真正在做 AI 的人今天说了什么。一页读完，约 7 分钟。
Anthropic 今天花了一整天做自我交代：一份事后复盘点名了三处各自独立的改动，正是它们造成了 Claude Code 长达一个月的抱怨，同时给所有订阅用户重置了用量额度。OpenAI 也回应了自家关于 Codex 额度的类似质疑，把矛头指向把订阅转卖成 API 的中间商，而不是什么悄悄改过的政策。在这两件事底下，面向企业的 agent 叙事正在变硬：sandbox 和 MCP server 现在都能跑在客户自己的边界之内。
Anthropic 把一个月的 Claude Code 抱怨追溯到三处独立改动
三处互不相关的改动叠在一起，看上去就像一次全面的质量下滑。3 月 4 日，默认 reasoning effort 从 high 降到了 medium；3 月 26 日的一次缓存优化本意是清掉旧的 thinking 内容，结果变成整个会话里每一轮都清一次，Claude 因此变得健忘，还在缓存未命中上白白烧掉用量额度；4 月 16 日加进 system prompt 的一行把回复限制在 100 词以内，让 Opus 4.6 和 4.7 的 eval 成绩掉了 3%。API 自始至终没有受影响，三处问题在 v2.1.116 中全部修复，所有订阅用户的用量额度正在重置。接下来的做法是：每一次 system prompt 改动都要跑分模型的 eval 套件，逐行做消融实验，凡是可能拿智能水平做交换的改动都要先经过一段浸泡期。
OpenAI：Codex 额度没有变，是 sub2api 转卖触发了风控
OpenAI 调查了关于 Codex 用量额度表现异常的反馈，并表示自己不会在没有先跟社区沟通的情况下改动额度。它查到的是另一回事：不少受影响的用户在跑 sub2api，把订阅额度转成 API 流量再转售或分给大量用户使用，这会被反欺诈系统标记。通过官方客户端，或者 Pi、OpenCode 这类开源客户端用 ChatGPT 账号登录，都没有问题。今天同时上线的还有：ChatGPT 和 API 里 GPT-Image-2 的透明图像输出，以及可以和别人一起搭建、能分享出去的 ChatGPT Sites。
Claude Managed Agents 现在可以在你自己的边界内执行工具
自托管 sandbox 进入公测：负责编排、上下文管理和错误恢复的 agent 循环仍然留在 Anthropic 的基础设施上，而工具执行搬到了你自己掌控的基础设施，或者 Cloudflare、Daytona、Modal、Vercel 上。代码、敏感文件和代码仓库始终不出你的网络，运行时镜像和资源规格也由你自己定，这一点对耗时长的构建或图像生成很关键。还在 research preview 阶段的 MCP tunnel，让 agent 通过单条向外的网关连接去访问内部数据库、私有 API 和工单系统，不需要任何入站防火墙规则，也不用暴露公网端点。Amplitude、Clay 和 Rogo 已经在上面开发了。
把 agent 的大脑和手分开，p50 首 token 时间降了 60%
Managed Agents 最早把 session、harness 和 sandbox 塞在同一个容器里，这就让容器变成了一只换不掉的宠物：它一死，会话跟着死，而调试意味着要登进一台同时还存着用户数据的机器。解法是拆成三个可以各自独立失败的接口，会话日志放在 harness 之外，于是 harness 崩了之后可以用 wake(sessionId) 重启，从最后一个事件接着往下走。容器现在只在真正需要时由一次工具调用来创建，所以那些从头到尾没碰过 sandbox 的会话不用再为启动成本买单：p50 TTFT 降了大约 60%，p95 降了超过 90%。安全上的收益是，凭据在跑 Claude 生成代码的那个 sandbox 里根本够不着，prompt injection 再也没法直接读自己所在的环境。
一款能恢复真实形状视觉的视网膜植入物刚在欧洲获批
