工作清單

嫌 Claude 囉嗦才走的人，Opus 5.5 值得回去試了｜三個理由逐一看它修好沒

逐字稿文字預覽

9 月 22 號，美國一個專門聊 AI
怎麼用在工作上的節目《How I
AI》，主持人 Claire Vo
上架了一集新節目。
她在節目一開頭，
先講了她自己當初為什麼
離開 Claude。
而同一集節目的標題，叫做「
Claude 回來了」。
同一天，Anthropic 推出
Claude Opus
5.5，距離上一版
Opus 5 還不到兩個月。
官方說這一版更快、更便宜，
講話也比較好懂。
不管你現在付的是 ChatGPT 還是
Claude 的月費，
或者你還在想要不要付，
這件事都跟你有關。
它會決定兩件事：你每個月那筆 AI
月費該付給誰，還有你每天要花多少時間，
在等 AI 回答、讀 AI 的回答。
Opus 5 這兩個月，
我自己也用得很痛苦。
它很慢，話很多，
一個簡單的問題回我一大篇，
而且講法很專業，
我常常看不太懂它在講什麼。
很多人看到新版本，
第一個反應是去看分數。
但你當初想走，問題不是它的分數不夠高，
而是它用起來慢、話多，還常常看不懂。
所以這支片我不比評測分數。
我只看一件事：你當初想走的那個理由，
這一次到底有沒有被修掉。
如果你還不認識我，我是 Gucci。
我曾經是全球前三大記憶體廠的大數據
工程師，2019
年放棄年薪近兩百萬，全職創業。
去年，我的線上事業收入 440 萬。
一年多前，我帶著老婆和剛滿 3
歲的女兒開始旅居世界——不是度假，
我照常工作，女兒照常上學，
世界就是她的課本。
從峇里島、清邁到檳城，支撐這種日子的，
就是槓桿 AI：
用更少的工時，把生活還給家人。
好，回到今天的主題。
Opus 5 推出的時候，
官方說它的聰明程度接近
Anthropic 更貴的旗艦模型
Fable 5，價格只要一半。
但接下來那幾個禮拜，
抱怨的聲音一直沒停過。
8 月 14 號，工程師常去的論壇
Hacker News
上有一篇討論，標題就叫「為什麼
Opus 5 用起來比較差」。
這一篇拿到將近一千分、八百多則留言。
Reddit 上也有人發文，
標題只有一句：「我受夠
Opus 5 了。」
大家在抱怨的，大致可以歸成三件事。
第一件，話太多。
AI 模型評比平台 Arena 的
Peter Gostev
拿他們的資料算過。
Opus 5 平均一則回答的長度，
是更早的 Opus
4.5 的三倍多。
你問它一句：這封
客戶的信，要不要今天回？
你要的是「要」或「
不用」，再加一個理由。
它給你的是一整頁：
先把你的問題重講一次，再列三個考量，
每個考量底下又分兩點，
一直到倒數第二段才講出答案。
答案是對的，但你花了三分鐘找它。
第二件，太專業。
Hacker News
上有一位使用者這樣形容：
它解釋事情的方式，好像我本來就懂一樣。
另一位講得更直接：它讓我覺得自己很笨。
第三件，慢。
第三方測速網站 Artificial
Analysis 量到，Opus 5
吐字的速度，比同一個
價位的模型大約慢了四分之一。
這三件事加起來，傷的是你的時間。
等它回答要時間，
從一大篇裡面找答案也要時間。
連 Anthropic 自己都知道。
8 月 20 號，他們推出一個叫做
Concise 的輸出風格，
也就是精簡模式，
讓你可以叫它講短一點。
Anthropic 的
Boris Cherny
當天回應時說得很老實：這只是暫時的
OK 繃，長期的修正還在做。
所以你要問 Opus 5.5
的，就是這三件事到底修了沒有。
先看官方自己怎麼說。
發布頁上有一句話寫得很白：寫作，
是他們收到關於 Opus 5
最常見的回饋之一。
官方說 5.5 比較少用行話，
也比較會把重要的資訊放在最前面。
速度的部分，官方
說你看到字出來的速度快了三成。
成本的部分，官方說一般的工作量，比
Opus 5 便宜四成，
直接用程式串接的價格也降了兩成。
這些是官方說的。
開頭那位 Claire Vo 拿
5.5 實際測了一輪，她的總結是這樣。
不過有一件事你要先知道。
便宜四成，對付月費的人不是直接的。
你一個月付二十美元的 Pro
方案，價格沒有變。
有感的是直接用程式串接、
照用量付錢的人。
寫法這一項，我覺得
是這次最值得回來試的理由。
官方說快了三成，
第三方量的結果也差不多。
問題是，快的是哪一段。
你可以把問 AI
一個問題，想成在餐廳點一道菜。
這中間有兩段時間。
一段是你點完餐，到第一道菜上桌。
另一段是菜開始上了之後，
一道接一道上得多快。
官方說的快三成，
是後面那一段：字開始出來
之後，吐字的速度。
那前面那一段呢？
Artificial Analysis
用程式直接量過。
兩個版本都用各自的預設設定，
從按下送出到第一個字出現，Opus
5.5 大約要等 23 秒，Opus
5 大約是 20 秒。
廚房出菜變快了，
