真正在做 AI 的人今天说了什么。一页读完，约 4 分钟。
今天最犀利的一条观点跟定价有关：token 并不是一个标准单位，所以「每百万 token 多少美元」这个说法，悄悄掩盖了到底哪个模型更贵。另外还有两条：一是认为 scaling laws 只是经验层面的巧合，而非物理定律；二是判断下一款爆款消费级 AI 产品，靠的是多人社交玩法，而不是模型本身有多强。
按 token 计价，根本没法拿来横向比较模型
两个披萨，一个切 8 块每块 2 美元，一个切 16 块每块 1.25 美元：看着便宜的那块，整个披萨算下来反而更贵。tokenizer 也是一个道理。在一次涵盖英文、技术文本、多语种和数字内容的对比中，同样的文本，GPT-5.6 Sol 的 tokenizer 用了 766 个 token，Claude Opus 5 估算下来是 1170 个，差了大约 34.5%。真正该看的指标是「每次成功产出花了多少钱」，这意味着 benchmark 只是起点，你自己的实际场景才是真正的考卷。
下一个消费级 AI 赢家会是多人玩法，而不是更强的模型
随着底层技术成熟，消费级平台会沿着一根滑杆移动：从技术极深的创始人，滑向产品天才。Google 大概 95% 是后端的魔法，Facebook 没那么重，到了 Pinterest、Snap 和 Instagram，CEO 干脆就不是技术出身。AI 现在还停在 Google 那一端，ChatGPT 本质上就是个文本框，Character AI 的产品其实就是模型本身。Custom GPTs 是最好的破绽：「一看就是一个能力强得离谱、但完全不懂社交的团队做出来的东西。」你根本看不到某个 GPT 背后挂着什么 prompt 或什么文档，于是既没有信任，也没有那套追求身份认同的循环，而那恰恰是社区能跑起来的关键。真正没有答案的问题是：巨头的引力，尤其是记忆和使用习惯这两块，会不会强到让任何新的社交层都撬不动重度用户。
shadcn 才是大家当初想从 React 那里得到的东西
React 是规格说明，是对积木几何形状的描述，而不是乐高积木本身。shadcn 才是大家真正想要的那部分：可复用、高质量、能调。它的形态在 AI 时代格外重要，因为它是一个伪库，代码存在的意义就是被拽进 context window 里重新捏一遍，而不是 import 进来就不动了。
Grok Bot 唯一能拉开差距的数据源，它自己连不上
X 是 Grok Bot 能拿到的、差异化最强的单一数据源，而这个 connector 就是不工作；从云端电脑登录 X 也失败。另外单独提一句，认同 Dario 的立场：用 AI 攻克疾病，再加上加快医疗突破的监管审批，带来的收益可能是其他所有事情加起来的 10 倍。即将上线的一期节目里，Riley Brown 演示了用 Codex 把某个细分领域里 100 张表现最好的封面图拉进 Paper 画布，再拿自己的照片重新混搭。
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。