AGI团队模式对比：OpenAI广度vsAnthropic深度路线解析

如果说谷歌、Meta、亚马逊定义了过去20年经典互联网技术团队的模式(扁平化、敏捷开发、A/B测试驱动、快速迭代、跨职能小队)，OpenAI和Anthropic则在定义未来10年甚至20年AGI技术团队的模式

OpenAI走的是广度探索路线，最典型的例子就是Sora：一个小团队的高风险视频生成项目，从模糊想法起步，最后做成了行业顶尖的文生视频模型，展现了从0到1的惊人能力。不过这种模式也有明显风险——比如GPT插件，2023年推出时雄心勃勃，想让第三方自由扩展ChatGPT，结果因为生态太复杂、开发者用得不多、安全问题加上维护成本高，2024年直接被彻底废弃，换成CustomGPTs，灵活性还是没完全补回来

Anthropic则完全是另一条路：死死盯住Coding和Agent这条主线。特别有意思的是，ClaudeCode其实最开始只是个内部side project，由工程师Boris Cherny自己搞的原型，没想到迅速变成Anthropic的核心编码工具，能在终端里看懂整个代码库、跑任务、处理git，内部使用率超80%，现在外界也公认是最好的编码Agent。A社接着开源了MCP，又推出Skills，这些东西环环相扣、越滚越大，硬是把专注路线玩出了持久的开发者生态

两种模式的核心区别其实在于怎么分配风险：广度容易抓到意外惊喜，但也容易出半成品或者直接废弃的项目；深度看起来慢，但一旦站稳脚跟，就特别能形成长期用得上的基础设施