但你從坐下來到第一道菜上桌，
反而多等了一點。
但 App 裡用的是哪一種設定，
官方沒寫，這個數字不能直接套過去。
Claire Vo
碰到的，是另一個方向的問題。
話變少了，但在要跑好幾分鐘的長任務裡，
少到你不知道它在做什麼。
用餐廳來說，就是
服務生不再一直過來跟你解釋今天的菜，
但你也不知道廚房到底
有沒有在做你的菜。
如果這種把數字拆開
來看的方式對你有用，順手訂閱。
之後有新工具出來，我一樣會這樣拆。
那付月費的人拿到什麼？
先講一個很多人會搞錯的地方：
Claude 的免費方案，
沒有 Opus。
定價頁的表格寫得很清楚，Opus 只有
Pro、Max 這些付費方案才有。
所以如果你用的是免費版，
這次更新你碰不到。
付費的人拿到兩樣東西。
第一樣，Pro、Max、Team
這幾個方案的五小時用量上限提高了，
也就是每五個小時能用多少的那個額度。
但提高多少，官方沒有說。
第二樣，訂閱用戶會拿到一次額度重置，
等於把用掉的額度歸零、重新開始算，
而且可以自己選時間用。
這個很實用：你哪一天要大量用
Claude，就留到那天撞到上限再按。
有幾個細節要注意。
媒體跟使用者回報的使用
期限是 10 月 22 號。
手機版，還有寫程式用的
Claude Code
終端機版，都沒有這個按鈕。
按下去就不能撤回。
如果你在用掉之前降級或取消，它就沒了。
Claire Vo
在節目裡也提到這件事。
她說的是所有人，官方寫的是訂閱用戶，
這點以官方為準。
不過她後面那個判斷我同意：
Anthropic
很明顯在想辦法把人拉回來。
如果你有在用 Claude
Code，也就是 Anthropic
給寫程式的人用的工具，還有一件事。
官方文件寫，從最近的版本開始，Pro
方案的預設模型改成了 Opus
5.5，之前是比較省的
Sonnet 5。
官方的說明文件也寫過，
Opus 比較耗額度。
所以我的推測是，同樣一個下午，
你可能會比以前更早撞到上限。
上限調高多少、跟它耗得多快，
哪一邊比較大，現在還沒有數字。
所以付月費的人要看的，不是它便宜了
多少，是你的額度，夠不夠你把事情做完。
這一點，只有你自己試過才知道。
講到錢，當初走去 ChatGPT 或
Codex 的人，一定會問：那
OpenAI 那邊呢？
剛好同一天，OpenAI 也推出了
GPT-6 Sol，
直接用程式串接的價格，
比上一代便宜一半。
而且 OpenAI 自己也說，Sol
講話更清楚、少用行話、回答短一點。
你會發現，兩家這次在修的是同一件事：
大家都嫌 AI 太囉嗦了。
不過在 ChatGPT 裡，Sol
現在只在付費方案的 Work
模式和寫程式用的 Codex
裡面，一般的聊天視窗還沒有。
那照用量付錢的話，誰比較便宜？
網路上已經有比較影片說，
OpenAI 便宜很多。
這句話沒有錯，但
它比的是兩邊都把思考強度，
也就是每一題要想多深，開到最高。
同一套測驗照用量付錢來算，
開到最高的時候，Opus 5.5
每一題大約花 6 美元，
Sol 大約 1 美元。
這就像比兩台車的油耗，
卻讓兩台都油門踩到底來比，
這只是其中一種比法。
改拿分數差不多的設定來比：Sol
要開到最高，Opus 5.5
只要預設那一檔。
這時候第三方的綜合分數，Opus
5.5 還高一點，
而且大約只貴四分之一。
所以下次看到「誰比較便宜」，
先問一句：比的是哪一檔。
那你到底要不要回來？
看你當初為什麼走。
因為話太多、講得太專業而走的，
不管你後來是去用 ChatGPT
還是別的，我覺得這次值得回來試，
這是官方明講要修的地方。
回來之後如果還是嫌它話多，
直接在指令裡寫你要多長，
例如「三句話以內」。
因為慢而走、而且多半是問一句等一句的，
我會建議你先不要急。
它吐字變快了，但開始回你的
時間，不一定比較短。
因為額度不夠用而走的，
上限有提高，但沒有數字。
挑你最忙的一天試一次就知道了。
讓它直接動檔案、代你操作電腦的，官方說
5.5 比較不會做出難以挽回的動作，
但那是它自己測的。
我的做法是，換了新版本，
還是先讓它在不重要的資料夾裡跑過一輪。
還沒付過 Claude
的人也一樣，先想你最受不了 AI
的是哪一點，再對照上面那一條。
但如果你用 ChatGPT
用得好好的，上面這幾件事都沒有困擾過
你，那這次更新，不是你換過來的理由。
這幾種人的答案都不一樣，
但判斷的方法是同一個。
判斷要不要回來，
不要看它的分數比上一版高了多少，
要看你當初走的那個理由，
這一次有沒有被修掉。
所以最後，我給你一個今天就能做的測試。
拿一件你上個月真的交給 AI
做過的工作，同一段指令丟給
5.5，也丟給你現在用的那一個。
看三件事就好：等多久才開始回你、
回答讀不讀得完、額度掉了多少。
當初讓我最痛的是慢跟看不懂，這一次，
我就先看這兩件有沒有改。
想知道怎麼把 AI
真的接進你每天的工作，
訂閱我，我們下一支見。

