双剑合璧的 AI 变现策略：海外极客如何同时使用 ChatGPT 和 Claude

当前 AI 变现领域最大的误解，就是认为“写出惊艳的提示词”、“用 AI 批量写文章”或“套个 AI 工具的外壳”就能赚钱。这些想法已经过时了。海外那批资深玩家真正在关注的不是提示词，而是 工作流；不是批量产出，而是 交付速度；不是 AI 工具本身，而是 那些可以交给 AI 来处理的业务单元。

这一趋势正被 ChatGPT 最新一代模型以及 Claude 的长时间运行 Agent 模型所加速。OpenAI 已经部署了 GPT-5.6，分为三个版本：Sol、Terra 和 Luna，可通过 ChatGPT Work、Codex 和 API 使用。Sol 定位为高端模型，适用于复杂编程、知识工作、研究、计算机操作和设计；而 Terra 和 Luna 则侧重于速度和成本效益。与此同时，Anthropic 的 Claude Fable 5 被定位为适用于长时间、高难度、多阶段任务的模型，可通过 Claude Code、Claude Cowork 和 API 使用。

结论是，目前海外 AI 极客们瞄准的变现策略是“双持”：用 GPT 快速创建，再用 Claude 深度打磨。GPT 在成本效益、用户界面、执行、文档和批量生产方面表现出色。Claude 则在长上下文、复杂代码库、对规格的持续理解以及自我验证方面更胜一筹。通过结合两者，个人可以用极小的团队复制出制作公司、研究机构、开发工作室或业务改善咨询公司的部分功能。

我将相关设置和硬核使用技巧总结成了一份 PDF。

如果你想要，可以在这里获取！👇

https://x.com/MakeAI_CEO/status/2027682940847898770?s=20

为什么是“双持”，而不是只用 ChatGPT 或 Claude？

在 AI 变现上失败的人，总想立刻决定“哪个 AI 最强”。然而，海外最顶尖的用户并不把模型当作信仰来崇拜。他们只是把模型当作 特定角色的组件。

OpenAI 的 GPT-5.6 已公布 API 定价：Sol 每百万输入 token 5 美元，每百万输出 token 30 美元；Terra 分别为 2.5 美元和 15 美元；Luna 分别为 1 美元和 6 美元。此外，GPT-5.6 及后续版本引入了显式的提示缓存和超过 30 分钟的缓存保留，使得管理重复性业务提示的成本更加容易。简而言之，它适合批量生产、重复性工作和模板化任务。

Claude Fable 5 的 API 定价为每百万输入 token 10 美元，每百万输出 token 50 美元。虽然比 OpenAI 的 Sol 更贵，但 Fable 5 被描述为一个能够“持续工作数天”、“规划多个阶段、委派给子 Agent 并检查自身工作”的 Agent。这使得它适用于高价值项目的最终打磨、设计评审、长上下文理解、重构以及查找规格中的矛盾点。

此外，独立基准测试机构 Artificial Analysis 报告称，GPT-5.6 Sol 在更低的评估成本下实现了接近 Claude Fable 5 的智能分数，并且 Sol 在 Coding Agent Index 的 Codex 环境中排名靠前。这显示出的不是“谁赢了”，而是一种设计理念：你应该 将低成本快速运行的层面与高成本精细打磨的层面分开。

变现中真正重要的不是单次输出的质量，而是毛利润。用 AI 赚钱不是买卖模型的智能，而是 将模型能力和成本的差异转化为客户能理解的交付物。

海外极客的基本风格：“按模型分配任务”

例如，假设你有一个构建 Web 服务 MVP 的项目。在日本，常见的 AI 用法可能止步于“让 ChatGPT 写代码”或“让 Claude 找 bug”。而海外的 AI 极客会进一步分解。

首先，使用 GPT 一次性创建市场调研、着陆页结构、UI 草稿、组件设计、初始代码，甚至演示视频脚本。OpenAI 开发者材料中提到，GPT-5.6 增强了前端布局、视觉层次和设计判断能力。然后，让 Claude Fable 5 审查其规格矛盾、代码结构、安全漏洞以及长期运行中可能出现问题的区域。Fable 5 被描述为适用于雄心勃勃的编程项目、大规模迁移、复杂实现和持续数天的自主会话。

这里的关键不是把 AI 当作“人类替代品”，而是 给不同的 AI 分配不同的工作角色。

GPT 是产品设计师和初级执行者，负责将想法具象化。Claude 是高级工程师和审查者，负责挑剔规格。人类则是制作人，负责倾听客户问题、确定目标并对交付物负责。通过这种三层结构，个人可以像一个小型制作公司一样运作。

