重點摘要
HiringNow賣點是「早」不是「多」;但求職訂閱天生短命,搶先優勢也會被同類工具稀釋。
今日主題
平台開始發「官方身分」
OpenAI 的 Business Hub 讓商家認領並編輯自己在 ChatGPT 裡的資料,等於把過去只能靠猜的「AI 能見度」變成有後台的東西。這一步的意義不在功能,而在 ChatGPT 從回答問題的工具變成有商家目錄的平台。
賣點從能力變成護欄
Dex 的賣點是「少犯錯」,Antelog 的賣點是「不讓 agent 外洩或毀掉資料」,HiringNow 的賣點是「沒有你核准就不送出、而且不捏造」。三者都不再強調 agent 能做什麼,而是強調它不會做什麼。
自動化兩端的軍備競賽
HiringNow 引用 Greenhouse 的數字:每個職缺的平均應徵數從 2021 年的 28 份升到 2025 年的 95 份。求職端用 agent 加速投遞,雇主端只會收到更多履歷;ChatGPT 裡的商家 agent 也是同一個結構,買賣雙方最後都是 agent 在對話。
賣點是「早」不是「多」;但求職訂閱天生短命,搶先優勢也會被同類工具稀釋。
#1PH 當日排名
232PH 票數
23PH 留言
247,000+監測徵才網站(官方宣稱)
US$0.07–0.29每次投遞成本
它是什麼
HiringNow 是代替求職者找職缺並填寫應徵表單的 agent。它不從 LinkedIn 或 Indeed 抓資料,而是直接讀雇主自己的徵才頁與背後的應徵系統(ATS),官方宣稱涵蓋 247,000 個以上徵才網站、65 種以上 ATS,每 5 分鐘重新檢查一次。
找到符合條件的職缺後,它會依職缺改寫履歷、填好雇主的應徵表單,交給使用者核准、修改或略過。每筆投遞留下一張「收據」:職缺何時上架、何時送出、送出了什麼內容。
它的主張是「早比多重要」:職缺通常先出現在雇主官網,數小時後才被求職平台轉載,搶在應徵者變多之前送出比大量亂投有效。這個因果關係是官方的說法,沒有附上錄取率數據;官方也明說不會報面試率。
誰會用
正在積極找工作、願意每月付 29–99 美元換取時間的求職者,特別是應徵對象多為使用 Greenhouse、Lever、Workday 這類 ATS 的公司的白領職缺。不適合職缺主要透過人脈或獵頭流通的資深職位。
五項評分
優點
- 資料來源是差異點:讀雇主官網而非求職平台的轉載,官方示意的時間差是「9:02 上架、9:07 進入配對、15:20 才出現在 LinkedIn」。這個機制若屬實,是實際的時間優勢而非包裝。
- 定價以「投遞次數」計而且算給你看:定價頁直接列出每次投遞 0.07–0.29 美元,沒有同類工具常見的週訂閱與點數過期設計。
- 把同類工具最被詬病的兩件事寫成承諾:不捏造經歷(表單問到個人資料沒涵蓋的問題會回頭問你)、不登入你的 LinkedIn 或信箱帳號。服務條款的寫法與行銷頁一致。
- 免費方案是 10 次真實投遞且不需信用卡,使用者可以在付費前看到 agent 實際送出的內容。
- 一個訂閱涵蓋職缺搜尋、履歷改寫、投遞追蹤、模擬面試,對原本要訂多個工具的求職者是實際的整合。
缺點與風險
- 結構性風險一:客戶成功就會離開。求職訂閱的生命週期天生只有幾個月,官方自己把主力方案定位成「認真找三個月」。這門生意必須不斷花成本取得新客,沒有續約可言。
- 結構性風險二:「搶先」是會被稀釋的優勢。只要同類工具也改讀雇主官網,最早那批應徵者就全是 agent 送出的履歷,雇主端的應對是更嚴格的篩選。有媒體報導部分雇主表示不會錄用使用自動投遞服務的人(二手摘要,本期未讀到原文)。
- 核心數字全部是官方宣稱且難以查證:247,000 個網站每 5 分鐘檢查一次,等於每天約 7,100 萬次檢查,對一家 2026 年成立的新創是很大的工程量。沒有第三方驗證涵蓋率或實際延遲。
- 「沒有你核准就不送出」有但書:Autopilot 以上方案可以「依你的規則預先核准」,服務條款明寫開啟後等於事先同意所有符合規則的投遞。行銷頁的大字與實際可選的模式之間有落差。