來源：transcript.txt

本次執行流程與問題處理

  1. 下達指令

    指令：videonote https://www.youtube.com/watch?v=GuJtH_cfQl4 --language zh --adopt-source-subtitles

    來源：https://www.youtube.com/watch?v=GuJtH_cfQl4

    辨識語言：zh ｜ 參數：--language zh --adopt-source-subtitles

  2. 預期流程

    依指令產生的處理順序：

    1. 採用來源字幕（略過語音辨識）
    2. 來源選擇與品質檢查
    3. 文字校正與句子單元
    4. 筆記與發布
    5. 公開網頁發布

  3. 1. 下載與語音辨識

    工具：videonote-transcribe-url（主辨識管線：下載、Whisper 辨識與選稿）

    處理：下載音訊、以 Whisper 辨識並選出最佳逐字稿

    產出：yt_dlp_meta.json（影片元資料）、audio_16k_mono.wav（16kHz 單聲道音訊）、transcript.whisper.json（Whisper 辨識結果）、transcript.json（正式逐字稿）、transcript_selection_report.json（來源選擇報告）

    耗時：14.0 秒

    關係：依序執行

    結果：完成

  4. 2. 全文快速校讀

    工具：videonote_rapid_transcript_review.py

    處理：先速讀完整逐字稿，再修正高可信突兀詞句並列出待確認項目

    產出：rapid_transcript_review_report.json（產出檔案）

    耗時：45.5 秒

    關係：依序執行

    結果：完成

  5. 3. 建立句子單元

    工具：videonote-build-sentence-units

    處理：將逐字稿切成帶時間軸的句子單元

    產出：sentence_units.json（句子單元）

    耗時：0.6 秒

    關係：依序執行

    結果：完成

  6. 4. 時間軸稽核

    工具：videonote_timeline_audit.py

    處理：檢查時間軸與音訊對齊

    產出：timeline_audit_report.json（時間軸稽核）

    耗時：0.6 秒

    關係：依序執行

    結果：完成

  7. 5. 品質檢查

    工具：videonote_controlled_quality.py（檢查時間軸與品質）

    處理：檢查語言、時間軸與可讀性品質

    產出：controlled_quality_report.json（品質報告）、language_sanity_report.json（語言檢查）

    耗時：0.7 秒

    關係：依序執行

    結果：完成

  8. 6. 播放時間軸回填

    工具：videonote_rebase_display_timeline.py

    處理：將網頁播放時間軸回填為校正字幕時間

    產出：display_timeline_rebase_report.json（時間軸回填報告）

    耗時：0.7 秒

    關係：依序執行

    結果：完成

  9. 7. 來源句整理

    工具：videonote_prepare_source_entries.py

    處理：整理來源句子供時間軸與頁面使用

    產出：sentence_units.json（句子單元）

    耗時：0.7 秒

    關係：依序執行

    結果：完成

  10. 8. 生成筆記摘要

    工具：videonote-generate-note（生成筆記摘要）

    處理：生成筆記摘要與重點

    產出：note.md（筆記 Markdown）、note.html（筆記 HTML）

    耗時：107.8 秒

    關係：依序執行

    結果：完成

  11. 9. 建立筆記頁面

    工具：videonote-render-html（產生筆記 HTML）

    處理：產生可閱讀的筆記 HTML 頁面

    產出：note.html（筆記 HTML）

    耗時：0.9 秒

    關係：依序執行

    結果：完成

  12. 10. 發布公開頁面

    工具：videonote-publish（發布公開頁面）

    處理：發布到公開網站與每日列表

    產出：公開筆記網址、result.json（管線結果）

    耗時：1.0 秒

    關係：依序執行

    結果：完成

手動來源字幕

自動來源字幕

Whisper 字幕

Qwen 字幕

Parakeet 字幕

MOSS 字幕

聲學時間證據（PyAnnote / WhisperX）

校正前後逐字稿

目前待解決問題與初步改善方向

進一步精進字幕與筆記
使用 Workbench 上傳校正字幕、中文參考稿或回饋 SRT，重新產生雙語與學習單元。
開啟 Workbench