产品经理可以围绕明确需求规划功能。但在前沿模型公司， 这块地基每隔几个月就可能改变 。 今天做不到的产品，下一代模型可能突然做到了；当下为弥补模型缺陷搭建的复杂流程，半年后也可能成为限制新模型的脚手架。 Dianne和团队的核心工作，正是研究和管理这种不确定性 ： 实验室里刚出现的能力，哪些已经接近可用？用户说“Claude不好用”，缺的是模型、工具、界面，还是工程基础设施？当用户拿Claude完成团队未曾设想的任务时，那是偶然技巧，还是一种新的产品可能？ Dianne需要把这些判断带回研究、产品和工程团队。 2、如何把用户的一句「不好用」，变成模型的训练目标？ 2023年7月，Claude 2上线后的一次bug排查，初步展示了这套工作方式如何运转。 当时，用户频繁抱怨Claude 2“不太会遵循指令”。这个反馈看似严重，却无法直接指导模型研究。用户不会区分问题来自预训练、后训练、还是系统提示、或者工具调用。他们只能描述任务没有完成。 Dianne和团队开始阅读用户授权分享的失败轨迹，追问任务究竟在哪一步停下。 沿着案例向下查，他们发现，在早期这类投诉中， 大约80%都指向一个具体得近乎琐碎的问题：Claude无法稳定输出正确的JSON 。 少一个括号，API就会拒绝请求。字段不符合schema，工具调用便无法解析。 对聊天机器人而言，这些只是格式错误；对需要连续调用工具的Agent而言，它意味着工作流会在第一道接口处断掉。 团队从真实失败中收集了约30—40个案例，逐一写清输入、理想输出和通过条件，把它们变成一组可以重复运行的eval。此后，Claude每一代模型都要重新接受测试。 按照Dianne在公开采访中的讲述，这组评测如今已达到接近99.9%—100%的通过率，JSON格式遵循也不再是主要投诉。 Anthropic没有把这些反馈停留在投诉归类层面。 团队把模糊的“不好用”还原为具体任务轨迹，定位可复现的失败，再将失败案例写成可重复运行的eval。这些评测由研究与产品团队共同维护，逐渐成为模型能力的一部分规格。 Dianne常说： “Evals are the new PRDs。” 传统PRD可以描述功能，却很难精确定义一个概率系统应该如何行动；eval则把产品目标变成可测试的输入、理想输出和通过条件。 研究团队用它比较训练方法，产品团队用它验证问题是否解决，模型发布团队则用它防止能力退步。产品愿景由此进入研究和训练管线，几支团队也有了讨论问题的共同尺度。 3、从用户行为到训练方向，Coding 如何成为战略重点？ 2023年末，Dianne和团队又注意到一种变化。 过去，人们使用代码模型，主要是补一行代码、写一个函数，或者解释一段程序。 后来，越来越多用户开始要求Claude一次生成更长、更完整的代码，甚至把一整段编码任务交给模型。 没有人直接要求Anthropic“做一个agentic coding产品”，但用户已经改变了自己的行为。 对此，Dianne和团队需要判断：这种变化究竟是噪声，还是真实存在的场景需求。 Dianne回忆，预训练、推理、研究和产品团队会一起讨论，这种能力改善是否稳定，哪些失败需要进入评测，并成为下一代模型要解决的问题。 在Dianne 看来，编程尤其适合形成这样的反馈闭环。代码能否运行、测试能否通过、改动是否破坏现有系统，通常都有明确结果。与许多开放式知识任务相比， coding更容易同时成为产品场景、训练方向和评测环境 。 发现这类用户行为，Anthropic 把长代码生成提升为 Claude 3 系列及后续模型的重点能力方向。 Anthropic没有披露具体训练配方，但可以确认的是，coding获得了更高优先级。团队建立了更贴近长任务的评测，并在模型测试和发布判断中更加重视它。 2024年3月，Claude 3 Opus发布。Coding开始成为Claude区别于其他模型的一项用户认知，并吸引了一批早期开发者和Claude拥护者。 三个月后，Claude 3.5 Sonnet发布，coding能力进一步增强。Anthropic官方说明，Claude 3.5 Sonnet将内部agentic coding评测的成绩 从38%推高至64% ；获得工具后，模型已经可以编写、编辑、执行和排查代码。 模型的角色开始从代码生成器变成软件工程协作者。但用户仍要手动搬运代码库上下文、复制结果、执行命令，再把报错贴回聊天框。 Dianne把这种状态称为 “product overhang” ——模型已经拥有潜在能力，市场上却没有合适的产品把它释放出来。 4、先做出原型，再让真实使用决定产品去留 Claude Code的出现，填补了这段空白。 2024年下半年，Boris Cherny加入Anthropic Labs团队。为了熟悉公司的公开API，他给自己写了一个极小的终端聊天程序：先给模型接上bash，后来又增加文件编辑能力，用Sonnet 3.5不断测试。 这就是Claude Code最初的原型。 两天后，Boris把原型发给同事试用。第二天，他发现坐在对面的工程师已经用它写起了代码。Boris没有推动正式的内部部署，只发过一篇介绍帖，工具却在工程师之间口口相传。 在一次内部产品评审会上，看到日活曲线近乎垂直增长，Anthropic创始人Dario发出质