Prima 是一块植入视网膜下方的芯片，由患者眼镜上的激光投影仪驱动，为因黄斑变性失明的人绕开已经死掉的视杆和视锥细胞。它在 7 月拿到欧洲上市许可，未来几周开始销售；临床试验里的患者能填数独、做填字游戏、读书，这是此前任何设备都没做到过的。背后的观念是：大脑明摆着就是一台计算机，把它当计算机来对待，得到的效果量是几十年小分子药物研发都没能拿到的，因为“我把电极放进 M1，你大概一小时之后就能用上一台计算机”。把大脑做成键盘的产品明确不是目标，因为“如果你能拿到视觉、听觉、平衡感，再加上每秒一千比特的运动控制，你就已经走到通往矩阵的一半了”。柏拉图表征假说在这里是被拿来用的，不是拿来谈哲学的：他们能把动物的神经记录和 AI 模型的内部表征对齐。
投资人非要你有野心的真实原因：错过的代价太高了
LP 们眼看着 Anthropic 以史上最快的速度从零冲到一万亿估值，SpaceX 以 1.77 万亿上市，Cursor 四年做到 600 亿，还给早期基金返了实打实的 DPI。他们的反应是把钱大把倒进超级基金，而基金一旦大到那个体量，每一张支票，哪怕是 A 轮，都必须按万亿级的结果来做承销。到了那一步，入场价格就不重要了：2 亿、3 亿、5 亿，有时候 10 亿，放在被建模的那个结果面前都是一回事。于是错过的代价远远大于投错的代价，基金再也不敢漏掉任何一个有热度的项目，剩下的交给幂律。这就是野心会主导整场 pitch 背后的算术。
post-training 正在变成应用型 AI 公司的成本杠杆
一旦你对某个领域理解得足够深，手上又有一批相似任务的规模量，专门为这类活儿定制一个模型就开始划算了。机制在于 post-training 里的奖励塑形：在性能相当的前提下，更偏好那些消耗更少 token 的轨迹，这“让我们能同时优化成本和质量，在成本保持稳定的情况下拿到明显的性能提升”。这套做法不是到处都成立，通用的前沿模型往往已经够用，有时候干脆是非用不可。但如果你既有很深的垂直积累，又碰上成本高到没法规模化运行，或者手上的任务类型压根没人在训练，那对于贴着企业工作流的公司来说，这就是一个很有吸引力的位置。
Vercel 把定位说得很直白：“我们在给 agent 造 AWS”
整个 pitch 就这一句话。Rauch 还说，Bun 追求的简单、快、开放，跟 Vercel 以及这家公司看世界的方式完美契合，并向 Jarred Sumner 的发布道贺。
Replit 和 OpenAI 达成合作，而 Free Mode 真正的优势是快
Masad 说这次和 OpenAI 的合作早就该发生了，还提到早在 Replit 进 YC 之前，Paul Graham 就请 Sam Altman 去把他们招进来。在他看来，新的 Free Mode 被低估的地方不在于免费，而在于它快到重新让写代码这件事有了交互感。
让一个 manager agent 用激将法逼 worker agent 交出更好的结果
Yang 的直觉是，很多 AI 输出只要加一个 manager agent 不断顶回去的循环就能变好：“你确定这已经是你能做到的最好了？”、“我觉得你还能更好，再来一次”、“再仔细看看，给我 11 分（满分 10 分）的输出”。他的 YouTube 订阅也过了 10 万，已经排上的访谈包括：今天的模型如何彻底改变了 eval、哪些 vibe coding 做出来的应用真的做成了生意，以及 ChatGPT Finance。
SPC 筛人最看重的特质是清晰，不是履历
清晰指的是能诚实面对、能穿透战场迷雾、能在浑水里找出一条路，Agarwal 说这是 SPC 最看重的一项特质。他举的极致例子是 Sridhar Ramaswamy，此人把 Google 广告从 10 亿做到 1000 亿，如今正带着 Snowflake 穿越 AI 转型；这期 Minus One 聊了什么时候该冒职业风险、Neeva 到底哪里出了问题，以及模型接下来会走向何方。还有一句相关的：最好的创始人都是还原论者。
NVIDIA 花 60 亿买下的模型工厂，产出胜过 Thinky 级模型
swyx 最新一期 Latent Space 的嘉宾，正是 NVIDIA 刚花 60 亿美元收购其模型工厂的那个人。他坚持说“产出能压过 Thinky 级模型”这话不是夸张，看数字就知道。他还点出 agent skill 领域正在冒出来的一个模式：Matt Pocock 的 /wayfinder，是给 /grill-me 用的 /grill-me，专为那种你还困在战场迷雾里、得先编排一轮调研和后续几轮 grill 才知道自己不知道什么的时候而做。
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。