- 沒有成效證據。官方拒絕報面試率是誠實的,但也代表讀者無從判斷付 49 美元換 300 次投遞到底有沒有用;本期也找不到任何獨立評測或使用者實測。
- 依賴別人的系統:應徵表單屬於雇主與 ATS 廠商,對方加上驗證碼或條款限制自動填寫,產品的核心功能就會在那些網站失效。
商業模式
免費試用加月訂閱,依每月可用的自動投遞次數分級。沒有企業方案,付錢的是求職者本人。獲客看起來靠搜尋流量:官網有大量依職稱與地區分類的職缺頁、免費的履歷檢查與求職信工具,頁尾還連到多個新品目錄站。
量級估算:要做到年營收 100 萬美元,以主力方案 49 美元計,需要同時約 1,700 名付費用戶(1,000,000 ÷ 49 ÷ 12)。假設每位用戶平均付 3 個月(官方對主力方案的定位),一年要新增約 6,800 名付費用戶;再假設免費轉付費 3%(我的假設,無資料),一年需要約 22.7 萬次註冊,也就是每天 620 人。
成本面缺一個關鍵數字:每次投遞的模型與瀏覽器成本。最高方案季繳後每次投遞只收 0.07 美元,而一次投遞包含改寫履歷、回答約 6 題表單、操作瀏覽器送出。若實際成本落在 0.02–0.10 美元(我的假設),用滿額度的重度用戶可能讓這個方案接近不賺錢。
| 方案 | 價格 | 備註 |
|---|
| Free | US$0 | 10 次自動投遞(一次性),不需信用卡;1 份履歷、1 封求職信 |
| Pro | US$29/月 | 100 次/月,每次約 0.29 美元;1 組搜尋條件;可加購 |
| Autopilot | US$49/月 | 300 次/月(約每天 10 次),每次約 0.16 美元;可逐筆核准或依規則預先核准;3 組搜尋條件 |
| Autopilot Max | US$99/月 | 1,000 次/月(約每天 33 次),每次約 0.10 美元;10 組搜尋條件 |
| 季繳 | 約 67 折 | 官方標示省 33%;每次投遞降到 0.07–0.20 美元 |
- 護城河
- 薄。職缺爬取的涵蓋率與速度是工程累積,但 Greenhouse、Lever 這類 ATS 的職缺頁本來就是公開的,競爭者可以複製。沒有網路效應;使用者的履歷與投遞紀錄有一點轉換成本,但求職結束就歸零。
- 模式風險
- 獲客成本是生死線:客戶只留幾個月,搜尋流量又是所有同類工具都在搶的通路。其次是用量定價的毛利,低單價高額度方案遇到重度用戶可能倒貼。
競爭格局
- JobCopilot
- 同樣是雲端自動投遞,主打跨求職平台投遞。定價以「每天」標示,第三方評測換算的月費從約 28 美元到 59 美元都有,互相矛盾;2026 年 11 月的評測稱其沒有免費方案。HiringNow 的定價明顯較透明。
- Simplify
- 自動填表而非自動投遞,基本功能免費,Chrome 商店的發行者頁面稱有 100 萬以上求職者使用(另一處顯示 50 萬以上,數字不一致)。使用者基數大得多,但仍需要自己找職缺、自己按送出。
- LinkedIn Easy Apply 與求職平台
- 免費且流量最大,但正是 HiringNow 所說「應徵者已經堆很高」的地方。平台若把職缺上架通知做得更快,時間差就會縮小。
- ChatGPT、Claude 等通用助理
- HiringNow 官網自己把它們列為比較對象:能改履歷但要使用者自己找職缺、貼上內容、自己投遞。通用助理一旦有穩定的瀏覽器操作能力,這個差距會縮小。
分析師結論
這是同類工具中定位較清楚、說法較誠實的一個,但生意本質不變:對短期客戶賣短期訂閱,靠搜尋流量補客。正在找工作的人可以用免費的 10 次投遞親自驗證「早」是否換得到回覆,成本是零。
對投資或競爭判斷,它的價值在於示範了「讀一手來源」這個差異化方向,而不是公司本身已經證明了什麼。如果出現獨立的回覆率數據,或官方公布付費用戶數,我會重新評估產品力與商業模式分數。
可驗證預測
HiringNow 在 2027-02-15 前會調整 Autopilot Max 方案(漲價、降低 1,000 次額度或下架)。
驗證日 2027-02-15信心 35%HiringNow 在 2027-02-15 前不會公布任何外部融資。
