POST · ANTHROPIC · Claude Code
Boris Cherny — Claude Code, Anthropic
面对"到底要不要把 Claude 写的代码当人写的代码来审查"这类日常来信，Anthropic 的 Boris Cherny 给了一个业内难得清晰的双档答案：抛完就扔的原型可以当黑盒，做完能跑就行；但进生产环境的每一行 AI 代码，标准要比人写的更严——Anthropic 自己就靠大量 lint、测试、Claude 端到端测试、Claude fuzzer、自动 code review 和 security review 兜底。他把"守 bar"的责任明确留给工程师：如果 Claude 写得不够好，先升级到 Opus 5 / Fable 5.1，再把 effort 拉到 high/xhigh，把 CLAUDE.md 和 skills 写扎实，最后才是等下一个模型。搭配他同天转发的 Anthropic 威胁情报报告，双档规则的另一面也被点破：能写代码的模型也能被拿去攻击关键基础设施，能力越强、护栏越必要。
原文"Production code written by Claude should have a higher bar than if it was written by a human."
POST · BOX · CEO
Aaron Levie — Box CEO
Aaron Levie 这周见了几十位金融、媒体、保险、咨询领域的技术负责人，回来的观察比硅谷叙事更贴地面：企业里的 agent 讨论已经从"要不要用"切进"怎么落"。当下几件事同时压来——OpenAI/Hugging Face 事件让所有人重新怕 cyber；模型标准化几乎放弃，都在多前沿模型并行采购但预算仍集中在少数供应商；agent 身份与权限成新麻烦；真正的 ROI 来自"改流程"而不是"叠 agent"，但谁来主导流程重构悬而未决；对供应商极度不忍——"X 不行就换 Y"频率之高前所未见；evals 依然是普遍短板；遗留系统仍是最大绊脚石。同天他也宣布 Box 与 OpenAI 更深合作，让企业内容能安全地在 ChatGPT 里被 agent 直接调度。
原文"No one hangs around until a vendor gets something right, they just move on to the next one."
POST · VERCEL · CEO
Guillermo Rauch — Vercel CEO
Vercel 一天诞生一千万次部署，累计 23.5 亿次——这个数字背后的现实是，agent 才是新一代"重度多租户"用户。Rauch 讲了两件事：一是全球元数据存储在数百毫秒内同步到所有区域，让回滚、改配置、加路由这些日常动作在 CDN 层瞬时生效，最新一轮优化让 p99 提速了 91%；二是他把这套能力抽象成"每个 agent 一台电脑、且能落到任意区域"的产品叙事。企业开始"给 agent 采购算力"的时代已经到了，而不是给一个软件采购算力。
原文"A computer for every agent, in every region."
POST · OPENAI · Codex & ChatGPT
Thibault Sottiaux — Codex & ChatGPT, OpenAI
OpenAI 把 ChatGPT Work 底下那套"按需扩展的 agent 基础设施"打包成了公开 API，一分钟就能接入。这是官方第一次把 agent 基础设施本身当作可售商品对外供给——而不只是把 agent 产品做给用户。另一头 Astra 需求增长太快，200 美金/月的 Pro 档暂时停售，其他档位和 API 都不受影响。产品端限流的同时把开发者端的水龙头拧开，OpenAI 对"下一批增量在哪里"的判断非常明确。
原文"Scaled agents on demand… wrapped up in an API which you can use to get started in less than 1 min."
POST · META · Sr Director, AI
Madhu Guru — Sr Director AI, Meta（前 Google Gemini/Veo/Nano Banana）
评估 agent 的第一原则不是看最终答案对不对，而是看"过程"对不对。两条 agent 轨迹都答出 42，但一条搜对了源、拿对了文档、四次干净的工具调用；另一条搜了三遍同一个词、修了两次错、绕了 17 步——两者的工程价值完全不同。Madhu 给了一个可复用的落地清单：把工作流全画出来，把每一步的任务定义清楚，为每一步单独设评估（或作为大评估的一个切片），并明确"中位难度"和"高难度"两档任务，让评估反映真实分布。看 eval 报告时，先看步骤，再看最终结果。
原文"Measure the steps, not just the result."
POST · REPLIT · CEO
Amjad Masad — Replit CEO
Amjad Masad 站队"AI 有很多真实风险，但灭绝论不是其中之一"——他明确担心的是 cybersecurity 这类可落地的风险面。这条推放在 Boris Cherny 转发威胁情报报告的同一天，两位构建者用不同的方式对同一件事表态：真实的护栏问题应该被讨论，抽象的"人类灭绝"想象则容易透支公众注意力。
原文"'Extinction risk' — literally 100% of humans die — is not remotely one of them."
POST · FPV · 早期投资
Nikunj Kothari — Partner, FPV Ventures
FPV 合伙人 Nikunj 把 2026 年种子轮的三条"公开秘密"码成一段话：人人都想融 5000 万美金种子；人人都以为明年就能做到 3000 万美金 ARR；每一轮火爆的 tranched seed 最后都被"神奇地"定价到 3 亿美金估值。三条并排，构成 AI 时代 seed 生态的通用叙事骨架——预期通胀、ARR 神话、和估值锚定的默契。搭配他同天讲的"从想法到发文只用了几个开车路上的语音备忘录 + 30 分钟猛写"，他也顺手吐槽 Claude 的语音转写还不够好用。
原文"Every hot tranched seed round magically ends up at the ~$300 million valuation."
