💬 一句话结论： 高端智能吸奶器最大的门槛从来不是技术，是价格——Elvie 把旗舰款做进保险报销目录，等于把「贵」这条护城河自己拆了。
💬 关键点： - Elvie 这次主打的不是更强的硬件参数，而是「无线 + 静音 + App 连接 + 高吸力」全都有，却落在一个保险全额报销的价位 - 它瞄准的事实是：美国大多数妈妈买吸奶器是走保险渠道的——不进报销目录，再好的产品也只是小众 - 同期 Elvie 还跟 Willow 联手扩了哺乳配件线，明显在把「单品」做成「哺乳全旅程」
💬 对我们的启发： 智能母婴硬件的竞争正在从「谁参数高」转向「谁能进医保/保险/渠道默认清单」。对我们做产品时是个提醒——一个功能再好，如果不在用户「不用额外掏钱」的默认路径上，渗透率会被价格门槛卡死。
⚡ 建议这周看： 花 10 分钟查一下 Momcozy 主力吸奶器在美国走保险报销的覆盖情况，对照 Elvie 这个动作，看「报销可达性」是不是我们被低估的增长杠杆。
💬 一句话结论： 个性化营养正在从「概念」变成「能量产」——Rem3dy 用 3D 打印把每个人的配方做成一颗软糖，已经能日产 50 万颗、良品率 97%，估值 £84M。
💬 关键点： - 旗下品牌 Nourished：根据个人需求把多种维生素/活性物打印进一颗软糖，主打「一人一方」 - 2025 年营收涨 61% 到 £10.2M，持 29 项专利，已进 Boots、Holland & Barrett、Ocado 等渠道 - 新融资来自 Suntory（三得利）、Apollo Hospitals 等战略方，钱用于进军美国、中东、印度 + 继续投 AI 驱动的个性化
💬 对我们的启发： 「个性化 + 可规模化生产」是母婴消费品的下一个主战场。对我们做母婴 AI 助手，这是个很直接的产品想象：AI 不只是给建议，而是能把「针对这个妈妈/这个宝宝的方案」一路落到一个可下单、可复购的实体产品上——数据→建议→个性化商品，这条闭环正在被验证。
💬 一句话结论： 与其纠结 Claude 和 Codex 谁更强，社区里冒出一种新玩法——让两个工具各干各擅长的，Claude 设计审稿、Codex 闷头施工，用代码仓库当它们之间的「记忆」。
💬 关键点： - 这是一个刚出现的开源 Claude Code skill（HN 还在低分区，属于早期苗头）：Claude Fable 负责出方案、定验收标准、判结果，绝不写代码；GPT-5.5 Codex 负责所有工程实现和资料调研，可以无人值守跑几个小时 - 卖点是「用你已有的订阅包跑，不烧 API token」——直接踩中大家对 AI 工具账单越来越贵的焦虑 - 背后逻辑：单个 agent 容易跑偏，把「判断」和「执行」拆给不同模型互相制衡，质量更稳
💬 对我们的启发： 「一个 agent 设计、另一个 agent 干活、还有一个挑刺」这种多角色分工正在成为 agent 工作流的默认形态。对我们组织任何多步骤、需要质量把关的 AI 流程（内容生产、审核、调研）都可借鉴：不要指望一个 agent 全包，拆成「出方案 / 执行 / 验收」三个角色，产出更可控。
她最近写了一篇刷屏的文章《The Untrainable》（无法被训练的东西）。核心观点是：模型会越来越强，能执行的事越来越多，但有一样东西它永远学不会——「该做什么」。应用层公司真正的护城河不是模型能力，而是「把一家公司混乱的真实业务，翻译成模型能动手操作的系统」这种又脏又累、永远做不完的活儿。她说这种翻译工作「靠的是把懂行的工程师和工具放到客户身边」，是抄不走的。
💬 「更难的是『进攻』——一开始就选对该做什么。模型在这件事上帮不了你：你指哪它打哪，但它没法告诉你哪里值得指。这件事没法 benchmark，所以没法训练进模型。也许，intent（意图/判断该做什么）是比算力更稀缺的资源。」
Sarah Guo 还提了一个反直觉的判断，正好解释了为什么 Anthropic 这次发新模型 Fable 5 时火速抱上了一个叫 FrontierCode 的新评测集。她的话是：「一年里被引用最多的那个 benchmark 分数，是一张『马上要变得一文不值的领土地图』。」 意思是——任何一个评测集一旦出名，所有模型实验室就会冲着它优化刷分，它很快就失去了区分能力，反而暴露了「哪些能力即将被商品化、谁即将失去定义『什么算好』的话语权」。
💡 关键启发： 对我们做产品评估也一样——任何一个被大家盯着刷的指标，迟早会被「优化到失真」。真正有价值的，是你自己定义的、贴着真实用户场景的那套衡量标准，而不是行业里人人都在比的那个公开榜单分数。
→ https://www.latent.space/p/ainews-open-models-model-labs-vs