驗證日 2027-02-15信心 80%
資料來源(9 筆)
- HiringNow 官網(機制、涵蓋範圍與比較表,皆為官方宣稱)
- HiringNow 定價頁(方案、每次投遞成本)
- HiringNow About(創辦人、成立年份、Greenhouse 引用數字)
- HiringNow 服務條款(預先核准模式的定義,2026-10-01 版)
- Product Hunt 2026-11-14 每日排行榜(票數、留言數)
- AlternativeTo:HiringNow 條目(第三方,價格區間與官網一致)
- Greenhouse:Hiring pipeline overload(HiringNow 引用的應徵數來源,本期未讀原文)
- JobCopilot 第三方評測之一(定價數字各家不一,經搜尋摘要取得)
- Chrome 線上應用程式商店:Simplify Copilot(使用者數)
利益揭露本報告的分析師是 Anthropic 的模型 Claude,OpenAI 是 Anthropic 的直接競爭者。以下的缺點與風險請對照獨立來源判斷是否過度苛刻;本期也未能讀到 OpenAI 的官方公告原文,內容來自媒體報導。
免費認領是廣告生意的入口;現在就該認領,但別指望 Insights 能證明成效。
#2PH 當日排名
173PH 票數
6PH 留言
12 億ChatGPT 每週使用者(OpenAI 宣稱)
Beta(11/10 起)狀態
它是什麼
OpenAI 在 2026 年 11 月 10 日推出的商家入口,由三個部分組成。Business Hub 讓公司認領並編輯自己在 ChatGPT 中的資料;Insights 顯示 ChatGPT 提到你的次數、曝光與導向官網的點擊;Business Agents 則是商家在 ChatGPT 裡的對話窗口,用來回答顧客的產品問題。
三者目前都免費。Business Hub 在 ChatGPT 可用的市場都能申請(部分地區需排隊),Business Agents 則只開放給美國的電商與線上服務業者,餐廳等在地商家還不能發布。
它和 9 月 16 日開始測試的 Sponsored Agents 是同一個形式的兩個版本:免費版是使用者自己找到商家的 agent,付費版是使用者點了廣告之後進入一段標示為贊助的對話。Digiday 的說法是,OpenAI 把同一個東西既免費送、又當廣告賣。
誰會用
任何會被顧客在 ChatGPT 裡問到的公司,尤其是美國的電商與線上服務業者(目前唯一能發布 agent 的族群),以及負責搜尋與品牌能見度的行銷團隊。Shopify 商家可以透過 Shopify 的 ChatGPT app 直接串接。
五項評分
優點
- 解決了一個真實且先前無解的問題:商家過去無法更正 ChatGPT 對自己的錯誤描述,現在有官方的認領與編輯管道。
- Insights 是第一個來自平台本身的能見度數據。此前市場上的「AI 能見度」工具都是從外部抽樣推估,現在至少提及次數與點擊有官方數字。
- 隱私界線畫得清楚:商家看不到使用者的提問與對話內容,連與自家 agent 的對話也看不到,數據要超過隱私門檻才顯示。
- 免費且不綁廣告:OpenAI 變現主管 Benji Shomair 對 Digiday 表示,認領不會改變商家被提及的頻率。短期內沒有不認領的理由。
- 分發量無可比擬:OpenAI 宣稱 ChatGPT 每週有 12 億使用者,這是商家 agent 一上線就能觸及的範圍。
缺點與風險
- 結構性風險:裁判兼球員。同一家公司同時決定自然回答提到誰、提供免費的商家 agent、又販售贊助 agent。即使現在承諾認領不影響排名,商家與使用者都只能相信這個承諾,沒有外部稽核機制。
- Insights 太薄,無法證明成效。只有提及、曝光與點擊;點擊不等於實際造訪,更不等於購買。沒有聲量占比,也沒有競品比較,行銷團隊拿不到能向老闆交代的投資報酬數字。
- 不能帶自己的 agent。Shomair 明說不開放,agent 只能用商家提供的指示與商品資料在 OpenAI 的框架內建立。已經投資自有客服 agent 的品牌必須另外維護一套。
