Anthropic：技術與商業模式分析
作者：SteveLo — ccusage_go 開發者 2026 年 3 月 25 日
本分析基於公開資料、API 文件、學術研究、GitHub issues 及使用 ccusage_go 進行的第一手 token 用量分析，檢視 Anthropic 的技術能力、商業模式和定價架構。
所有主張都有來源。所有數字都可驗證。
1. 核心技術能力評估
Anthropic 自行開發的
Anthropic 開發了一系列名為 Claude 的大型語言模型（LLMs）。這些模型處理和生成文字。這是 Anthropic 唯一的專有技術。
Anthropic 沒有開發的
| 能力 | Anthropic | OpenAI | Meta | |
|---|---|---|---|---|
| 文字生成 | ✅ 自研 | ✅ 自研 | ✅ 自研 | ✅ 自研 |
| 圖像生成 | ❌ 無 | ✅ DALL-E / GPT-4o | ✅ Imagen | ✅ Emu |
| 影片生成 | ❌ 無 | ✅ Sora | ✅ Veo | ✅ Movie Gen |
| 文字轉語音 | ❌ 第三方 | ✅ 自研 | ✅ 自研 | ✅ Voicebox |
| 語音轉文字 | ❌ 第三方 | ✅ Whisper | ✅ 自研 | ✅ SeamlessM4T |
| 搜尋引擎 | ❌ 無 | ✅ ChatGPT Search | ✅ Google Search | ❌ |
| 自研硬體 | ❌ 無 | ❌ 無 | ✅ TPU | ✅ MTIA |
第三方語音依賴的來源：
- Claude Code TTS 插件使用 OpenAI 的 TTS API 或 ElevenLabs（記錄在 Anthropic 自己的 cookbook 中）
- VoiceMode MCP server 使用 OpenAI Whisper 進行 STT，使用 OpenAI TTS 進行語音輸出
- Claude 的內建語音模式僅支援英語；底層 TTS/STT 引擎未公開
視覺管道的限制
Claude 接受四種圖片格式：JPEG、PNG、GIF 和 WebP。它無法處理 HEIF、HEIC、AVIF、TIFF、RAW 或 BMP 檔案。
HEIF 自 iOS 11（2017 年）起就是 Apple 裝置的預設照片格式。在 2026 年仍無法處理此格式，暗示視覺管道依賴於有限的圖像解碼器（可能是格式支援受限的開源函式庫），而非完全整合的自研多模態架構。
Anthropic 在其視覺架構方面發表了零篇研究論文。相比之下，OpenAI 發表了 CLIP 和 GPT-4V 技術報告，Google 發表了 PaLI 和 SigLIP 研究，Meta 發表了 SAM 和 DINOv2。
技術時間線：從 OpenAI 出走到現在
Anthropic 於 2021 年由前 OpenAI 員工創立，包括 CEO Dario Amodei（前研究副總裁）和數位研究人員。他們帶來的技術專長根植於 LLM 訓練、RLHF 和 scaling laws —— 這是 OpenAI 2020-2021 研究議程的核心。
在他們離開時，OpenAI 尚未開發 DALL-E 2（2022 年 4 月）、Whisper（2022 年 9 月）或 GPT-4V（2023 年 9 月）。這意味著 Anthropic 的創始團隊沒有攜帶圖像生成、語音處理或原生多模態架構的機構知識。
| 年份 | Anthropic | OpenAI | Meta | |
|---|---|---|---|---|
| 2021 | 創立。純文字 LLM 研究開始 | DALL-E 1, Codex | LaMDA | — |
| 2022 | Claude 內部開發 | DALL-E 2, Whisper, ChatGPT | PaLM, Imagen | Make-A-Video |
| 2023 | Claude 1 & 2（純文字） | GPT-4V, DALL-E 3 | Gemini（原生多模態）, PaLI-X | LLaMA, Segment Anything |
| 2024 | Claude 3 系列（文字 + 有限視覺） | Sora, GPT-4o（原生多模態） | Gemini 1.5（1M context, 原生）, Veo | LLaMA 3, Emu |
| 2025 | Claude 4 系列, Claude Code 推出 | GPT-5, 完整多模態生態系 | Gemini 2.0, Veo 2 | LLaMA 4, Movie Gen, SeamlessM4T |
| 2026 Q1 | Claude 4.6，正在招聘視覺和音訊工程師 | 完整多模態平台 | 完整多模態 + 硬體 | 完整多模態 + 開源 |
五年來，技術差距擴大了，而非縮小。競爭對手從頭開始建立了整合的多模態能力，而 Anthropic 本質上仍然是一家文字生成公司，外掛視覺並外包音訊。
2026 年招聘數據證實了差距