变现方法 1：将 AI 原型转化为“验证包”，而非“交付物”

最简单的入门方式是 AI 原型制作。然而，销售“我会用 AI 做一个 Web 应用”会导致价格竞争。海外强有力的销售方式是将其打造成一个 用于验证商业假设的包，而不仅仅是制作原型。

例如，为个体经营者或小型 SaaS 公司创建这样的产品：

“我将在 48 小时内创建着陆页、一个简单的 Web 应用、使用场景、价格测试文案和演示视频脚本。交付物可直接用于实际客户访谈或广告测试。”

在这种情况下，GPT 负责市场对比、着陆页文案、UI、初始代码、演示文稿和广告文案。Claude 负责审查目标矛盾、定价弱点、用户引导缺口、代码故障以及客户可能流失的路径。

这个产品之所以强大，是因为客户不仅仅“想要代码”；他们想要的是“快速知道这个想法是否值得投入”。换句话说，你销售的不是 AI 制作，而是 缩短决策时间。

价格可以设计为“1,000 美元的验证包”、“2,000 美元的投资人演示包”或“3,500 美元的内部审批概念验证包”，而不是“每页 200 美元”。客户购买的是用于内部会议、销售、融资和广告测试的材料，而不是劳动时间。

变现方法 2：用 Claude 创建“深度规格”，用 GPT 制作“销售演示”

ChatGPT 和 Claude 有一个特别强大的组合，那就是 规格文档业务。这听起来可能不那么光鲜，但非常稳固。

在 AI 时代，增长的不是成品外包，而是“旨在让 AI 构建的规格”。随着无代码、AI 编码和内部自动化的普及，公司常常迷失在“要构建什么”、“如何解释”以及“多少工作可以交给 AI”这些问题上。

这里卖得动的是 AI 实施的产品需求文档、需求定义、用户故事、验收标准、界面流转、测试视角和风险清单。

Claude Fable 5 被描述为适合长上下文和复杂知识工作的模型，支持理解 PDF 中的图表、表格和图形。因此，它适合阅读客户提供的会议记录、现有材料、电子表格、竞争对手网站和过往失败案例，从而提炼出深度规格。

与此同时，GPT-5.6 正在通过 ChatGPT Work 部署，用于从团队工具和文件中收集上下文，并将其转化为文档、电子表格和演示文稿等交付物。换句话说，你使用 Claude 构建的深度需求，然后用 GPT 将其扩展为内部提案、销售材料、着陆页、电子邮件和广告文案。这个流程非常强大。

产品名称可以是“AI 开发前置规格包”、“Claude 审查过的产品需求文档”或“面向 AI 编码的需求定义套件”。客户购买的是即使交给 AI 或外包商也不会出错的蓝图。这是一个在 B2B 领域容易提高单价的方向。

变现方法 3：通过 AI 搜索和 AI 推荐销售提升的流量

下一个增长领域是 AI 搜索优化。这不仅仅是传统的 SEO，而是设计如何被 ChatGPT、Claude、Gemini 和 Perplexity 等 AI 答案收录。

SE Ranking 2026 年 6 月的一项研究发现，从 AI 搜索引擎流向网站的流量在 2024 年至 2026 年间增长了 16 倍，到 2026 年已占所有网络流量的 0.32%。虽然这个比例仍然很小，但 ChatGPT 占据了 AI 推荐流量的 74.78%，而 Claude 显示出高增长。Search Engine Journal 也指出，Claude 的推荐流量在 2026 年 1 月至 4 月期间显著增长，是目标平台中增长率最高的。

海外极客们在这里关注的不是“AI 搜索是否会取代 SEO”。他们目标是 将公司尚未衡量的新流量渠道产品化。

销售话术是这样的：

“我会调查当在 ChatGPT 和 Claude 中询问您的公司名称、产品名称或类别时，哪些竞争对手会被推荐。我会创建容易在 AI 回答中被引用的常见问题解答、对比页面、案例研究和结构化描述。一个月后我会重新测量。”

这在技术上并不太难。使用 GPT 生成大量的搜索意图模式，Claude 分类响应趋势，GPT 创建改进内容，Claude 检查可靠性和信息缺失。然后将其作为“提高被 AI 推荐概率的措施”销售给客户。

这个领域的关键点在于不要隐瞒 AI 搜索流量仍然很小的事实。相反，可以说“现在虽然小，但正在增长。正因如此，我们现在就应该建立测量基础和对比页面”，这样更能建立信任。夸大其词的 AI 变现方式终将衰落。

变现方法 4：将 Claude Code 子 Agent 作为“产品”