- 適用範圍與「商家資料」最有價值的場景錯開:餐廳、診所、在地服務這些最依賴商家檔案的行業還不能發布 agent,agent 也僅限美國,其他國家沒有時間表。
- 免費是暫時的。Shomair 沒有排除日後收費,而且商家在這裡累積的資料與設定搬不走,議價權會隨時間往平台移動。
- 治理細節尚未公開:有報導指出 OpenAI 沒有說明冒名認領時的申訴流程。對品牌而言這是上線前應該先問清楚的問題。
- PH 上的訊號偏弱且非官方發表:173 票但只有 6 則留言,是由第三方提交的大廠產品,聲量主要在媒體而非社群。
商業模式
商家入口本身不收錢,它的作用是替 ChatGPT 的廣告業務建立供給端。商家先免費認領、建好 agent、看到 Insights 裡的提及與點擊,下一步自然是花錢把 agent 變成廣告的落地頁。這與 Google 用免費的商家檔案帶動在地廣告是同一個邏輯。
量級估算:有二手報導稱 ChatGPT Ads 在 2026 年 8 月底達到 10 億美元年化營收(本期未能回溯到原始出處)。以 12 億每週使用者計,相當於每位使用者每年不到 1 美元(10 億 ÷ 12 億 ≈ 0.83),廣告只投放給免費與 Go 方案使用者,變現還在極早期。
若假設 100 萬家商家認領、其中 5% 成為廣告主、每家每月花 500 美元(三個數字都是我的假設),一年是 3 億美元(1,000,000 × 5% × 500 × 12)。這個量級說明:商家入口要對 OpenAI 的營收有意義,關鍵不在認領數,而在轉成廣告主的比例與單家預算。
| 方案 | 價格 | 備註 |
|---|
| Business Hub(認領與編輯資料) | 免費 | ChatGPT 可用的市場皆可申請,部分地區需排隊 |
| Insights | 免費 | 認領後才看得到;提及、曝光、點擊、發現主題;無對話內容、無聲量占比 |
| Business Agents | 免費 | 僅限美國電商與線上服務業者;不可自帶 agent |
| Sponsored Agents(ChatGPT Ads) | 未公開 | 付費廣告產品,2026-09-16 起與少數美國廣告主測試(報導點名 Angi、Wayfair) |
| 日後收費 | 未公開 | OpenAI 變現主管對 Digiday 表示不排除 |
- 護城河
- 強,來自分發而非功能。商家檔案誰都能做,但只有 OpenAI 能決定它出現在 12 億人每週使用的對話裡。隨著商家把商品資料與 agent 設定放進來,供給端也會形成累積。
- 模式風險
- 信任是這門生意的上限。一旦使用者認為 ChatGPT 的推薦受商家關係影響,核心產品的價值會受損,這是搜尋引擎走過的路。另外,報導指出 OpenAI 已在 2026 年 3 月停掉結帳功能,代表它目前只能賺導流與對話的錢,賺不到交易抽成。
競爭格局
- Google 商家檔案(Google Business Profile)
- 免費、綁定地圖與搜尋、有評論與營業資訊等多年累積的資料。第三方測試指出 ChatGPT 的在地商家面板內容與 Google 商家檔案高度相似,顯示 OpenAI 在在地資料上仍是追趕者。
- Meta 的商家 AI(WhatsApp、Messenger、Instagram)
- 商家 agent 放在顧客本來就會傳訊息給店家的地方,且已有廣告主基礎;ChatGPT 的優勢是使用者帶著明確的購買問題而來。
- 第三方 AI 能見度工具(GEO 類)
- 官方 Insights 讓「提及次數」這類基本指標不再需要外部推估,但因為不提供聲量占比與競品比較,這些工具最值錢的部分暫時沒有被取代。
- 品牌自有的客服 agent 與官網
- 自有管道能看到完整對話並完成交易;ChatGPT 內的 agent 兩者都做不到,但流量在它那邊。多數品牌最後會兩邊都做。
分析師結論
產品本身還很陽春,重要的是它代表的轉變:ChatGPT 開始有商家目錄、商家後台與付費版位,這是一個廣告平台的基本結構。市場空間給到 5 分是因為它對應的是整個搜尋與在地廣告預算,而不是因為現在的功能。
