追踪真正在造东西的人，而不是复读的意见领袖。
今日主线 · Today's Signal
Josh Woodward 给 Lenny 的长访谈做预告，重点不是宣传本身，而是他暗示这次对话触到了自己此前没有公开谈过的部分。对关注 Gemini、Google AI Studio 和 Google Labs 产品路线的人来说，这类访谈往往比发布稿更能看到团队如何解释取舍。
"Great interviewers do their homework, and you can tell he’s in that league: he took our conversation to places that I’ve never talked about in public."
Peter Yang 把 Grok bot 的价值讲成「persona 优先」而不是「聊天线程优先」：每个 bot 像一个有固定职责的员工，分别处理客服、研究准备、家庭差事和健身追踪。这说明消费级 agent 的体验差异，可能不在模型名，而在任务身份是否清晰。
"It’s built on personas instead of chat threads, so it really feels like hiring employees to work for you."
Guillermo Rauch 对 coding CLI 的判断很直接：工具越堆 daemon、多层 TUI 和 client-server 架构，越偏离 CLI 的低摩擦本质。他顺手推了一个 6MB、毫秒级启动、模型无关的 `fx`，并继续把 Vercel AI Gateway 放进新模型试用路径里。
"The whole point of a CLI is to deliver intelligence with zero friction, and be unix-like."
Aaron Levie 连发几条把企业 AI 的方向说得很清楚：agent 最终会自己选择 harness，前沿模型竞争会继续压低高能力 token 成本，而 agent swarms 会先在 cyber 这种可并行搜索、可大量试错的企业场景里吃掉大量算力。
"Agent swarms are going to be a core part of many enterprise workflows in the future."
Ryo Lu 在 ryOS 里加了 Dictionary 和 Fitness：一个用来学新词、发音和汉字，一个用来规划训练、记录身体与饮食，并和 ryOS Account 同步。这里有个小趋势：个人 OS 不再只是日历和笔记，而是在把学习、健康这种长期习惯也接进 AI 工作流。
"new on ryOS: Dictionary + Fitness"
Zara Zhang 分享了一个很小但很有力的 AI coding 故事：朋友把童年家庭记忆讲给别人听，对方 vibe coded 成一个小游戏。技术上它不复杂，真正让人动容的是人的经历、情绪和叙事被代码承载了，这比「又做了个 demo」更接近新媒介。
"Code is the new medium for storytelling."
Peter Steinberger 的两条短评都指向同一个主题：开发者对模型速度、成本和语言的敏感度越来越高。他认为 6.1 Sol ultrafast 在相近成本下明显胜过 6 Astra，同时再次强调「vibes coding」这个说法会误导人们低估真实的软件工程判断。
"vibes coding is a slur."
Dan Shipper 继续用个人 benchmark 测 Muse Wonder，但结论相当克制：API 上可用的是 Standard，不是 Full；他做了一个解释 personal benchmarks 的视频，评价仍然偏负面。这种公开、具体、带失败感的试用，比单纯转发模型发布更有参考价值。
"I used muse wonder to make a video explaining personal benchmarks."
Aditya Agarwal 指出一个被低估的落差：前沿实验室员工使用 AI 的方式，和最顶尖 1% AI 组织的使用方式之间仍有巨大差距，而且这还只是公开能力造成的差距。他认为这里可能会出现一个横向加速器型公司的机会。
"There is a big delta in how frontier lab employees use AI and how even the top 1% of AI orgs use AI."
Sam Altman 把 AI 的下一阶段定义为「人重新拿回时间」，而不是机器替代人。
这场对话从 Dev Day 后的开发者生态讲起。Sam Altman 的核心判断是，coding model 越强，开发者并不会变少，反而会因为需求和期待同时上升而有更多事情要做。AI 带来的不是简单自动化，而是把更多原本太贵、太慢、太复杂的想法推到可尝试的范围里。
他把 OpenAI 的平台路线描述成「Renaissance」而不是「Industrial Revolution」：前者以人为中心，强调科学、艺术、公司和个人创造力的扩张；后者更容易把人变成机器里的零件。这个比喻也解释了为什么 OpenAI 要让开发者在 ChatGPT 里构建 app、带走自己的订阅，并把 marketplace 继续往前推。
最具体的新形态是 Dots 和 Space。Dots 像一个能持续接收碎片想法、跨 Slack、日程和上下文工作的个人 agent；Space 则试图让多人和多人的 AI 在「活文档」里协作。Altman 说自己会把语音笔记丢给 dot，醒来时不仅东西被做出来，后续步骤也被推进了。真正的二阶影响是，产品经理、创始人和工程师的迭代回路会被速度重写。
"There are way more good ideas outside of our building than inside."— Sam Altman