Latent Space 在 5 月 4 日的 AI News 里，先放下了一条很大的商业消息：企业 AI 客服公司 Sierra 据称新融资约 10 亿美元，估值约 150 亿美元。

这本来足够当头条。但那篇稿真正抓住的，是 OpenAI 员工 Roon 对 Claude 和 GPT 气质差异的一段讨论：GPT 更像 utility，用户不太担心被它审判；Claude 更容易被感知为 Other，一个有判断、有边界、会推回来的对象。

这个说法有意思，不是因为它证明了“Claude 有灵魂、GPT 没灵魂”。那样讲太粗，也不准确。它真正指向的是一个产品问题：AI 助手到底该像一把顺手的工具，还是像一个会说“不”的伙伴？

我更在意的是，这个分岔已经不只是聊天体验。它会影响企业怎么买、团队怎么调、开发者怎么搭 agent。

Claude 的“他者感”，不是玄学，是产品调校

Anthropic 长期强调 Constitutional AI。Claude Constitution 会让模型在回答里更常体现原则、边界和拒绝理由。Latent Space 提到的争论，也把 Anthropic 的组织文化放进来：这家公司更愿意把“有原则地反对用户或公司要求”做成产品气质的一部分。

所以 Claude 在一些任务里会显得像合作者。它会解释，也会拦一下。写作、研究、心理支持、复杂判断，这种“慢半拍”的推回有时是优点。

但代价也直接。用户可能觉得它在规训自己。尤其是需求很明确时，用户不想听一段价值说明，只想要结果。

GPT 的常见感知更接近“逻辑义肢”。补代码、整理材料、生成方案、跑办公流程，很多人把它当作能力放大器。它的优势是低摩擦、少评判、执行感强。

这不是绝对差异。不同模型版本、系统提示词、产品入口，都会改变体验。一个被严格系统提示词包住的 GPT，也会很谨慎；一个放在工具链里的 Claude，也可能很像执行器。

但默认气质会影响用户行为。产品经理不能只看 benchmark，还要看用户愿不愿意被打断。

路线用户感知更适合的任务现实代价
Claude 式“他者”会解释、会拒绝、会推回研究、写作、复杂决策、陪伴型产品摩擦更高，用户可能觉得被教育
GPT 式“工具”低评判、重执行、响应快编程、办公自动化、批量任务、企业流程可能过度顺从，风险要靠系统兜底

这也接上了此前的 “Clippy vs Anton” 争论。Clippy 是听话的助手，Anton 更像会提醒、会质疑的伙伴。过去这像交互风格之争，现在更像产品路线选择。

受影响最大的是产品经理和 agent 团队

普通用户当然会感受到差异。写一封邮件、改一段文案、问一个私人问题，AI 是顺着你走，还是停下来提醒边界，体验完全不同。

但真正要付成本的是两类人：AI 产品经理，以及做 agent 的工程团队。

产品经理要决定默认姿态。客服机器人要不要主动指出用户诉求不合理？企业知识助手能不能反驳高管的错误假设？代码 agent 在权限不清时，是继续跑，还是停下来问？

这些不是性格题，是指标题。顺从会提高完成率，也可能增加合规风险；推回能降低事故概率，也可能拉低转化和满意度。

企业采购也会更谨慎。客服、销售、IT 支持这类场景，通常更偏低摩擦执行。法律、医疗、金融投研这类场景，更需要模型在信息不足、指令危险或事实不清时踩刹车。

所以团队不一定会简单地“从 GPT 迁到 Claude”，或“从 Claude 迁到 GPT”。更现实的动作是延后单一供应商绑定，按任务拆模型：执行任务用低摩擦模型，判断任务用更谨慎的模型。

这也解释了 Sierra 融资为什么只能当背景。Sierra 面向企业客户提供 AI agent，去年 11 月宣布 ARR 超过 1 亿美元，今年 2 月披露达到 1.5 亿美元；Latent Space 推测其当前可能达到或超过 2 亿美元，但这不是官方确认数字。

这些数字至少说明企业愿意为可落地 agent 付钱。它不能证明“会反驳的 AI”已经赢了，也不能证明“顺从执行的 AI”会通吃。企业买的往往不是人格，而是可控结果。

下一轮差距，会落在 harness 和上下文管线

这场讨论容易被带成“谁更像人”。但产品层面更硬的问题是：AI 的性格从哪里来？

答案不只在模型。它还来自系统提示词、安全策略、记忆机制、工具调用权限，以及把模型接进产品的那套 harness。可以把 harness 理解成模型的外骨骼：它决定模型看到什么、能调用什么、失败后怎么恢复。

当天 AI News 的技术背景也指向这条线。Anthony Maio 等开发者讨论到，agent 的锁定点不只在模型本身，也在上下文管线：如何抓取 repo 状态，如何排序、压缩，再放进 prompt。

Mason Drxy 提到，调整 prompts 和 middleware 后，gpt-5.2-codex 在 Terminal-Bench 2.0 上从 52.8% 提到 66.5%；gpt-5.3-codex 在 tau2-bench 上也有明显提升。

这说明 agent 表现越来越像一个乘法题：model × harness × memory/context strategy。模型强，但上下文喂错了，照样跑偏；模型没到最强，但工具链稳定，也可能在具体任务里更好用。

LangChain 的 deepagents/LangGraph、Hermes Agent Kanban、PyFlue 这类开源 harness，正在补模型和稳定 agent 之间的中间层。多模型路由也会变成常规设计：便宜开源模型处理常规步骤，前沿闭源模型处理高风险判断。

接下来要看的不是哪家更“像人”，而是三个具体变量：Claude 能不能把“有原则地反对”做成稳定优势；OpenAI 会不会在 Codex、ChatGPT 和 agent 产品里提供更细的人格与权限档位；开源 harness 能不能把上下文、记忆和多模型调度做成默认基础设施。

这就回到开头那个问题。用户到底要一个会反驳的 AI，还是一个不评判的工具？答案大概不会只有一个。真正的分水岭，是产品能不能在该顺从时顺从，在该停下时停下。