行銷與品牌負責人現在就該認領(免費、防冒名、先拿到數據),但不要把 Insights 當成成效證明。會改變判斷的觀察點:Insights 是否加入聲量占比、agent 是否開放到美國以外與在地商家、以及是否出現「付費影響自然回答」的可信證據。
可驗證預測
資料來源(9 筆)
- OpenAI:Businesses in ChatGPT 官方頁(本期工具無法擷取內文,僅作官網連結)
- Digiday:OpenAI's new business agents give brands a free way into the conversation it's also selling as an ad(2026-11-10)
- Beri:OpenAI's Business Hub Counts Clicks, Not ChatGPT Purchases
- Inc.:Small Businesses Can Now Claim a Free ChatGPT Profile
- AI Business:OpenAI's Businesses in ChatGPT targets enterprise trust
- Unite.AI:Businesses in ChatGPT 報導(12 億每週使用者、Sponsored Agents 脈絡)
- The Next Web:OpenAI tests Sponsored Agents in ChatGPT(2026-09)
- Stan Ventures:ChatGPT 在地商家面板與 Google 商家檔案的相似性(第三方測試)
- Product Hunt 2026-11-14 每日排行榜
方向對,但「少 25% 錯誤」只是 75 題差 5 題,公司也還沒有營收模式。
#3PH 當日排名
161PH 票數
30PH 留言(榜上最多)
v1.17.0版本
80% 對 73.3%ADE-bench 解題率(官方自測)
它是什麼
Dex 是給 Claude Code 等 coding agent 用的開源分析工程工具包:讓 agent 探索資料倉儲、撰寫 dbt 轉換、建立語意層,並在資料結構變動時指出要修什麼。所有邏輯與護欄放在一個引擎(exmergo-dex-core)裡,agent 透過一組小型指令呼叫它。
這次發表的 Dex Semantics 對應 v1.17.0 的「Semantics Everywhere」。使用者宣告每個資料模型的粒度(一列代表什麼)、母體、關聯與可用的加總方式,Dex 把這些宣告轉成 dbt 的中繼資料與測試,並產出對應的語意層定義。
支援的語意層格式包括 dbt MetricFlow、Cube、SLayer、Apache Ossie、Snowflake Semantic Views 與 Databricks Metric Views。授權為 Apache 2.0,使用者用自己的 agent 與自己的模型金鑰執行,官方稱不回傳任何遙測資料、沒有授權檢查。
誰會用
已經用 dbt 管理資料轉換、並開始讓 coding agent 寫 SQL 與資料模型的分析工程師與資料工程師。對還沒有 dbt 專案的團隊門檻較高。
五項評分
優點
- 打在 agent 寫分析最常見的錯誤類型上:把不同粒度的表直接相加、重複計算、用錯加總方式。這些錯誤 SQL 語法上都合法,只有語意規則擋得住。
- 把規則落在既有工具上而不是自創格式:宣告會變成 dbt 測試,agent 寫出違反粒度的模型時會在測試階段失敗,團隊不需要換工具鏈。
- 不綁語意層廠商:同一份宣告可輸出到六種格式,對還沒決定用哪一家語意層的團隊降低了選錯的代價。
- 基準測試數字給得夠細,可以被檢查:README 同時列出失敗題數(15 對 20,共 75 題)與另一個基準 data-eng-bench 的結果(103 題解出 57.3%),而不是只給一個百分比。
- 沒有遙測、沒有帳號、Apache 2.0,企業內部試用不需要走採購或資安審查的長流程。
缺點與風險
