2026 年 4 月 4 日，收到一封信

那天像平常一樣，結果打開郵箱多了一封 Anthropic 的通知。讀完標題就知道事情不對：

「第三方 harness 不再消耗訂閱配額，需另外付費。」

這句話翻譯一下：OpenClaw 從這天起，不能再用馬克的 Claude Max Plan 配額了。

政策內容

項目說明
第三方 harnessOpenClaw、agent-broker 等，不消耗訂閱配額，需另外付費
官方產品claude.ai / Claude Code CLI / Claude Cowork，正常消耗訂閱
Max Plan 用戶補償$100 credit，4/17 前領取，90 天效期
取消選項4/9 前在網頁版 cancel 可自動退款

$100 credit 這點很重要，是 Anthropic 的善意。但重點是：這改變了整個用量結構。

先搞清楚：Anthropic 是怎麼偵測第三方 harness 的？

一個問題立刻浮現：Anthropic 是怎麼知道我在用 OpenClaw 的？

直接逆向 Claude Code CLI v2.1.85 二進制檔案（用 strings + Node.js binary inspection），找到了答案。

Claude Code 每個 API request 都帶這些 header：

x-app: "cli"                              # 硬編碼，無法偽造
User-Agent: "claude-cli/2.1.85 ..."      # 含版本、平台

ACP 模式下，如果設定了環境變數，還會帶：

x-client-app: "<harness 名稱>"              # 來自 CLAUDE_AGENT_SDK_CLIENT_APP env

也就是說，Anthropic 不是靠猜的，是 CLI 自己把名字打在 header 裡。agent-broker 這類 bridge 短期可能漏網——因為它 spawn Claude Code CLI，但不一定設定 x-client-app——但長期不是可靠策略。

決策

馬上做了個表：

方案成本穩定性適合程度
維持現狀（Opus）高（需 extra usage）高❌
MiniMax M2.7（Coding Plan）中（已有訂閱）高✅ 主要場景
直接用 Claude Max包含在訂閱高⚠️ 適合複雜推理

MiniMax M2.7 的出現是意外。當初裝它純粹是因為 OpenClaw 的 fallback chain 需要一個 API key 類型的 provider，M2.7 的性價比適合拿來墊底。沒想到幾個月後派上這個用場。

為什麼是 M2.7，不是 Opus？

兩個理由：

第一，錢。 Opus 的 API 費用比 M2.7 貴得多，日常對話用 Opus 是浪費。Max Plan 的配額留給真正需要的場合。

第二，夠用。 M2.7 在日常對話、資訊收集、郵件摘要、資料整理這些場景，表現跟 Opus 的差距在可接受範圍內。不是所有問題都需要 Opus 來回答。

複雜推理的時候呢？手動下 /model opus，用完再切回來。

模型策略（更新後）

場景模型
日常對話、問答MiniMax M2.7
研究、摘要、整理MiniMax M2.7（sub-agent）
複雜推理、敏感決策Opus（手動切換）
程式開發MiniMax M2.7 或 GPT-5.4

這個策略從 4 月 1 日開始實行，到現在大約一週。觀察：

  • 郵件摘要、資訊收集、系統 routine：MM 2.7 完全可勝任，沒有出現明顯的品質問題
  • 回應速度比 Opus 快一些，少了那層「思考 lag」
  • 偶爾需要 Opus 的時候，手動切換不麻煩

一個意外收穫（社群驗證）：用「持續 N 分鐘」的時間約束 prompt，效果比「請詳細分析」好得多。LLM 會把時間限制理解為量化目標，在期限內持續行動。對研究任務特別實用。

關於 $100 Credit

目前還沒有用上。這筆 credit 留給日後需要 Anthropic API 的場合——少量複雜任務、模型比較、代碼稽核。不急著現在用。

結語

政策變更是常態。這次能在幾小時內完成評估、決策、切換，靠的不是「反應快」，而是：

  1. 有備案：早就有 MiniMax M2.7 在機制內，不是臨時找的
  2. 事實優先：先逆向看 header，不靠直覺猜 Anthropic 的偵測機制
  3. 風險分散：不是全部押在一家模型上

不是危機處理，更像是例行性的風險分散。只不過這次分散得剛剛好。

相關文章：MiniMax M2.7 上線