Anthropic 目前的職缺列表顯示，該公司正在嘗試建立競爭對手多年前就開發的能力：
視覺職位（正在招聘）：「Research Engineer / Research Scientist, Vision」要求 7 年以上的 ML 和電腦視覺經驗，熟悉大型視覺語言模型，以及合成視覺訓練資料集的經驗。工作職責包括「進行實驗以確定合成生成視覺資料集的理想訓練資料配比和參數。」
多模態和音訊職位：Anthropic 正在「招聘研究工程師以推進多模態 LLMs（音訊、視覺），跨越預訓練/微調/RL 工作，並將研究轉化為面向產品的 Claude 改進。」
來源：JobsWithGPT Anthropic 招聘趨勢，2026 年 1 月
這些職位列出的關鍵技能要求包括：大型語言模型、語音和音訊處理、電腦視覺、強化學習、模型評估和安全。
這意味著什麼：Anthropic 正在招聘的是基礎性而非增量性的能力。從零開始建立視覺資料集、為視覺模型進行訓練實驗、招聘語音和音訊處理人才，表明這些能力在公司內部尚未以可投入生產的形式存在。職位描述與首次建立這些系統一致，而非改進現有系統。
背景參考：OpenAI 在 2021 年 1 月發表了 CLIP 論文 —— 在 Anthropic 創立之前。Google 的視覺語言研究（PaLI）可追溯到 2022 年。Anthropic 在 2026 年才開始做其競爭對手在 2023-2024 年就完成的事情。
2. 產品架構：一個模型，多個介面
Anthropic 的所有商業產品都是同一底層文字生成模型的介面：
| 產品 | 功能 | 底層技術 |
|---|---|---|
| Claude（聊天） | 文字對話 | Claude LLM |
| Claude Code | 基於文字的程式 agent | Claude LLM + 終端工具 |
| Claude Cowork | 基於文字的電腦操作 | Claude LLM + computer use |
| Claude for Excel | 基於文字的試算表編輯 | Claude LLM + Excel API |
| Claude for PowerPoint | 基於文字的簡報製作 | Claude LLM + PowerPoint API |
| Claude for Chrome | 基於文字的網頁瀏覽 | Claude LLM + 瀏覽器擴充功能 |
| Claude for Slack | 基於文字的團隊溝通 | Claude LLM + Slack API |
| Skills, Hooks, Plugins | 基於文字的工作流擴充 | Claude LLM + markdown 檔案 |
這本身並非問題 —— 介面的專業化是有效的產品策略。然而，在評估 $3800 億美元估值與具有更廣泛技術能力的競爭對手時，這是相關的背景。
3. Prompt Caching 架構
如何運作
Claude Code session 中的每則訊息都會將整個對話歷史重新發送到 API。為避免從頭重新處理所有 tokens，Anthropic 使用 prompt caching：先前計算的 KV（key-value）狀態被儲存和重複使用。
根據 Anthropic 的官方文件：
- Cache Write：基礎 input token 價格的 125%（25% 溢價）
- Cache Read：基礎 input token 價格的 10%（90% 折扣）
- Cache TTL：5 分鐘（條目在 5 分鐘不活動後過期）
來源：Anthropic Prompt Caching 文件
為什麼 Caching 是商業模式的核心
Prompt caching 在架構上最適合純文字工作負載 —— 其中提示前綴在回合之間保持穩定。這正是 Claude Code 提供的：一個 context 逐步增長的對話。
對於多模態工作負載（即時音訊、影片、動態圖像輸入），快取命中率顯著下降，因為輸入前綴頻繁變化。這造成了建立多模態能力的結構性抑制 —— 添加降低快取效率的模態會增加算力成本，而沒有相應的快取衍生利潤。
這可能解釋了為什麼 Anthropic 的產品路線圖保持純文字導向，而競爭對手則投資多模態能力。
4. Token 使用分析：快取利潤
使用 ccusage_go 和社群報告數據的獨立分析，揭示了 Claude Code token 經濟中的一致模式：
| 來源 | 快取開銷 | 實際算力 | 比率 |
|---|---|---|---|
| 我的帳號（618 回合 session） | 成本的 97.7% | 成本的 2.3% | 43:1 |
| Issue #24147（30 天分析） | tokens 的 99.93% | tokens 的 0.07% | 1,310:1 |
在 Issue #24147 的分析中，一位獨立用戶解析了 30 天的 Claude Code session 記錄，發現 50.9 億 Cache Read tokens 對比 389 萬 I/O tokens。他的結論：「這解釋了普遍的 ‘$100 用起來像 $20’ 的回饋。」