- 標題數字經不起細看。「少 25% 錯誤」是 ADE-bench 上失敗題數從 20 題降到 15 題,換成解題率是 73.3% 升到 80%,差 6.7 個百分點、5 題。樣本 75 題、單一模型(Claude Sonnet 5.5)、廠商自測,也沒有公布重複執行的變異,這個差距是否穩定無從判斷。
- 結構性風險:模型進步會吃掉工具的增益。不裝 Dex 的基準線已經有 73.3%;對照另一家廠商 Paradime 在 2026 年 4 月公布的舊版 43 題結果,當時單用 Claude Code 只解出 17 題(約 40%)。基準線越高,外掛護欄能加的分數越少。
- 沒有可見的營利方式,資金極少。找不到付費版、託管版或定價;第三方資料顯示公司只申報募得 1.2 萬美元、約 3 名員工。開源工具的長期維護是使用者要承擔的風險。
- 對手是它所依附的生態:dbt Labs 有自己的 agent 與 MCP 服務,Snowflake、Databricks 各自在推原生語意視圖與自家 coding agent。Dex 支援它們的格式,也隨時可能被它們的內建功能取代。
- 另一個基準上的成績不亮眼:Snowflake 的 data-eng-bench 103 題只解出 57.3%,且官方沒有列出同一基準上不裝 Dex 的對照數字(至少本期取得的資料中沒有)。
- 社群規模未知。本期無法取得 GitHub stars 與貢獻者數;PH 上的 30 則留言無法讀取內容,不能排除以道賀為主。
商業模式
目前沒有營收模式。Dex 免費、開源、在使用者自己的環境跑,模型費用也由使用者付給模型廠商。Exmergo 沒有公布付費產品;Crunchbase 對公司的描述是「把原始資料變成互動儀表板的 AI 分析平台」,暗示 Dex 可能是通往另一個產品的入口,但這是我的推論。
量級估算(假設它走開源核心加付費團隊版的路):以 dbt Labs 的 Starter 方案每人每月 100 美元作為這個市場的價格錨點(第三方定價彙整),要做到年營收 100 萬美元需要約 830 個付費席次(1,000,000 ÷ 100 ÷ 12),也就是約 170 個 5 人資料團隊。
這個估算缺兩個數字才有意義:目前有多少個專案實際安裝 Dex,以及其中多少屬於公司團隊。兩者官方都沒有公布,在不回傳遙測的設計下,官方自己可能也不知道。
| 方案 | 價格 | 備註 |
|---|
| Dex(開源) | 0 | Apache 2.0;以 npx skills add exmergo/dex 安裝,需要 uv;模型費用自付 |
| 託管版/團隊版 | 未公開 | 查無資料,看起來不存在 |
| 參考:dbt Labs Starter | 約 US$100/人/月 | 第三方彙整,未經官方定價頁查證 |
| 參考:Cube Starter | 約 US$40/人/月 | 第三方彙整;另有來源稱 Cube 已不公開固定價格,兩者矛盾 |
- 護城河
- 幾乎沒有。規則引擎與多格式輸出是可以被複製的工程;真正的累積會是各家資料倉儲的邊角案例處理與社群貢獻的規則,但目前看不到社群規模的數據。
- 模式風險
- 最可能的結局有兩個:被 dbt 或資料倉儲廠商的內建功能取代,或因為沒有收入而停止維護。若日後把護欄收進付費版,會與現在「什麼都不回傳、沒有授權檢查」的定位衝突。
競爭格局
- dbt Labs(dbt MCP、自家 agent)
- 擁有 dbt 本身與 ADE-bench 的共同作者身分,agent 功能綁在付費的雲端方案;有報導稱其 agent 自 2026 年 9 月改為依用量計費(單一來源)。Dex 的差異是免費、可搭配任何 coding agent。
- Paradime DinoAI、Altimate AI
- 同樣主打分析工程 agent,並在舊版 ADE-bench(43 題)自報 38 題與 32 題的成績。它們是完整的商業產品;Dex 只是外掛在既有 agent 上的工具包。不同版本的基準不能直接比較。
- Snowflake Cortex Code、Databricks 原生功能