海外硬核开发者正在做的事情是，将 Claude Code 子 Agent 和 MCP 集成构建为特定任务的模板。

Claude Code 被描述为一个 Agent 化编码工具，能够读取代码库、编辑文件、运行命令并与开发工具集成。它旨在通过 MCP 与外部工具、数据库、API、问题管理、监控工具、Figma、Slack 等连接。此外，Claude Code 有一种机制可以创建专门针对特定任务的子 Agent，每个子 Agent 都有自己的上下文、系统提示和工具权限。

这里卖得动的不是单纯的提示词集合。而是 针对每个业务任务的 AI 团队配置。

例如，你可以创建这样的模板：

“面向 SaaS 维护团队的 Claude Code Agent 包”

角色：代码审查员、bug 复现专家、数据库查询检查员、测试创建者、发布说明创建者。

客户只需将其放入仓库，即可半自动化每周的维护任务。

“面向 Shopify 运营商的改进 Agent 包”

角色：产品描述优化者、SEO 常见问题解答生成器、评论分析员、库存数据汇总员、活动着陆页编辑者。

通过 MCP 连接到商店数据或电子表格，可以让 AI 充当“助理店长”。

“面向专业人士的文档审查 Agent 包”

角色：合同摘要生成者、差距检查员、术语统一者、对比表创建者、客户解释生成器。

利用 Claude 的长上下文和文档理解能力，并在 GPT 端转换为提案或电子邮件。

这个产品最好以“包含初始设置”的形式销售，而不是作为独立的模板。这是因为许多客户不理解 MCP 或子 Agent 的概念。海外极客们将其转化为一个“包含培训的实施服务”。换句话说，他们销售的不是一个文件，而是 将 AI 安置到业务中的初始构建过程。

变现方法 5：使用廉价的 GPT 模型进行批量生产，仅用 Fable 进行“高价值判断”

在 AI 变现中，那些把所有任务都交给顶级模型的人会失败。海外成功人士总是会区分模型的使用场景。

GPT-5.6 有不同价位的 Sol、Terra 和 Luna 模型。OpenAI 的 GPT-5.6 开发者指南建议，在更新复杂生产工作流的质量和效率标准后，根据任务降低推理水平进行测试，并将“最大推理”限制在困难、质量优先的任务上，而不是对每个任务都使用。

这个思路可以直接用于变现。

例如，假设你销售广告创意优化服务。创建 100 条广告文案草稿、20 种着陆页标题和 10 个短视频脚本的工作由低成本的 GPT 配置处理。然后，从中选出最有潜力的 10 个草稿，交给 Claude Fable 5，严格审查其目标心理、与竞争对手的差异化、法律/表达风险和品牌调性。最后，用 GPT 格式化为交付材料。

从客户的角度来看，这不是“我用 AI 做了 100 份文案”，而是“我生成了 100 份草稿，用高性能模型挑选并改进了前 10 名，并添加了测试设计。”这让你可以开出更高的价格。

简而言之，让 Fable 负责 判断，而不是批量生产。GPT 负责批量生产和格式化，Claude 负责选择和深度挖掘。这种分工让你在降低 AI 成本的同时，增加了交付物的说服力。

变现方法 6：将 AI 业务改进转化为“每周报告委派”，而非“自动化”

容易卖给公司的东西，往往不是花哨的全面自动化。相反，最优先能卖出去的是 委派那些繁琐的每周报告工作。

对于销售团队，需要汇总会议记录、CRM、电子邮件、会议纪要和丢单原因。对于电商，需要总结销售、库存、广告、评论和竞争对手价格。对于招聘，需要汇总申请人、面试记录、各职位进度和候选人评估。这些工作在众多公司中普遍存在，员工们每周都在叹气中完成。

ChatGPT Work 强调的用途包括从团队工具中收集上下文，并将其转换为电子表格、文档和演示文稿。Claude Code 和 Claude Agent SDK 提供了从 Python 或 TypeScript 处理包含文件读取、命令执行、网页搜索和代码编辑的 Agent 的方法。

利用这些，你可以销售“我每周一早上会交付一份两页 A4 的管理层报告”，而不是“我会开发一个全面的自动化工具”。最初可以是半手动操作。假设人类进行最终检查，让 AI 处理汇总、总结、异常检测、洞察生成和幻灯片创建。

即使每月 500 美元，10 家公司就是 5,000 美元。每月 1,500 美元，5 家公司就是 7,500 美元。而且，由于交付物清晰，客户容易续约。

这个领域的关键在于不要说“我可以用 AI 做任何事情”。相反，要缩小范围：“我只负责每周以这种格式查看这些数据”。范围越窄，提示词和工作流就越稳定，缓存和模板效果越好，毛利润也越高。