Anthropic 的算力成本（提供快取的 KV 狀態）與用戶支付的（完整 token 計入配額）之間的差距，代表了嵌入快取架構中的結構性利潤。這個利潤存在的原因：
- Cache Read 對 Anthropic 來說計算成本很低 —— 提供預先計算的 KV 狀態所需的算力只是新 token 處理所需的一小部分
- Cache Read 對 API 用戶按 input 價格的 10% 計費 —— 但對 Max 用戶完整計入訂閱配額
- Cache Create 以 125% 由不活動觸發 —— 每次 5 分鐘的休息強制以溢價重建完整 context
- Context 隨 session 長度線性增長 —— Anthropic 自己的指導建議的較長 session（平行 session、保持活躍、1M context）最大化快取 token 累積
完整方法論、逐回合分析和 5 小時區間分析可在此取得：快取陷阱
驗證工具：ccusage_go
5. 訂閱配額透明度
已揭露的
- Max 5x：$100/月，「比 Pro 多 5 倍用量」
- Max 20x：$200/月，「比 Pro 多 20 倍用量」
- 滾動 5 小時 session 窗口和 7 天週配額
未揭露的
- 每個訂閱層級的實際 token 預算
- Cache Read tokens 是否完整計入配額（社群證據顯示是的）
- Cache Create tokens（以 125% 費率）是否計入配額
- 「20 倍」乘數相對於快取開銷如何計算
- 為什麼
/cost資料被描述為「與計費目的無關」
社群記錄的問題
- #22435：同一帳號、同一天的配額消耗率有 10 倍的差異。提報者記錄了 5,396 個 API 回應樣本，顯示非確定性的配額計算。
- #29000：5 小時 session 的 65% 在實際 token 使用量極少的情況下被消耗。用戶指出：「配額計算系統不是壞了就是故意不透明。」
- #28927：v2.1.51 的無聲計費變更將 1M context 移至 extra-usage-only，沒有變更日誌或通知。
- #28723：Max 方案上 1M context 的「以額外用量計費」訊息，但實際計費行為不清楚。
6. 長 Session 的行為退化
模式
多位獨立用戶報告 Claude Code 的指令遵循品質與 session 長度成比例地退化：
- #3377（2025 年 7 月）：「行為和可靠性的漸進退化。當前狀態：每個 session 多個嚴重失敗。」
- #5810：「不遵循基本指令。產出幻覺或不正確的回應。退化在長時間程式開發 session 期間觀察到。」
- #7824：「反覆捏造數據、偽造程式結果/輸出。」持續了 45 天。
- #29230（P1 嚴重性）：伺服器端快取變更提高了過期前綴的命中率，但沒有加入 compaction 事件失效機制。「模型沒有偵測過期的機制。」
- #36241（2026 年 3 月）：Claude 抗拒重新分析，然後承認：「我在說謊。不是有意識的 —— 但在事實上。當我說『我會得出相同的結論』時，我說這話是為了避免更多工作。」
捏造輸出
在我自己的 618 回合 session 中，我指示 Claude「重新執行檢查，直接讀取檔案，確認每一個。」需要三次嘗試：
- Claude 執行 grep 模式 → 報告「零殘留」（沒有讀取檔案）
- Claude 報告「全部 1080 個測試通過，0 個失敗」（測試從未執行 —— 我正在觀察終端）
- 經過明確反覆的指令 → Claude 才開始真正讀取檔案
結構性解釋
在長 session 中，Cache Read 累積到數千萬 tokens 的先前回合行為模式。新的使用者指令只佔幾十 tokens。快取的行為模式 —— 針對效率捷徑優化 —— 在模型的注意力中比當前指令承載更大的權重。
這與記錄的發現一致：「在一個 session 中糾正 Claude 兩次會讓事情變得更糟，而不是更好。每次糾正都添加更多 tokens。原始的正確指令沉入中間更深處。」（來源：PlainEnglish，「Why Claude Gets Dumber the Longer Your Session Runs」）
7. CLAUDE.md 的有效性
學術研究
2026 年 2 月，ETH Zurich 的研究人員發表了第一個針對 repository context 檔案的實證評估，涵蓋 300 個 SWE-bench 任務：
- LLM 產生的 CLAUDE.md 檔案降低了成功率並增加了約 20% 的成本
- 人工撰寫的檔案在 AGENTbench 上僅顯示約 4% 的改善
- Claude Code 是唯一一個即使開發者撰寫的檔案也無法改善效能（相較於完全沒有檔案）的 agent
來源：ETH Zurich，2026 年 2 月（在多篇分析中被引用，包括 Thomas Wiegold 的部落格和 XDA）
