真正在做 AI 的人今天说了什么。一页读完，约 4 分钟。
前沿两端同一天集体发货：OpenAI 把 Codex 和 ChatGPT 桌面端搬上了 Linux，此前它已经悄悄越过 1000 万活跃用户；Anthropic 则开始给每一段 Claude 生成的文本嵌入水印，以对接欧盟 AI Act。发布之外，反复出现的主题是真正吃力的活儿到底在哪里：forward deployed engineering、专注特定领域的开源权重模型，以及谁也爬不到的物理世界运营数据。
Claude 生成的所有文本都将带上嵌入式水印
今后每一段 Claude 生成的文本都会带上嵌入式水印，你可以据此检查某个 PR 是不是出自 Claude Code。这是配合欧盟 AI Act 的一部分工作，其他实验室也在加类似机制。同时还会推出一个文本检测 API，让大家自己就能查。他也直说了，这套做法有它的局限。
Codex 和 ChatGPT 桌面端登陆 Linux，活跃用户已冲破 1000 万
Codex 和 ChatGPT 桌面 app 现在能在 Linux 上跑了，他还顺带提醒：那台急着下单的 MacBook 可以取消了。他此前承诺 Codex 活跃用户每涨 100 万就剃一次头，一直到 1000 万，然后过了 1000 万就没声了。他预告明天还有个惊喜。
Gemini 在 iOS 上活跃用户破 1 亿，macOS 用户提问频率高出一倍
Gemini 在 iOS 上的活跃用户已超过 1 亿，而 macOS 重度用户的提问频率大约是其他端的两倍。在 Android 上它可以跨 40 多个热门 app 自动执行操作，包括叫车和订餐厅。更多更新明天在 Made by Google 上放出。
Samsara 的护城河是爬不到的数据：每天覆盖全美 99% 的道路
物理世界 AI 里真正守得住的一层，是那些从来没被数字化过的数据。「这些 token 你在网上是找不到的。你没法靠爬 Reddit 就知道某个工地上发生了什么。」Samsara 一年吞进 25 万亿个数据点，每天跑遍全美 99% 的道路，并称其系统去年避免了约 38 万起事故。它的质保 agent 会拿故障码去比对维修手册和跟 OEM 谈好的条款，开出工单，再顺手检查车队里其他车辆，把人工一两个小时的活压缩到一分钟以内。一位公用事业客户计划在五年内把电网容量做到过去 125 年建成规模的三倍，其中 90% 的新增需求来自数据中心。
forward deployed engineer 不是 AI 的过渡产物，它本身就是这份工作
FDE 的规模正在以前所未有的速度扩张，因为 AI 把一个非确定性、还在快速变化的系统，塞进了从来没被自动化过的工作流里。确定性软件让实施在同类客户之间大体一致；agent 在每个维度上都打破了这一点：客户的流程本身要改，定制不可避免，eval 要一直跑，模型和 harness 还在底下不停变。引用的那条帖子说得直接：「如果你 2026 年在给会计做一个 AI agent，那根本不存在既有的工作流，因为压根就没人用过这种东西。」能力变强也不会消掉这些活，企业只会把更复杂的流程扔给 agent。
开源权重的机会一点都不性感：中端法律、中小零售
把开源权重模型打磨到在某个窄而不起眼的业务领域格外好用，这里面会有很多钱。选一个尺寸乘一个领域，往深了做，因为 hyperscaler 掌握着基础能力，却很难在领域纵深、粗糙敏捷的打法，以及为一类生意把模型做到极致的那股劲上占到便宜。他还认为 dev rel 正迎来自己的时刻：写软件已经变得很容易，分发才是真正的突破口。一个 2023 年的故事印证了这条轨迹：当时模型才刚超过代码补全的水平，客户的 prompt 日志里就已经全是「帮我做一个 X 的 app」，三年后这基本已经实现了。
AI SDK 每 30 天下载量达 8050 万次，超过各家实验室的 SDK
AI SDK 目前每 30 天约有 8050 万次下载，增速快过任何一家 AI 实验室的 SDK。Rauch 强调的是原因：它是开放的，且不绑定任何 provider。
ChatGPT 把 Chat、Work、Codex 拆开，对普通用户来说是一团乱
带父母上手 ChatGPT 桌面 app 的过程，暴露出 Chat、Work、Codex 之间的划分有多让人困惑，网页端、桌面端和移动端之间还各不一致，更添麻烦。他建议做一轮清理或者质量打磨，甚至可以交给 Codex 自己来做，并强调他是以 Codex 拥趸的身份提这个意见的。他的 /human-review 项目也刚过了 717 个 GitHub star。
就业中心和住房都得建，否则加州就完了
在加州增长的争论里，他拒绝二选一的框架：就业中心和住房都要建，不然这个州就输了。另外他还提到 ibab 和团队的新工作，认为让你的 AI 与你本人和你的上下文深度对齐，是极其重要的事。
源数据来自 zarazhangrui 的开源项目 follow-builders，以 MIT 许可发布。摘要由 LLM 基于该项目的公开 feed 生成，摘要 prompt 亦改编自该项目。上面每一条都链接到原始出处。
摘要由程序自动生成。据此做判断前请先看原文。