变现方法 7：成为 AI 时代的“审查员”

审查 AI 生成的内容出人意料地有利可图。随着 AI 的使用增加，越来越多的人不确定能否信任 AI 生成的东西。于是就有了对“审查员”的需求。

例如，审查 AI 制作的着陆页、AI 编写的代码、AI 撰写的商业计划书、AI 起草的合同、AI 制作的销售材料。

这时，仅靠人工审查耗时太长。仅靠 AI 审查则责任模糊。因此，需要结合 GPT 和 Claude。

让 GPT 分解目标，输出广泛的改进建议。让 Claude 从客户角度寻找矛盾、遗漏、长上下文一致性、潜在风险和别扭之处。最后，由人类选择“采纳的建议”和“忽略的建议”，并将其作为审查报告交付。

Claude Fable 5 强调的用途包括测试自身工作并根据目标检查输出。如果你将其作为卖点，将其表述为“跨多模型分工视角进行双重审查，最终由人类判断”，比说“我用 Fable 审查了它”更值得信赖。

审查员角色可以从承担较少的交付责任开始。如果你将其定位为“仅审查，不包括修复”，初始负担会小很多。然后，你可以追加销售“包含改进实施”、“月度审查合同”或“制定内部 AI 质量控制指南”等服务。

失败者的共同特征：将 AI 当作“魔法”来销售

读到这里，你可能觉得这是一个“月入 1 万美元”的 AI 故事。然而，现实中失败的人更多。原因很简单：他们把 AI 当作魔法来卖。

客户对“AI 很神奇”这一点已经不再感到惊讶。他们惊讶的是当自己的工作提前完成时，当能促成销售的材料被创建出来时，当内部审批通过时，或者当每周的麻烦事减少时。

换句话说，你销售的不应该是“AI 应用”。你销售的是以下价值之一：

减少时间。

缩短决策。

改善销售材料。

自动化内部材料。

开发前验证。

AI 搜索曝光。

审查现有运营。

代码和材料的质量保证。

AI 应该被放在幕后。事实上，把它放在太前面会显得廉价。海外成功人士销售的是“我能以这个速度和价格交付这个结果”，而不是“我用 AI 做的”。

定价设计：根据“人力替代价值”而非 AI 成本来决定

初学者会盯着 AI 的 API 成本来定价。这是错误的。当然，成本管理是必要的，但客户支付的不是 API 成本。客户支付的是减少外包成本、人力成本、机会损失和决策延迟的价值。

例如，即使每周报告委派的 AI 成本是 20 美元/月，但如果它能将客户每周花 5 小时的任务缩短到 1 小时，那么 500 美元/月也是便宜的。即使原型验证的 AI 成本是 100 美元，但如果它能将客户纠结 3 个月的商业判断在 1 周内推进，那么 3,000 美元也是可行的。

然而，像 Claude Fable 5 这样的高成本模型需要谨慎使用。根据 Claude 的帮助，在推广期间，某些付费计划中，Fable 5 可以在每周使用限额的 50% 内免费使用，但到 2026 年 7 月 19 日太平洋时间晚上 11:59:59 之后，它将不再包含在计划的每周限额内，需要消耗使用积分才能继续使用。API 使用不参与推广活动，适用标准费率。

这就是为什么你不应该对“所有事情”都使用 Fable，而应将其限制在“高价值判断”、“最终审查”、“长上下文理解”和“复杂修复”上。用廉价的 GPT 配置进行预处理，再用 Fable 进行精炼。这是保护毛利润的秘诀。

如果你真的想开始，这个顺序最稳妥

你不需要从一开始就构建一个 SaaS。事实上，那些贸然构建 SaaS 的人更容易失败。海外极客中聪明的人首先将其作为服务来销售，一旦看到重复模式就将其模板化，最后才将其变成工具。

在最初的 30 天里，你应该做的是选择一个行业。例如，法律专业人士、招聘机构、电商运营者、B2B SaaS、英语会话学校、房地产、诊所或制作公司。缩窄行业范围不是为了提高 AI 输出的准确性，而是为了让销售话术更精准。

接下来，选择该行业中“每周都会发生的、繁琐的任务”。报告、提案、会议记录、常见问题解答、对比表、广告草稿、着陆页改进、代码审查或客户响应分析。这里不要贪多。

然后，固定 GPT 和 Claude 的角色。例如，GPT 负责初稿、结构、表格、演示文稿、着陆页和实施。Claude 负责审查、矛盾检测、长上下文理解、规格整理和质量检查。人类负责倾听、最终判断、交付和改进提案。