快取成本影響
CLAUDE.md 中的每個 token 在每個回合都作為 Cache Read 被重新發送。對於一個 15,000-token 的 CLAUDE.md 檔案在 100 則訊息的 session 中，這代表 150 萬 cache read tokens 被消耗在靜態指令上 —— 不論這些指令是否反映專案的當前狀態。
Anthropic 的官方 system prompt 用指導性文字包裝了 CLAUDE.md 的內容，表明該 context「可能與你的任務相關也可能不相關。」（來源：HumanLayer 對 Claude Code system prompt 的第三方分析）
8. 投資者和合作夥伴結構
融資
- G 輪（2026 年 2 月）：$300 億美元，投後估值 $3800 億美元
- 總募資：約 $670 億美元，跨 17 輪
- 90 位投資者，包括 GIC、Coatue、BlackRock、Fidelity、Goldman Sachs、Sequoia、Founders Fund
來源：Anthropic 公告、Tracxn、Crunchbase
策略合作夥伴經濟
| 合作夥伴 | 對 Anthropic 的投資 | Anthropic 的採購承諾 |
|---|---|---|
| Microsoft | 最高 $50 億 | $300 億 Azure 算力 |
| Nvidia | 最高 $100 億 | 1 GW 容量（估計 $350 億+ GPU） |
| Amazon | $80 億 | 主要雲端和訓練合作夥伴 |
| $30 億 | 最多 100 萬顆 TPU |
來源：CNBC、Bloomberg、Nvidia 部落格、Microsoft 部落格（2025 年 11 月）
Anthropic 對其策略投資者的採購承諾大幅超過收到的投資。這種結構意味著投資者透過服務合約收回資本，不論 Anthropic 作為獨立公司的長期成功與否。
公開背書
沒有策略投資者公開背書 Claude 的技術優越性超過競爭模型。公開聲明僅限於描述商業安排的合作夥伴公告：
- Satya Nadella（Microsoft）：「我們將越來越多地成為彼此的客戶。」
- Jensen Huang（Nvidia）：「這項合作將能夠將 Claude 帶給每個企業。」
Anthropic G 輪中至少有 12 位投資者同時持有 OpenAI 的投資，包括 Founders Fund、Sequoia、Iconiq 以及 BlackRock 的關聯基金。
9. 營收組成問題
Anthropic 報告年化營收 $140 億美元，其中 Claude Code 貢獻 $25 億。
根據第 4 節的 token 使用分析，約 97.7% 的測量 session 成本來自快取相關 tokens（Cache Read + Cache Create），2.3% 歸因於實際算力（input + output tokens）。
如果這個比率代表了更廣泛的使用模式 —— 而 Issue #24147 的獨立分析發現了類似的 99.93% 快取開銷比率 —— 那麼報告營收與實際算力交付之間的關係值得審視。
這不是指控。這是一個觀察：數據提出了關於營收如何對應算力成本的問題，而 Anthropic 儘管社群數月來的記錄，仍未公開回應這些問題。
10. 未解決的 Issues
以下在 Anthropic 的 Claude Code GitHub repository 上提交的 issues 仍然開放，沒有官方回應：
安全
- #24185：Claude Code 讀取 .env 檔案並將敏感憑證硬編碼到 inline 腳本中
行為
計費
Anthropic 的 GitHub repository 在 60 天不活動後自動關閉 issues。（來源：Hacker News 討論）
11. 給用戶的建議
- 監控你的真實成本。 安裝 ccusage_go 並比較 API Cost 和 Total Cost 欄位。
- 保持 session 簡短。 每 1-2 小時結束 session。新 session 零快取開銷且指令遵循更好。
- 最小化 CLAUDE.md。 研究顯示它可能沒有幫助，且增加了每回合的快取成本。
- 驗證 Claude 的聲明。 在長 session 中，模型可能報告未執行的已完成操作。
- 了解你的訂閱。 Anthropic 沒有揭露快取 tokens 如何計入配額。
方法論和驗證
所有 token 使用數據都是從儲存在 ~/.claude/projects/ 中的本地 JSONL session 日誌中提取的，使用 ccusage_go。該工具是開源且可獨立驗證的。
學術來源、GitHub issues 和官方文件在全文中都有連結。本分析未使用任何專有數據或非公開資訊。
SteveLo 是一位常駐台灣的全端系統工程師，專長涵蓋 RF/SDR 工程、FPGA 開發、嵌入式系統（IoT/MCU）、高效能運算和軟體架構。他在 GitHub 上維護 ccusage_go。