POST · OPENAI · 产品团队
Nan Yu — soon Product Staff, OpenAI（前 Linear 产品负责人）
Nan Yu 用一句反直觉的观察给"AI 泡沫论"降温：Google、Instagram、Zillow、DoorDash 这些"普通人每天都在用"的产品从来没让人觉得科技公司已经到顶——AI 现在还在同样早的位置。他同天另一条推更刻薄：不要把"从峰值估值大幅折价的 PE 收购"叫收购，叫它"Italian goodbye"（不告而别）。两条并列，一条给多头做时间锚点，一条给空头做冷嘲。
原文"Yet normies use Google and Instagram and Zillow and Doordash all day every day. Still. Early."
POST · CLAWFATHER · 独立开发
Peter Steinberger — 独立开发者/AI 布道者
Peter Steinberger 一句话点出了 AI 编程时代最重要的直觉翻转："复制粘贴逻辑不再痛，抽象才痛。"在人工写代码的年代，重复是原罪、抽象是美德；到了模型能一次生成一整块的年代，抽象层反而在提高认知成本、拖慢迭代。这条 12 字的推文比很多长文说得都干净，也解释了为什么现在很多 AI-native codebase 会主动放弃过早的抽象。
原文"Duplicating logic is no longer painful. Abstractions still are."
POST · ANTHROPIC · Claude Code
Thariq — Claude Code, Anthropic
Anthropic 的 Thariq 分享了一个可以立刻抄作业的用法：让 Claude 用自由文本或 askUserQuestion 工具主动面试你，覆盖它还不了解的人生片段，然后写进 memory。这条推的价值不在"新功能"，而在把 Claude Code 里已经存在的 memory + askUserQuestion 组合，转成一个可以被普通用户直接复用的 prompt——把 AI 从"被动等你说"转成"主动补齐画像"的心智模型转换。
原文"Interview me in depth… and save it all to memory."
POST · GOOGLE · Labs
Josh Woodward — VP, Google Labs / Gemini App
Google 把两条消费面的分发同时打开：Gemini 桌面客户端登陆 Windows，Google Labs 的 Dreambeans（每日生成故事）向全美 18+ 用户免费开放并支持连 Gemini App。前者补齐了 Gemini 在办公端的分发短板，后者是 Google 在 AI 生成内容消费化上的持续试探——一个 agent 时代的"每日晨报"入口。
MAD PODCAST · MATT TURCK · Recursive 创始人
"When AI Improves Itself" — 嘉宾：Richard Socher · Recursive CEO / 前 Salesforce 首席科学家
核心要点"能被模拟的东西，AI 迟早都会解掉"——这才是 RSI 真正落地的地基。
Richard Socher 是 AI 领域被引最多的研究者之一，最新为 Recursive 融了 6.5 亿美金，其中约 4.1 亿一次性锁给了 Amazon 的算力合约。他不认可"硬起飞（hard takeoff）"叙事——不是所有事都会瞬时加速，长期临床试验、真实物理约束都会拉时间线，但他坚信 AI 会通过科学发现全面提速人类知识边界。他的新书 The Eureka Machine 把这套方法论拆成四根柱子：其一，用大模型吸收人类已有知识，同时靠开源逆向让"闭源→开源→再回到公共池"的循环把知识重新平铺开；其二，让 AI 直接吃科学仪器测量到的、语言难以描述的数据，构建一层"人类语言之外的物理/化学/生物基础模型"；其三，为不同尺度的现象搭建可验证的模拟器；其四，回到真实世界跑实验，用真机器补齐模拟未覆盖的变量。
最反直觉的一点是他对"AI 只是下一个 token 预测器"的反驳：正因为 next-token prediction 逼出了一个能压缩世界结构的世界模型，同一套技术才能同时做聊天、蛋白质结构、代码。他也把"编程"提到"最容易被 RSI 吃掉的领域"——因为软件的验证器几乎无成本可造：截图 → 生成能还原它的代码 → 自动比对，这类验证器可以被无限量制造，也就意味着可以无限量制造训练信号。药物发现不会是硬起飞，但会从"一家公司押一款药"的模式，变成"多分子并行、试错成本被算力压平"的模式。
他还讲了一段少见的公众沟通反思：AI 行业在 PR 上做得很糟——真正在用 ChatGPT / Claude Code 的人不发声，负面情绪却容易放大成道德恐慌，这跟 18 世纪骂小说、20 世纪骂电子游戏是一个模板。对 PM 和产品团队来说，值得抄走的两件事：（1）在自家场景里主动造"可验证的合成数据"，验证器数量决定进化上限；（2）把"步骤级评估"和"验证器工程化"当作团队新一年的能力储备。
"Anything you can simulate, AI will solve. And before you know it, you're in this recursive self improvement loop."— Richard Socher