最后，将其做成月度订阅，而不是一次性销售。AI 应用如果只是一锤子买卖，会很累人。它应该是一个基于持续性的产品，例如月度审查、每周报告、每月四次改进提案、每月一次 AI 搜索诊断或每月两次原型改进。

具体产品示例

说得更具体一些，你现在就可以创建这样的产品：

1. AI 搜索曝光诊断包

用 ChatGPT 和 Claude 调查客户的公司名称、类别名称和竞争对手对比关键词。可视化哪些竞争对手被 AI 推荐，并改进常见问题解答、对比页面、案例研究、作者简介和结构化产品描述。首次 1,000 美元，后续改进 500 美元/月。

2. AI 开发前置产品需求文档包

用 Claude 定义客户想法的需求，用 GPT 将其转化为界面草稿、着陆页和演示材料。交付可直接交给 AI 编码工具或外包商的规格文档。首次 1,500–3,000 美元。

3. 每周管理层报告委派

每周汇总销售、广告、咨询、评论和会议记录，交付两页 A4 和少量幻灯片。用 GPT 格式化，用 Claude 检查洞察和矛盾。500–2,000 美元/月。

4. Claude Code 实施启动器

在现有仓库中为 Claude Code 设置 CLAUDE.md、子 Agent、审查流程、测试流程和 MCP 连接策略。为开发团队分离“交给 AI 的任务”和“由人类批准的任务”。初始实施 2,000–5,000 美元。

5. AI 生成内容审查服务

使用多个模型审查 AI 制作的着陆页、销售材料、代码、合同草案和商业计划书，并由人类添加最终评论。每单 300–1,000 美元。容易转化为持续审查合同。

这里重要的是，每个产品都说“我将缩短客户现有的业务流程”，而不是“我使用了 AI”。AI 是手段。产品是缩短的时间和减少的焦虑。

从现在开始的赢家，不是“会使用 AI 的人”，而是“能将工作委派给 AI 的人”

在 AI 应用的早期，擅长提示词的人脱颖而出。接下来，能用 AI 写代码的人脱颖而出。但从现在开始，更多不那么光鲜但更强大的人会赢。他们是那些能分解工作的人。

哪个任务交给 GPT。

哪个任务交给 Claude。

哪个任务应由人类判断。

哪个任务应该模板化。

哪个任务应该做成月度产品。

哪个任务应该使用昂贵的模型，哪个任务应该使用便宜的模型。

能够设计这些的人，即使 AI 模型发生变化，也能赚钱。相反，那些只依赖特定模型小技巧的人，会在一次更新后瞬间消失。

Claude 方面正将 Fable 5 这样的高性能模型瞄准长时间、高难度的任务。OpenAI 方面则通过 ChatGPT Work、Codex、API、多 Agent 和缓存扩展 GPT-5.6，使其更贴近业务执行层面。换句话说，战场已经从“聊天响应质量”转移到了“能完成多少工作”。

海外的极客们已经看到了这一点。他们不再思考“让 AI 写什么”，而是思考“如何让 AI 组队合作”。让 GPT 担任生产主管，Claude 担任审查主管，人类担任负责人。这种配置是个人像小公司一样运作的最短路径。

最后：如果你现在入局，不要瞄准那些光鲜亮丽的 AI 业务

我现在最想告诉那些刚刚起步的人，不要一上来就瞄准那些光鲜亮丽的 AI 生意。做 AI 应用、做 AI 媒体、卖 AI 课程、卖 AI 提示词——当然有潜力，但竞争也异常激烈。

相比之下，把 AI 嵌入到已经有资金流动的业务中，会更加扎实。比如报告、销售材料、技术规格、代码审查、招聘资料、常见问题解答、竞品调研、广告优化、周会材料。工作越不起眼，AI 双管齐下的效果就越明显。

通过 ChatGPT 和 Claude 组合赚钱的本质，不是“用 AI 轻松赚钱”，而是通过模型角色分工，把人们觉得繁琐、一直拖延的工作，快速、低成本、持续地清理掉。

之所以看起来只有海外极客在这么做，是因为他们不把 AI 当作“文本生成工具”。在他们眼中，AI 是一套用于重新编排生产、实施、审查、研究、质控角色的组件。

所以，你第一个应该学会的提示词只有一个：

“当这项任务被分为五个阶段——生成、整理、实施、验证、交付——请分离出哪些阶段应该交给 GPT，哪些阶段应该交给 Claude，哪些阶段需要由人类负责。”

每次都能问出这个问题的人，会在下一波 AI 变现中胜出。