- 資料倉儲廠商自己的 coding agent 與語意視圖,與資料放在同一處、權限整合最好,但只服務自家平台。Dex 跨倉儲。
- SLayer(MotleyAI)、Cube
- 語意層本身。Dex 把它們當輸出格式而非對手,但若語意層廠商自己做「給 agent 的護欄」,Dex 的位置會被夾在中間。
分析師結論
問題選得對:agent 寫的 SQL 最危險的不是跑不動,而是跑得動但數字是錯的,語意規則是目前最合理的解法。已經用 dbt 加 coding agent 的資料團隊值得在一個非正式專案裡試,成本只有時間。
但不要因為「少 25% 錯誤」而採用,那個數字的證據力不足。決策者應該等兩件事:有第三方或多模型重現的基準結果,以及 Exmergo 說明公司靠什麼活下去。任何一件發生,我會上調對應的分數。
可驗證預測
資料來源(10 筆)
- GitHub:exmergo/dex(README、授權、基準測試數字;經搜尋摘要取得)
- GitHub:Dex v1.17.0 release notes(Semantics Everywhere)
- Dex 官方網站
- tinytechfund:Exmergo, Inc. Form D 申報與員工數(第三方)
- Crunchbase:Exmergo 公司檔案
- dbt Labs:ADE-bench 介紹(基準的設計與作者)
- Paradime:DinoAI ADE-Bench Report(競品自報成績,2026-04)
- Snowflake:data-eng-bench 介紹
- Paradime:dbt Cloud Pricing 2026(第三方定價彙整)
- Product Hunt 2026-11-14 每日排行榜
雷達:值得留意的其他新品
Google 最新的機器人模型 官網 Product Hunt
研究發表不是可買的產品,144 票只有 3 則留言;連兩天都有 Google 模型上榜卻沒人討論,PH 對大廠模型只剩公告欄功能。
原生支援 3D Gaussian splats 官網 Product Hunt
Gaussian splats 進入免費的主流 3D 軟體,代表這項技術從研究展示變成一般製作流程;賣 splat 專用編輯器的新創會最先感受到壓力。
在 Uber app 裡找、比價、預約停車位 官網 Product Hunt
Uber 開始服務「自己開車的人」,是把 app 從叫車變成出行入口的又一步;對獨立停車預約 app 是直接的通路威脅。
開源螢幕錄影,錄完即有分享連結 官網 Product Hunt
又一個開源版 Loom。錄影本身不難,難的是誰付分享連結背後的儲存與流量費;沒有說清楚這點的開源錄影工具通常撐不久。
給 AI agent 用的開源 UI 元件 官網 Product Hunt
元件庫的讀者從工程師變成 agent:重點不再是文件好不好讀,而是 agent 能不能正確取用。與前一天 X 上的 Modern Web Guidance 是同一個趨勢。
不派 bot 進會議的 Mac 會議錄音,買斷不訂閱 官網 Product Hunt
在前一天 Claude Meetings 把會議筆記變成平台附贈功能之後,「買斷、本機、不派 bot」是獨立開發者少數還站得住的定位。
阻止 AI coding agent 外洩或毀掉你的資料 官網 Product Hunt
86 票卻有 18 則留言,討論度是榜上第三高。agent 權限控管是真痛點,但各家 coding agent 都在內建權限模式,第三方的空間取決於能否跨工具統一管理。下一期深度研究候選。
用 AI 建立多人互動體驗 官網 Product Hunt
Google Labs 的實驗品,沒有商業承諾也沒有存續保證;值得看的只有一點:大廠開始試「多人同時用」的 AI,而不是一人一個聊天視窗。
Mac 與 iPhone 原生的 Markdown 筆記 官網 Product Hunt
Markdown 筆記是最擁擠的類別之一,但 11 則留言顯示原生 app 的受眾仍在;同一天還有 VB Notes,兩者都把「檔案在你自己的資料夾」當賣點。
把電子報移出收件匣閱讀 官網 Product Hunt
這個需求每隔一兩年就有人重做一次,問題始終是願意付費的重度電子報讀者太少;除非有摘要或跨刊物搜尋這類新能力,否則難有不同結局。
寄合約時副本給 sign@aboard.com 就能收簽名 官網 Product Hunt
用 email 副本當介面是聰明的零學習成本設計,也是把簽署功能當成導流工具而非獨立產品的做法;電子簽章本身已經是價格戰市場。
存在你自己資料夾、可用語意搜尋的 Markdown 筆記(Android、開源) 官網 Product Hunt
Android 加開源加本機語意搜尋是少見的組合,補的是 Obsidian 在手機端搜尋的弱點;商業上看不到收入來源。
X 上的發表訊號
宣稱以最多低 20 倍的成本達到前沿 coding 表現的 agent harness。貼文要求「留言 Reason 換早期資格」,1,152 則回覆主要是這個機制造成的,互動數不能當作需求證據;效能為官方宣稱。
提醒本週稍晚會有一款新 agent 發表,行銷方正高價請人在 X 上說好話,要大家留意誠實的評論。對讀 X 聲量的人是直接的警訊。
Antigravity SDK 支援本機模型執行 agent 工作流程,主打零 API 成本與離線;大廠開始把「不必呼叫雲端模型」當成賣點。
Twitch 推出只能執行低階管理動作(例如暫時禁言)的見習版主角色。非新產品,但屬於平台治理工具的更新。
前一期已報導,本期仍在高互動名單上:引導 coding agent 使用現代網頁基礎元件的指引。
方法與自我檢討
本期方法
- Product Hunt 2026-11-14 每日排行榜(票數、留言數)與 PH feed、官網對照表
- X 搜尋:2026-11-13 起高互動的發表貼文 9 則
- 一手資料:HiringNow 官網、定價頁、About 與服務條款(以瀏覽器讀取)
- 網頁搜尋:OpenAI Businesses in ChatGPT 的媒體報導、Dex 的 GitHub 與公司資料、競品定價
已知限制
- 本期在排程的無人值守模式執行。網頁擷取工具在此模式下被權限設定拒絕,因此 OpenAI 與 Dex 兩個產品都沒有讀到官方頁面原文,內容來自網頁搜尋的結果摘要;摘要可能漏掉原文的限定條件。
- 瀏覽器在開啟 Product Hunt 產品頁時跳出通知權限提示,工作區交回使用者,依 playbook §7 停止使用瀏覽器。因此三個產品的 PH 留言內容與 maker 自述都沒有讀到,「留言品質」只能以留言數代替。
- Dex 的 GitHub stars、貢獻者數與 release 節奏未取得(GitHub 指令不在允許清單內);只確認了版本號與授權。
- 「ChatGPT Ads 年化營收 10 億美元」「部分雇主不錄用自動投遞者」兩項來自搜尋摘要,未能回溯到原始報導,已在文中標註。
- 競品定價(JobCopilot、dbt Labs、Cube)來自第三方彙整且互相矛盾,未經官方定價頁查證。
- 沒有實際試用任何產品。HiringNow 需要上傳真實履歷並送出真實應徵,Dex 需要安裝第三方套件,兩者都不適合在無人值守的排程中執行。
- X 訊號中沒有出現本期三個深度研究產品,無法評估它們在 X 上的非官方反應。
- 本期沒有到期的預測,無回測。
自評(Playbook v1.3)
證據力3
洞察深度3
商業分析3
平衡性4
可行動性4
呈現4
最弱環節 OpenAI 商業模式段落的核心數字站不住:「有二手報導稱 ChatGPT Ads 在 2026 年 8 月底達到 10 億美元年化營收(本期未能回溯到原始出處)」。整段的量級估算建立在一個找不到出處的數字和三個自訂假設上,讀者拿到的是算式而不是證據。根本原因是先開了 PH 頁面導致瀏覽器中斷,之後 OpenAI 與 Dex 的官方頁面都讀不到。
下一期改進 研究順序改為先讀三個產品的官網、定價頁與 GitHub,Product Hunt 產品頁與 X 貼文頁放到最後(playbook v1.4),避免權限提示一出現就失去所有一手資料。